DISTRIBUSI PROBABILITAS DISKRIT

Tugas Kelompok Mata Kuliah Statika

Dosen Pengampu:

Khahfi Zuhanda, S.Si., M.Si.

Disusun oleh:

Poppy Aprilya Sitorus 178130022

Yogi Prawoto 178130080

PROGRAM STUDI TEKNIK MESIN

FAKULTAS TEKNIK

UNIVERSITAS MEDAN AREA

2019

KATA PENGANTAR
Puji syukur kami panjatkan kehadirat Allah SWT, yang mana telah memberikan kami
kekuatan serta kelancaran dalam menyelesaikan makalah mata kuliah Statistik dan
Probabilitas yang berjudul “STATISTIKA PARAMETRIK” dapat selesai seperti pada waktu
yang telah kami rencanakan. Dan sesuai dengan harapan yang diinginkan dengan izin Allah
SWT,
 Tersusunnya karya ilmiah ini tentunya tidak lepas dari peran serta berbagai pihak yang
telah memberikan bantuan secara materil dan spiritual, baik secara langsung maupun tidak
langsung. Oleh karena itu kami memberikan rasa hormat dan terima kasih yang sebesar-
besarnya kepada semua pihak yang membantu dalam pembuatan makalah ini. Semoga Allah
Yang Maha Pengasih dan Penyayang membalas budi baik yang tulus dan ihklas kepada
semua pihak yang telah membantu menyusun makalah ini.
Tak ada gading yang tak retak, untuk itu kamipun menyadari bahwa makalah yang
telah kami susun dan kami kemas masih memiliki banyak kelemahan serta kekurangan-
kekurangan baik dari segi teknis maupun non-teknis. Untuk itu penulis membuka pintu yang
selebar-lebarnya kepada semua pihak agar dapat memberikan saran dan kritik yang
membangun demi penyempurnaan penulisan-penulisan mendatang. Dan apabila di dalam
karya ilmiah ini terdapat hal-hal yang tidak berkenan di hati pembaca mohon dimaafkan.

Medan, 3 Desember 2019

BAB I
STATISTIK
A. PENGERTIAN STATISTIK
Statistik merupakan sekumpulan angka yang digunakan atau dimanfaatkan dalam
menerangkan sesuatu baik itu angka acak ataupun angka tersusun dalam suatu daftar grafik.
atau Pengertian statistik lainnya adalah, statistik merupakan sebuah sekumpulan cara serta
aturan mengenai pengumpulan, penganalisaan, pengolahan dan juga penafsiran data dari
angka-angka. Statistik ialah sekumpulan angka yang menerangkan dan menjelasaknan sifat
data juga hasil pengamatan.

B. Jenis-Jenis Statistika

1. Berdasarkan Orientasi Pembahasan

Berdasarkan orientasi pembahasannya, statistika ini dibagi menjadi 2 yakni

stataistika matematika dan statistika terapan.

1. Statistika matematika ini sama halnya dengan statistika teori yaitu lebih
mengutamakan pada pemahaman akan suatu model, penurunan konsep serta
juga rumus-rumus statistika dengan secara matematis-teoritis, seperti
pemahaman juga penggunaan uji-t, uji normalitas, analisis regresi, uji
homogenitas, galat, dan lain sebagainya . Sedangkan,
2. Statistika terapan lebih mengutamakan pada pemahaman suatu konsep serta
juga teknik statistika dan pengunaannya atau penerapannya dalam disiplin
ilmu tertentu.

2. Berdasarkan Fase atau Tujuan Analisisnya

Berdasarkan tujuan analisis, statistika ini dibedakan lagi menjadi 2 yaitu

Statistika deskriptif dan statistika inferensial.

1. Statistika deskriptif ini berkaitan atau berhubungan dengan pengumpulan,

pengolahan, analisis, penyajian data tanpa pengambilan kesimpulan yang
memiliki sifat umum atau generalisasi. Data pada statistika deskriptif ini
disajikan dalam bentuk tabel, diagram, grafik, lingkaran, polygon,
perhitungan mean, median, modus,persentil, desil, perhitungan penyebaran
data dengan melalui perhitungan rata-rata dan standar deviasi, perhitungan
prosentase. Serta juga melakukan analisis korelasi, analisis regresi atau
 membandingkan rata-rata namun tidak dilakukan uji signifikansi.
Sedangkan,
2. Statistika inferensial inin memungkinkan dilakukannya pengambilan
kesimpulan dengan secara general.

