BAHAN AJAR

STATISTIKA
TERAPAN

IR. SUDARMADJI. MM.

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

b. Skala Ordinal adalah angka yang diberikan dimana angka-angka

tersebut mengandung pengertian tingkatan.
 Data : jumlah penjualan beberapa jenis sepeda motor.
No Jenis Motor Jumlah ( unit)
1 Yamaha 3800
2 Honda 3500
3 Suzuki 2900
4 Kawasaki 1500
5 Mocin 1000

Skala Nominal bias dirubah menjadi skala ordinal.

c. Skala Interval adalah suatu skala pemberian angka pada klasifikasi
dari obyek yang mempunyai sifat ukuran ordinal dan ditambah satu
sifat lain yaitu interval yang sama.
Data : Klasifikasi saham di BEJ tahun 2008
No Kriteria Nilai Saham Interval Jumlah
1 Sangat Prosfektif 700 - 800 100 4
2 Prosfektif 600 – 700 100 6
3 Cukup Prosfektif 500 – 600 100 3
4 Kurang Prosfektif 400 – 500 100 2
5 Tidak Prosfektif 300 - 400 100 5

d. Skala Rasio adalah skala yang mencakup semua skala yaitu

nominal,ordinal, intervaldisamping memberikan keterangan tentang
nilai obyek yang diukur.
Kondisi A Kondisi B Rasio A/B
Saham BCA 3000 – 4000 Saham BNI 1500 - 2000 2
Jual Toyota 60.000 Jual Honda 40.000 1,5
Inflasi Indonesia 10 Jepang 5 2
 BAB. II
PENYAJIAN DATA

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.

B. BAGIAN – BAGIAN DISTRIBUSI FREKUENSI.

1. Kelas – kelas adalah kelompok nilai data atau variable.
2. Batas kelas ( class limit ) adalah nilai yang membatasi kelas yang satu
dengan kelas yang lain.
Terdapat dua batas kelas yaitu :
a. Batas kelas bawah ( lower class limit ) , terdapat di deretan sebelah
kiri setiap kelas.
b. Batas kelas atas ( upper class limit ), terdapat di deretan sebelah
kanan setiap kelas.
3. Tepi kelas adalah batas kelas yang tidak punya lubang untuk angka
tertentu antara kelas yang satu dengan kelas yang lain.
Terdapat dua tepi kelas yaitu :
a. Tepi bawah kelas , dirumuskan : batas bawah kelas - 0,5.
b. Tepi atas kelas , dirumuskan : batas kelas atas + 0,5.
 4. Titik tengah kelas ( class mid point ) adalah angka atau nilai data yang
terletak tepat ditengah suatu kelas, dirumuskan : batas atas + batas bawah
dibagi dua.
5. Interval kelas ( class interval ) adalah selang yang memisahkan kelas
yang satu dengan kelas yang lain.
6. Panjang interval kelas ( interval size ) adalah jarak antara tepi atas kelas
dan tepi bawah kelas.
7. Frekwensi kelas ( class frekwensi ) adalah banyaknya data yang termasuk
kedalam kelas tertentu.

C. MEMBUAT TABEL DISTRIBUSI FREKWENSI

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.

D. JENIS-JENIS DISTRIBUSI FREKUENSI

1. Distribusi Frekuensi Relatif.

Adalah hasil bagi atau perbandingan antara jumlah frekuensi aspek tertentu dibagi total
jumlah frekuensi dikalikan 100%.

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.

