Critical Book Report

“STATISTIKA MULTIVARIAT”

Dosen Pengampu :

ZULKARNAEN SIREGAR ST.,M.M

DISUSUN OLEH :

YUSDA TASLILA HRP(7181210021)

ATIKA RIZKI RAUDHAH HSB(7183510019)

FADIA AZZAHRA HSB(7183510015)

MUHAMMAD DHANIAL (7183210054)

MHD. FACHRI AKBAR NST (7183210045)

MUHAMMAD AL FARHAN NUR (7183210054)

MANAJEMEN B 2018

FAKULTAS EKONOMI

UNIVERSITAS NEGERI MEDAN

T/A.2019
 BAB I

PENDAHULUAN

A. Latar Belakang

Statistika adalah ilmu yang mempelajari tentang metode pengumpulan, pengelolahan,

penafsiran serta penarikan kesimpulan dari data yang dikumpulkan/diperoleh. Kata statistika
dengan statistik mempunyai arti yang berbeda. Definisi Statistik adalah sekumpulan data
yang bisa memberikan gambaran tentang suatu keadaan. Sedangkan Statistika adalah ilmu
yang mempelajari statistik, yaitu ilmu yang mempelajari bagaimana caranya mengumpulkan
data, mengolah data, menyajikan data, menganalisis data, membuat kesimpulan dari hasil
analisis data dan mengambil keputusan berdasarkan hasil kesimpulan. Menurut Anderson &
Bancrofi “Statistika adalah ilmu dan seni mengembangkan dan menerapkan metoda yang
paling efektif untuk mengumpulkan, mentabulasi, menginterpretasi kan data kuantitatif
sedemikian rupa sehingga kemungkinan salah dalam kesimpulan dan estimasi dapat
diperkirakan dengan menggunakan penalaran induktif berdeasarkan matematika
probabilitas”.

Sedangkan Sujana “Statistika ialah Pengetahuan yang berhubungan dengan cara-cara

pengumpuam fakta, pengolahan serta penganalisanya, penarikan kesimpulan, penyajian dan
publikasi dari datadata yang berbentuk angka”. Secara umum statistika dapat di kelompokkan
menjadi dua kelompok besar yang saling melengkapi satu dengan yang lainnya. Kedua
kelompok ini adalah :

1. Statistika Matematika

2. Statistika Terapan

Untuk kelanjutan “Critical Book Report” ini, penulis menganalisa buku yang
berjudul “Statistik Teori dan Aplikasi”. Buku ini ditulis oleh J.Supranto. Sebagai pembanding
penulis mengambil sebuah buku yaitu “Analisis Multivariat Terapan” buku ini ditulis oleh Dr.
Ir. Vincent Gasversz, M.Sc.
B. Tujuan Critical Book Report

Critical Book Report ini bertujuan :

1. Menjelaskan tentang Statistika Distribusi Teoritis

2. Pembaca dapat mengetahui dan memahami Statistika Distribusi Teoritis

3. Mengkritik sebuah buku.

4. Menambah wawasan tentang statistika Multivariat

 BAB II
PEMBAHASAN

2.1. IDENTITAS BUKU

 Buku Utama

Judul Buku : Statistik Teori dan Aplikasi

Penulis : J.Supranto

Penerbit : ERLANGGA

Tahun Terbit : 2016

Kota Terbit : Jakarta

Tebal Buku : 402 halaman

ISBN : 978-602-298-566-2

 Buku Pembanding

Judul buku : Analisis Multivariat Terapan

Penulis : Agus Widarjono, Ph.D

Penerbit : UPP STIM YKPN

Tahun Terbit : 2015

Kota Terbit : Yogyakarta

2.2.RINGKASAN BUKU UTAMA

Distribusi Teoritis

Distribusi normal, disebut pula distribusi Gauss, adalah distribusi probabilitas yang
paling banyak digunakan dalam berbagai analisis statistika. Distribusi normal baku adalah
distribusi normal yang memiliki rata-rata nol dan simpangan baku satu. Distribusi ini juga
dijuluki kurva lonceng (bell curve) karena grafik fungsi kepekatan probabilitasnya mirip dengan
bentuk lonceng. Distribusi normal memodelkan fenomena kuantitatif pada ilmu alam maupun
ilmu sosial. Beragam skor pengujian psikologi dan fenomena fisika seperti jumlah foton dapat
dihitung melalui pendekatan dengan mengikuti distribusi normal. Distribusi normal banyak
digunakan dalam berbagai bidang statistika, misalnya distribusi sampling rata-rata akan
mendekati normal, meski distribusi populasi yang diambil tidak berdistribusi normal. Distribusi
normal juga banyak digunakan dalam berbagai distribusi dalam statistika, dan kebanyakan
pengujian hipotesis mengasumsikan normalitas suatu data.