3. Berdasarkan Asumsi Distribusi Populasi Data Yang Dianalisis

Berdasarkan asumsi tentang distribusi populasi data yang dianalisis,

Statistika tersebut dibedakan menjadi dua yaitu Statistika parametrik dan Statistika
non-parametrik.

1. Statistika parametrik merupakan statistika yang didasarkan model distribusi

normal, sedangkan
2. Statistika non-parametrik merupakan statistika dengan teknik yang tidak
didasarkan pada model distribusi normal atau disebut distribusi bebas.

4. Berdasarkan Jumlah Variabel Terikat

Dengan berdasarkan jumlah variabel terikatnya, Statistika tersebut

dibedakan menjadi Statistika Univariat dan Statistika Multivariat.

1. Statistika Univariat hanya mempunayai satu variabel terikat, sedangkan

2. Statistika Multivariat mempunayai lebih dari satu variabel terikat.

BAB II
Statistika Parametrik
Statistika Parametrik yaitu ilmu statistika yang mempertimbangkan jenis
sebaran/distribusi data, yaitu apakah data menyebar normal atau tidak. Pada umumnya, Jika
data tidak menyebar normal, maka data harus dikerjakan dengan metode Statistika non-
parametrik, atau setidak2nya dilakukan transformasi agar data mengikuti sebaran normal,
sehingga bisa dikerjakan dg statistika parametrik. Contoh metode statistika parametrik:
a. Uji-z (1 atau 2 sampel)
b. Uji-t (1 atau 2 sampel)
c. Korelasi pearson,
d. Perancangan percobaan (1 or 2-way anova parametrik), dll.
Statistik parametrik ditandai dengan:
a. Data dengan skala interval dan rasio
b. Distribusi normal
Distribusi normal merupakan salah satu distribusi yang paling penting dalam statistika.
Banyak peristiwa atau kejadian di alam yang memiliki karakteristik seperti yang di modelkan
pada distribusi normal ini. Distribusi ini mempunyai nilai yang jumlahnya tidak terbatas
dalam skala atau jarak tertentu. Pada hakikatnya proses kejadian di alam dengan berbagai
macam pengukuran menunjukkan gejala normal sebagaimana berlakunya Hukum Bilangan
Besar (Law of Large Numbers), dimana kejadian di alam dan perilaku manusia beraneka
ragam, namun demikian satu sama lain pada dasarnya akan saling menyesuaikan. Dengan
hukum bilangan besar tersebut, peristiwa atau kejadian dapat saling mengimbangi sehingga
grafik dari kejadian berbentuk simetris, sisi kanan dan kiri saling melingkupi.
Karakteristik Distribusi Normal
1. Kurva berbentuk genta atau lonceg dan memiliki satu puncak yang terletak di tengah.
Nilai rata-rata hitung sama dengan median dan modus.
2. Distribusi probabilitas dan kurva normal berbentuk kurva simetris dengan rata-rata
hitungnya.
3. Kurva ini menurun di kedua arah yaitu kekanan untuk nilai positif tak terhingga dan
kekiri untuk nilai negatif tak terhingga.
4. Luas daerah yang terletak di bawah kurva normal tetapi di atas sumbu mendatar sama
dengan 1.
5. Nilai mean, median dan mode terletak pada satu titik
6. Kurva normal dibentuk dari jumlah pengamatan yang sangat banyak .
Pada proses pembandingan bentuk kurva ada beberapa hal yang perlu diperhatikan.
a. Distribusi kurva normal dengan nilai rata-rata sama dan standar deviasi
berbeda. semakin besar standar deviasi, maka kurva akan semakin pendek. semakin tinggi
nilai standar deviasi, maka kurva akan semakin runcing.
 b. Distribusi kurva normal dengan nilai rata-rata berbeda dan nilai standar deviasi
sama. Kedua kurva ini akan memiliki bentuk yang sama, akan tetapi letaknya yang akan
berbeda.
c. Distribusi probabilitas kurva normal dengan nilai rata-rata berbeda dan nilai
standar deviasi yang berbeda. Kedua kurva ini akan memiliki bentuk yangberbeda sama
sekali.
Keungulan dan kekurangan statistik parametrik:
Adapun keuntungan dari penggunaan prosedur-prosedur dari statistik parametrik
adalah sebagai berikut.
1. Syarat-syarat parameter dari suatu populasi yang menjadi sampel biasanya tidak
diuji dan dianggap memenuhi syarat, Pengukuran terhadap data dilakukan dengan kuat.
2. Observasi bebas satu sama lain dan ditarik dari populasi yang berdistribusi normal
serta MemilIki varian yang homogeny.
Sedangkan kekurangan dari pengunaan prosedur-prosedur model statistik parametrik adalah :
1. Populasi harus memiliki varian yang sama.
2. Variabel-variabel yang diteliti harus dapat diukur setidaknya dalam skala interval.
3. Dalam analisis varian ditambahkan persyaratan rata-rata dari populasi harus normal
dan bervarian sama, dan harus merupakan kombinasi linear dari efek-efek yang ditimbulkan.