Distribusi ini ada 2 yaitu

a. Distribusi F. Komulatif “ kurang dari “ ( < )

b. Distribusi F. Komulatif “ lebih dari “ ( ≥ )

Contoh: Distribusi F. Komulatif “ Kurang dari “

Biaya promosi 40 Perusahaan

Biaya Promosi Frekuensi Biaya Promosi “ kurang Frekuensi Komulatif
dari “ / “< ” “<“
20 – 24 2 < 20 0
25 – 29 6 < 25 2
30 – 34 10 < 30 8
35 – 39 14 < 35 18
40 – 44 8 < 40 32
< 45 40

Contoh: Distribusi F. Komulatif “ lebih dari “

Biaya promosi 40 Perusahaan

Biaya Promosi Frekuensi Biaya Promosi “ lebih dari Frekuensi Komulatif
“ / “ ” ““
20 – 24 2  20 40
25 – 29 6  25 38
30 – 34 10  30 32
35 – 39 14  35 22
40 – 44 8 8
 40
0
 45

Dari distribusi tersebut buatlah grafik ogif.

 BAB.III

UKURAN LOKASI/PEMUSATAN

A. MEAN ( RATA – RATA HITUNG )

Mean ( rata-rata hitung ) adalah nilai rata-rata dari data yang ada. Rata-rata
hitung dari populasi diberi symbol “  “ , rata –rata sample diberi symbol “
x
Rata – rata hitung berdasarkan bentuk data ada :
1. Data tunggal/tidak berkelompok.
Dirumuskan :
a. Jika X1,X2,X3 …….Xn, maka rata-rata hitungnya :
_
x1  x2  x3.....xn
X  , keterangan : n = jumlah data, x = wakil data
n
contoh :
tentukan rata-rata hitung dari data sbb :
8, 7,2 ,5, 18, 20.
b. Jika X1,X2,X3, …….Xn masing-masing memiliki frekuensi
f1,f2,f3….fn., maka rata-rata hitungnya :

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

Tentukan rata –rata hitung dari data diatas ?

 B. MEDIAN.

Median merupakan nilai tengah dari data yang ada setelah data diurutkan.
Median disebut juga rata-rata posisi, disimbolkan Me/ Md.

Median ada dua :

1. Median data tunggal .
a. jika jumlah data ganjil, mediannya berada paling tengah,
dirumuskan :

n 1
Me data = X , n = jumlah data
2

Contoh :a. 4, 7,3, 9, 12, 5, 2. Tentukan mediannya ?

b. jika jumlah data genap, mediannya berada hasil bagi jumlah

data yang ditengah, dirumuskan :
n 1
Me data genap = X , n = jumlah data
2

Contoh : 9, 8, 14, 4, 7, 3, 10, 6. tentukan Mediannya ?

2. Median data kelompok.

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.

Contoh : 2, 5,6, 7,6, 8,9,6,7. tentukan modusnya ?

2. Modus data kelompok.

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

fqi = frekwensi kelas quartil. Dan C = panjang interval kelas kuartil .

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 quartil 1,2,3.

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

Tentukan : D4,D6,D8 dari tersebut diatas ?

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

Contoh : tentukan P30,P50,P70 dari data dibawah ini :

8,5,7,10,16,9,20,24,14,12,26, 30,32,34,37, 40, 44.
2. Persentil data berkelompok.

i.n
 Fo
Dirumuskan : Pi = Bi  100 XC
Fpi

Keterangan : Pi = persentil ke I, Bi = tepi bawah kelas persentil ke I, n = jumlah

frekwensi, Fo = jumlah frekwensi sebelum kelas persentil ke i, Fpi = frekwensi kelas desil, i =
1,2,3……99.
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 : P40,P60,P80 dari tersebut diatas ?

Manual: Membuat Boxplot

: “Mengenal Boxplot”.
Pada bagian ini kita akan mencoba membuat boxplot secara manual, agar ketika
mengaplikasikan pada software-software statistik bisa lebih memahami prosedur nya.
misalnya kita punya sekumpulan data berikut:

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.

Cara menentukan letak kuartil adalah:

Q1 = 1(n+1)/4 = 1(11+1)/4 = 3
Q2 = 2 (n+1)/4 = 2(11+1)/4 = 6
Q3 = 3(n+1)/4 = 3(11+1)/4 = 9

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)

Oleh karenanya, nilai outlier dalam kasus kita adalah jika:

33.5 < outlier ≤ 44 Atau 5.5 > outlier ≥ -5
Dan dikatakan memiliki nilai ekstrim jika ada nilai lebih besar dari 44 atau ada nilai yang
lebih kecil dari -5.

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 :

Oleh karena itu dapat dihitung varian:

Sedangkan standar deviasi adalah akar kuadrat dari varian tersebut.

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.

P(x < 167 ; x(mean) = 170 & s = 5.51)

Maka, sesuai rumus diatas, anda akan menghitung: 167 – 170 = -3

Maka, z-score dalam kasus ini adalah -3/5.51 = -0.544

Artinya nilai z-score nya adalah sebesar -0.544 dimana berarti posisinya berada
di sebelah kiri nilai rata-rata dalam kurva normal (karena nilainya negative).

Langkah berikutnya, perhatikan nilai z-score terhadap z-table dalam kurva

normal.
Carilah nilai probabilitas nilai -0,544 dalam kurva normal dengan cara:
Nilai negative hanya menunjukkan posisi saja sehingga dapat diabaikan dalam
mencari besarnya probabilitas dalam kurva normal
 BAB.IV

PENGUKURAN DISPERSI

A. PENGERTIAN
Pengukuran dispersi atau pengukuran penyimpangan adalah pengukuran
seberapa jauh penyimpangan nilai-nilai data dari nilai pusatnya.

B. JENIS – JENIS PENGUKURAN DISPERSI.

1. Rentang/jangkauan ( Range ) adalah selisih nilai terbesar dengan
nilai terkecil.
Dirumuskan : R = Xt – Xr .
Dimana Xt = nilai tertinggi dan Xr =
nilai terendah.
Contoh : 9, 13, 16, 20, 26, 28, 35, 46.
R = 46 – 9 = 37.
2. Rentang/jangkauan antar kuartil dan semi kuartil.
 Dirumuskan : RAK = Q3 – Q1
Dimana : RAK = rentang antar kuartil, Q3 = kuartil 3, Q1 = kuartil
1.
SK = ½ ( Q3 – Q1 )
Dimana : SK = semi antar kuartil.

3. Deviasi rata-rata ( simpangan rata-rata ).

Adalah nilai rata-rata hitung dari harga mutlak simpangannya.

a. Data tidak berkelompok,


XX
Dirumuskan : DR = dimana : X = rata-rata data.
n

Contoh : tentukan Deviasi rata-rata dari 5, 12,18,20, 30.

b. Data berkelompok.

f XX
Dirumuskan : DR = ,
n
dimana : x = titik tengah, x = rata-rata hitung, n= jumlah frekuensi.

Contoh :

Biaya promosi 40 Perusahaan

Biaya Promosi Frekuensi
20 – 24 2
25 – 29 6
30 – 34 10
35 – 39 14
40 – 44 8

Tentukan deviasi rata-rata ?

4. VariansAdalah simpangan rata-rata kuadrat, untuk sample
disimbolkan “ s2”.
a. data tidak berkelompok .
1). Sample ( n > 30 )
2

  

x  x
dirumuskan : s2 =
n

contoh :
Nilai statistika dari 35 mahasiswa
Nilai statistik I Frekuensi
30 5
50 10
70 8
90 7
100 5

Tentukan varians ?

2). Sample ( n < 30 )

2
 

2
 

x  x 

dirumuskan : s =
n 1
contoh :
 Nilai statistik I dari 20 mahasiswa
Nilai statistic I Frekuensi
30 2
50 5
70 6
90 4
100 3

Tentukan varians?

b. Varians berkelompok.
1). Sampel ( n  30 )
2
 

 f  x  x
 
S2 =
n
contoh :

Biaya promosi 40 Perusahaan

Biaya Promosi Frekuensi
20 – 24 2
25 – 29 6
30 – 34 10
35 – 39 14
40 – 44 8
Tentukan Varians?
2). Sample ( n < 30 )
 2

  

f x  x
S2 =
n 1
contoh :

Biaya promosi 20 Perusahaan

Biaya Promosi Frekuensi
20 – 24 2
25 – 29 4
30 – 34 8
35 – 39 3
40 – 44 3
Tentukan Varians ?