CONTOH SOAL
SOAL 1: SAMPEL BESAR VS POPULASI
Pada 100 mahasiswa yang akan ujian diukur suhu badannya. Rata2 (x) = 37,2 C
dengan simpang baku (s) = 0,7 C. Suhu badan populasi rata2 (µ) = 37C.
Apakah suhu badan yang akan ujian berbeda bermakna dengan suhu normal?
Jawab soal 1:
Hipotesis nol (Ho), tidak ada perbedaan antara rata2 suhu badan mahasiswa dan populasi (x =
suhu badan mahasiswa dan populasi (x = µ). Bila nilai p < 0,05, maka Ho ditolak
Z = (x-µ) / (s/√n) = (37,2–37,0) /(0,7/ √100)
Z = 0,2 / 0,07 = 2,857
Lihat tabel distribusi t, ternyata untuk 2,857 nilai p > 0,001 dan p < 0,01, atau H0 ditolak
Artinya, rata2 suhu badan mahasiswa secara bermakna lebih tinggi dari suhu badan populasi.

SOAL 2: SAMPEL KECIL VS POPULASI

Pada 25 orang yang akan ujian, diukur suhu badannya rata2 (x) 37,2 C dengan
simpang baku (s) = 0,7 C, ingin dibandingkan dengan rata2 suhu standar (µ) 37 C.
Jawab soal 2:
t = (x-µ) / (s/ √n) = (37,2-37) / (0,7/ √25)
t = 0,2/0,14 = 1,429
df = n-1 = 24
Lihat tabel t: 0,10 < p < 0,20 atau p > 0,05 Ho diterima atau tidak bermakna
Artinya, tidak ada perbedaan yang bermakna antara dengan antara rata-rata suhu badan
mahasiswa dengan suhu badan standar

SOAL 3: SAMPEL BESAR VS SAMPEL BESAR

Berat lahir rata2 sampel 75 bayi keluarga kaya 3400 g ± 670 g. Sampel 100 bayi.
Sampel 100 bayi keluarga menengah rata2 3100 g ± 610 g. Apakah perbedaan tersebut
bermakna?
Jawab soal 3:
Ho: x1 = x2
F(74,99) = 6702/6102 = 1,206
Lihat tabel untuk 1,206 nilai p > 0,05, artinya homogen.
Coefficient of varians (cov) = s/x * 100%
cov1 = 670/3400 * 100% = 19,71%
cov2 = 610/3100 * 100% = 19,68%
Artinya, kedua sampel berdistribusi normal
z = (x1 – x2) / √(s12/n1) + (s22/n2)
z = (3400-3100) / √(6702/75) + (610 /75) + (6102/100)
z = 300 / √9706 = 3,045
df = n1 + n2 = 173, lihat tabel, boleh lihat yang 120 atau tak terhingga
Nilai p > 0,001 dan p < 0,01
Ho ditolak atau bermakna