5. Standar Deviasi ( simpangan baku )

Adalah akar dari simpangan rata-rata kuadrat, untuk sample
disimbolkan “ s”.

a. data tidak berkelompok .

1). Sample ( n > 30 )
2
 

  x  x 
dirumuskan : s =
n

contoh :
Nilai statistik I dari 35 mahasiswa
Nilai statistik I Frekuensi
30 5
50 10
 70 8
90 7
100 5

Tentukan simpangan baku ?

2). Sample ( n < 30 )
2
 

  
 x  x
dirumuskan : s =
n 1

contoh :
Nilai statistik I dari 20 mahasiswa
Nilai statistik I Frekuensi
30 2
50 5
70 6
90 4
100 3

Tentukan simpangan baku?

b. Simpangan baku berkelompok.
1). Sampel ( n  30 )
2
 _

 
f  X  X 

s
n

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

contoh :Biaya promosi 20 Perusahaan

Biaya Promosi Frekuensi
20 – 24 2
25 – 29 4
30 – 34 8
35 – 39 3
40 – 44 3

Tentukan simpangan baku ?

C. KOEFISIEN DEVIASI RATA-RATA

Koefisien deviasi rata-rata adalah Persentase dari deviasi rata-rata

terhadap nilai rata-ratanya.

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

Untuk menghadapi keadaan yang tidak pasti , biasanya orang mengandalkan

tebakan , dari tebakan itu muncul kemungkinan atau peluang, yang kemudian
melahirkan teori probabilitas. Konsep probabilitas di dukung oleh banyak teori
taitu teori Himpunan, Permutasi, dan Kombinasi.

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 )

b. Operasi irisan ( intersekcion ).

Irisan dari himpunan A dan B adalah himpunan semua unsure yang
termasuk didalam A dan 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 = ( 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 :

n1 = 3 cara ( Jakarta ke Bogor )

n2 = 2 cara ( Bogor ke Bandung )
n1 x n2 = 3 x 2 = 6

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.

a. permutasi dari obyek tanpa pengembalian.

1). Permutasi dari n obyek seluruhnya.
Dirumuskan : nPn = n!
Contoh :
- Tentukan nilai dari 4 P4 ?
Jawab : 4 ! = 4x3x2x1 = 24
- Di perpustakaan terdapat 4 buku matematika yang berbeda, 3 buku
statistik yang berbeda dan 2 buku akuntansi. Semua buku akan
disusun pada sebuah rak buku . berapa cara susunan yang mungkin
dari kejadian berikut.
a. Buku Matematika disususn.
b. Buku Statistik disususn.
c. Buku Akuntansi disususn.
d. Masing-masing kelompok buku disusun bersama.
Jawab :
a. 4P4 = 4! = 24
b. 3P3 = 3! = 6
c. 2P2 = 2! = 2
d. 24 x 6 x 2 = 288.

2). Permutasi sebanyak r dari n obyek.

Permutasi sebanyak r dari n obyek tanpa pengembalian dirumuskan
n!
: n Pr = syarat : n ≥ r
n  r !
Contoh :
 1. Tentukan nilai dari 6P4 ?
Jawab :
6! 6.5.4.3.2.1 6.5.4.3.2.1
6P4 =    360
6  4! 2! 2.1

2. Dari empat calon Pimpinan Perusahaan, misalkan ABCD hendak

dipilih seorang seorang Ketua, seorang Sekretaris, dan seorang
Bendahara.
a. Ada berapa cara ke empat calon tersebut di pilih.
b. Tuliskan kemungkinan susunannya.
Jawab :
a. n = 4 dan r = 3
4! 4.3.2.1
4P3 =   24
4  3! 1

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.

b. Permutasi dari n obyek dengan pengembalian.

Permutasi dari n obyek dengan pengembalian dirumuskan :
nPr = nr
syarat : n ≥ r.
contoh : Tentukan permutasi dari ABC sebanyak 2 unsur dengan
pengembalian unsur yang terpilih.

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 .

Adalah suatu penyusunan beberapa obyek tanpa memperhatikan urutan obyek

tersebut.
Rumus kombinasi dengan r dari n obyek yang berbeda.
n!
Crn  syarat : n≥r
r!n  r !

Contoh :
1. Tentukan nilai dari C24
4! 4.3.2.1
Jawab : C24   6
2!4  2! 2.12.1
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

Jadi P ( ∑ 5 ) = 4/36 = 1/9.

2. Pendekatan frekuensi relative.
fi
Dirumuskan : P ( Xi ) =
n
 Keterangan : P(Xi) = probabilitas peristiwa i
fi = frekuensi peristiwa i
n = banyaknya peristiwa yang bersangkutan.
Contoh : dari hasil ujian statistic dari 60 mhs didapat nilai sebagai berikut :
x 60 70 75 80 90 100
f 12 8 18 17 2 3
X = nilai dan f = frekuensi
Tentukan probabilitas salah seorang yang nilainya 80.
Jawab : P ( 80 ) = 17/60
3. Pendekatan subyektif.
Probabilitas diartikan sebagai tingkat kepercayaan individu yang didasarkan
pada peristiwa masa lalu yang berupa terkaan saja.

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.

2. Peristiwa tidak saling lepas.

Dua peristiwa atau lebih tidak saling lepas apabila kedua peristiwa atau
lebih tersebut dapat terjadi pada saat yang bersamaan. Jika peristiwa A
dan B tidak saling saling lepas, probabilitas yang terjadi :
P ( AU B ) = P(A) + P(B) – P(A∩ B )
Contoh : Dua buah dadu dilemparkan bersamaan, apabila :
A = Peristiwa mata dadu (4,4) muncul.
B = peristiwa mata lebih kecildari (3,3) muncul.
C = Peristiwa bilangan genap.
Tentukan probabilitas berikut :
a. P ( AU C).
b. P ( BU C)
c. P ( AU B)
Jawab :
A = ( 4,4 )
B = (1,1), ( 1,2 ), ( 2,1 ), ( 2,2).
C = ( 2,2 ), ( 2,4 ), ( 2,6 ), ( 4,2),(4,4),(4,6), (6,2),(6,4),(6,6 ).
P(A) = 1/36 , P(B) = 4/36 , P(C) = 9/36
P ( A ∩ B ) = 0, P ( A ∩C ) = 1/36 , P ( b ∩C ) = 1/36

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).

5. Probabilitas beberapa peristiwa dengan pendekatan Kombinasi.

n!
Rumus : Crn 
r!n  r !
 Contoh :
1. C35 , C36
2. Ada 6 pemain bulu tangkis antara lain A,B,C,D,E,F, akan dibentuk
pemain ganda, tentukan ada berapa pasang pemain ganda terbentuk, buat
susunanya?
3. Sebuah kotak berisi 6 bola biru, 4 bola kuning dan 5 bola hitam. Jika
diambil 3 bola secara acak, hitunglah probabilitas bahwa yang terambil
ialah sebagai berikut :
a. Ketiga-tiganya hitam.
b. Dua biru satu kuning
c. Masing-masing diwakili.
d. Tidak ada yang biru
e. Paling sedikit satu biru.
Jawab :
n = 6 + 4 + 5 = 15
r=3
15! 15.14.13.12........x1
total peristiwanya = C315    455
3!15  3 3.2.1x12.11.....x1

C35 10
a. P ( 3 H ) = 15

C3 455

C26 .C14 15.4 60

b. P ( 2B,1K ) = 15  =
C3 455 455

C15 .C16 .C14 5.6.4 120

c. P ( 1 H.1B, 1 K ) =  
C315 455 455

6. Probabilitas diagram pohon

Diagram dimaksudkan untuk membantu menggambarkan probabilitas
bersyarat dan bersama. Diagram pohon sangat berguna untuk
menganalisis keputusan bisnis.
Contoh :
 Hasil penelitian di Jakarta menunjukkan bahwa 60% dari usaha kecil dan
menengah tidak berbadan hokum . bank sebagai lembaga pembiayaan
dengan memperhatikan aspek kehati-hatian memberikan probabilitas 80%
kepada UKM berbadan hokum untuk mendapatkan kredit, sedangkan
yang tidak berbadan hokum masih punya kesempatan mendapatkan kredit
sebesar 20%. Hitunglah berapa persen , UKM mendapatkan kesempatan
mendapatkan kredit dari bank.
7. Teorema Bayes
Teorema ini dikembangkan oleh Thomas Bayes pada abad 18. Bayes
seorang Pendeta bertanya apakah Tuhan ada dengan memperhatikan fakta
yang ada dibumi, jadi bila Tuhan ada, maka ada fakta sebagai ciptaan
Tuhan . apabila fakta dilambangkan ( A1) untuk suatu fakta dan(A2)
untuk fakta lain, sedangkan keberadaan Tuhan dinyatakan dengan (B),
maka teorema Bayes dinyatakan berikut :
P A1xPB / A1
P ( A1/B ) =
P A1xPB / A1  P A2xPB / A2

Contoh : Perusahaan Agung Jaya yang bergerak bidang elektronik di

Jakarta jumlah karyawannya 400 orang, dari jumlah karyawan tersebut ,
100 orang adalah sarjana Teknik elektro ( B1 ) dan jumlah ekskutif
perusahaan dari Kabag sampai direksi 80 orang ( A1). Karena perusahaan
elektronik , maka ditentukan bahwa 50% dari eksekutif harus
berpendidikan sarjana elektro. Tentukan probabilitas karyawan yang
berpendidikan teknik elektro sebagai eksekutif pada perusahaan tersebut.
Jawab :
A1 A2 Jumlah
B1 ……. ……. 100
B2 ……. ……. ……..
Jumlah 80 …… 400
 A1 A2 Jumlah
B1 40 60 100
B2 40 260 300
Jumlah 80 320 400
Jadi :
P ( A1 ) = 80/400 = 0,2
P ( A2 ) = 320/400 = 0,8
P ( B1/A1) = 40/80 = 0,5
P ( B1/A2 ) = 60/320 = 0,19

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.

Rumus distribusi binomial .

Dari uraian contoh diatas, maka secara umum rumus probabilitas
binomial suatu peristiwa di tuliskan :
P ( X = x ) : C xn .P x .q n  x
Keterangan : x : banyaknya peristiwa sukses.
n : banyaknya percobaan
p : Probabilitas peristiwa sukses.
q : 1-p = probabilitas peristiwa gagal.
Contoh : sebuah dadu dilemparkan keatas sebanyak 4 kali.
Tentukan probabilitas dari peristiwa berikut.
a. mata dadu 5 muncul 1 kali.
 b. Mata dadu genap muncul sebayak 4 kali
c. Mata dadu 2 atau 6 muncul sebanyak 4 kali.

Probabilitas binomial Kumulatif.

Adalah probabilitas dari peristiwa binomial lebih dari satu sukses, dapat
di hitung dengan rumus :
n
PBK = C
x 0
n
x P xqn x

Contoh : sebanyak 5 mahasiswa akan mengikuti ujian sarjana dan

diperkirakan probabilitas kelulusannya adalah 0,7. hitunglah probabilitas
:
a. Paling banyak 2 orang lulus.
b. Yang akan lulus antara 2 sampai 3 orang.
c. Paling sedikit 4 diantaranya lulus.

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

Rumus : P( X=x ) : kCx N-kCn-x

N
Cn
Keterangan : N : ukuran populasi, n : ukuran sampel, k : banyaknya unsur yang sama pada
populasi, x : banyaknya peristiwa sukses.

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

Sifat- sifat distribusi normal standart :

1. Kurva simatris
2. cekung kebawah untuk interval X = -1 sampai X = +1.
3. meluas atau melebar tanpa batas ke kiri dank dan kanan.
4. Luas seluruh daerah kurva normal sebesar 1.
Untuk mengubah distribusi normal umum menjadi distribusi normal
standart, gunakan nilai Z ( standard units ).
X 
Rumus untuk mengubah : Z =

Keterangan : Z = Variabel normal standart
X = nilai variable random
μ = rata-2 variabel random
σ = simpangan baku variable random.

3. Penggunaan kurva normal standart.

Untuk menentukan luas daerah dibawah kurva normal standard, telah
dibuat daftar distribusi normal standarr yaitu table luas kurva normal standart
dengan nilai-2 Z tertentu ( lihat terlampir ).
Karena seluruh luas kurva adalah 1 dan kurva simetris terhadap μ = 0 maka luas
dari garis tegak pada titik nol ke kiri ataupun kekanan adalah 0,5.
Luas daerah dibawah kurva normal pada interval tertentu dapat dituliskan P ( 0
< Z < b ).
Contoh : Penggunaan table Z.
1. P ( 0< z < 2,13 )
2. P ( 1,23 < z < 2,35 )
3. P ( -2,46 < z < 0 )
4. P ( -1,56 < z < 2,33 )
Contoh : mengubah bentuk umum menjadi standart.
1. P ( 90 < x < 115 ) untuk μ = 105 dan σ = 10.
2. P ( 150 < x < 225 untuk μ = 185 dan σ = 20.
3. Sebuah perusahaan memproduksi bola lampu yang ketahanannya
berdistribusi normal dengan rata-2 825 jam dan simpangan baku 45 jam.
a. Berapa persen lampu yang ketahannya antara 800 s/d 860 jam.
b. Berapa persen lampu yang ketahanannya kurang dari 800 jam.
c. Berapa persen lampu yang ketahanannya kurang dari 860 jam.
d. Berapa banyak lampu yang tahan lebih dari 950 jam, jika
diproduksi 5.000 lampu.
e. Apabila perusahaan akan menaikan ketahanan 15% ketahanan
lampu yang ketahananya terendah, berapa batas maximalnya.

Pendekatan normal terhadap binomial

Apabila nilai X adalah distribusi acak binomial dengan nilai tengah μ = n.p
dan standart deviasi σ = n. p.q , maka nilai Z untuk distribusi normal

adalah
X  n. p
z
n. p.q

Faktor koreksi kontinuitas

Apabila sudah memenuhi syarat binomial maka menggunakan faktor koreksi
yang besarnya 0,5. Faktor koreksi ini untuk menstranformasi dari binomial
menuju normal.
Contoh :1.
Pedagang buah membeli buah setiap hari 300 kg di pasar Induk. Probabilitas
buah tersebut laku 80% dan 20% tidak laku atau busuk. Berapa probabilitas
buah sebanyak 250 kg laku dan tidak busuk.
Jawab :
Diketahui : n = 300, p = 0,8 dan q= 0,2.
μ = np. 300.0,8 = 240 dan σ = 300.0,8.0,2 = 6,93
jika x= 250 dan faktor koreksi 0,5, sehingga x = 250-0,5 = 249,5.

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

jadi P(X>675) = P(Z > -1,76) = 0,5 + 0,4608 = 0,9608.

Jadi yang menyukai 96,08%.

Contoh : pendapatan pegawai swasta di Indonesia untuk pendidikan SLTA

Sbb :
Tahun Pendapatan rata2 /bulan (ribuan )
2011 2751
2012 3181
2013 4955
2014 5915
2015 6228
2016 7161
2017 8140
Rata-rata 5476
Standart deviasi 1986

a. Hitung probabilitas pendapatan dibawah 3000

b. Hitung probabilitas pendapatan dibawah antara 4000 – 6000
c. Hitunglah pendapatan terendah dari 10% penduduk yang berpendapatan
tertinggi.
 d. Apabila pemerintah akan membantu 15% penduduk yang berpendapatan
terendah, berapa batas maximalnya.

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 : untuk populasi berukuran 5 denga anggota-2nya ABCDE dan

sample yang diambil berukuran 2 maka berapa banyaknya sample yang
mungkin dapat diambil . tuliskan susunannya.
D. JENIS-JENIS DISTRIBUSI SAMPLING.
1. Distribusi sampling rata-rata.
Distribusi sampling rata-rata adalah distribusi dari besaran rata-rata yang
muncul dari sample-2.
 Contoh :
Sebuah populasi berukuran 6 yang anggotanya adalah 2,3,5,6,8,9 dan
sampelnya berukuran 2. buatlah distribusi sampling rata-2 jika
pengambilan sampelnya dilakukan tanpa pengembalian.
2. Distribusi sampling proporsi.
Proporsi dari sample dinyatakan dengan p = X/n
Contoh : 1.
Sebuah populasi yang beranggotakan 6 orang, 3 diantaranya perokok dan
yang lainnya bukan perokok. Apabila diambil sample yang
beranggotakan 3 orang, proporsi atau banyaknya sample untuk ke-3
anggota sample perokok, 2 perokok dan 1 bukan perokok, 1 perokok dan
2 bukan perokok dank e-3 nya bukan perokok dapat diketahui ( pemilihan
sample tanpa pengambilan ), misalnya populasi adalah ABC untuk
perokok dan KLM bukan perokok. Berapa banyak sample yang mungkin
terambil dan buatlah distribusi samplingnya.

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.

3. Distribusi sampling beda dua rata-rata.

a. Rata-rata.
 x  x  1  2
1 2

b. simpangan baku.
  12  22
 x x  
1 2
n1 n2

c. untuk n1 dan n2 dengan n1,n2 > 30, distribusi sampling beda

rata-rata akan mendekati distribusi normal, dengan variabel
random standart yang rumus Z-nya :
 

 X  X      
 1 2

1 2

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.

c. Distribusi sampling beda dua proporsi.

1. Rata-rata
µp1-p2 = P1 – P2
2. Simpangan Baku
σ p1-p2 = V P1 (1-P1) + P2 ( 1 – P2)
n1 n2
3. Rumus Z = ( p1 – p2 ) – (P1 – P2)
σp1-p2
contoh : sebanyak 35% pelamar kerja diterima bekerja di Bank Agung . mereka
tahun sebelumnya pernah melamar , tetapi tidak diterima. Sebanyak 30% dari
pelamar kerja yang belum pernah melamar ditahun sebelumnya tahun ini
diterima bank tersebut. Apabila diambil sampel random sebanyak 250 pelamar ,
baik yang belum pernah melamar maupun yang pernah melamar , berapa
probabilitas bahwa beda proporsi yang pernah melamar dan akhirnya diterima
tahun ini dengan yang belum pernah melamar juga diterima tahun ini adalah
kurang dari 2%.
Jawab :
P1 = 35% = 0,35 P2 = 30% = 0,30, n1 = 250, n2 = 250,
p1 – p2 = 2% = 0,02.

Z = 0,02 – ( 0,35 – 0,30 )

V (0,35)(0,65) + ( 0,3)(0,7)
250 250
= - 0,71
Jadi P ( Z < - 0,71 ) = 0,5 – 0,2612 = 0,2388 atau 23,88%.