Kurva normal adalah bila X adalah suatu peupab acak normal dengan nilai tengah µ dan ragam
σ2, maka persamaannya adalah

n(x; µ; σ) =

Untuk – ∞ < x < ∞. Dalam hal ini π = 3.14159… dan e = 2.71828…

Bentuk kurva normal itu sendiri berbeda tergantung dari nilai µ dan σ2 nya. Jika nilai µ berharga
positif maka kurva akan bergeser ke kanan dan jika bernilai negatif maka kurva akan bergeser ke
kiri dari titik X = 0. Jika nilai σ2 bernilai semakin besar maka kurva normal akan semakin landai
dan jika nilai σ2 bernilai semakin kecil maka kurva normal akan semakin curam. Berikut
perbandingan kurvanya.

Dari gambar di atas maka dapat diperoleh sifat-sifat kurva normal, yaitu :

1. Modusnya yaitu titik pada sumbu mendatar yang membuat fungsi mencapai maksimum
yang terjadi pada x = µ
 2. Kurvanya setangkup terhadapa suatu garis tegak yang melalui nilai tengah µ
3. Kurva ini mendekati sumbu mendatar secara asimtotik dalam kedua arah bila kita
semakin menjauhi nilai tengahnya.
4. Luasan daerah yang terletak di bawah kurva tetapi di atas sumbu mendatar sama dengan
1

 DISTRIBUSI BINOMIAL

Dalam teori probabilitas dan statistika, distribusi binomial adalah distribusi probabilitas
diskret jumlah keberhasilan dalam n percobaan ya/tidak (berhasil/gagal) yang saling bebas,
dimana setiap hasil percobaan memiliki probabilitas p. Eksperimen berhasil/gagal juga disebut
percobaan bernoulli. Ketika n = 1, distribusi binomial adalah distribusi bernoulli. Distribusi
binomial merupakan dasar dari uji binomial dalam uji signifikansi statistik.

Distribusi ini seringkali digunakan untuk memodelkan jumlah keberhasilan pada jumlah sampel
n dari jumlah populasi N. Apabila sampel tidak saling bebas (yakni pengambilan sampel tanpa
pengembalian), distribusi yang dihasilkan adalah distribusi hipergeometrik, bukan binomial.
Semakin besar N daripada n, distribusi binomial merupakan pendekatan yang baik dan banyak
digunakan. Distribusi binomial juga didefinisikan bila suatu ulangan binomial mempunyai
peluang keberhasilan p dan nilai peluang kegagalan a = 1 – p, maka sebaran peluang bagi
peubah acak binomial X, yaitu banyaknya keberhasilan dalam n ulangan yang bebas adalah

b(x,n,p)=

untuk x = 0,1, 2, …, n

sedangkan untuk nilai tengah dan ragam bagi sebaran binomial adalah µ = np dan σ2 = npq. Hal
ini dpat dibuktikan misalkan hasil pada ulangan ke-j dinyatakan oleh peubah acak Ij yang
bernilai 0 dan 1, masing-masing dengan peluang q dan p. Ini disebur peubah Bernoulli atau lebih
tepat disebut peubah indikator, Karena Ij = 0 berarti kegagalan dan Ij = 1 yang berarti
keberhasilan. Dengan demiklian, dalam suatu percobaan binomial banyaknya keberhasilan dapat
dituliskan sebagai jumlah n peubah indikator yang bebas, sehingga

X = I1 + I2 + … + In
Nilai tengah Ij adalah E(Ij) = 0.q + 1.p = p. Maka kita mendapatkan nilai tengah bagi sebaran
binomial, yaitu

µ = E(X) = E(X1) + E(X2) + … + E(Xn)

=p+p+…+p

= np

Ragam bagi setiap Ij adalah

σ2Ij = E[(Ij – p)2] = E(Ij2) – p2

= (0)2q + (1)2p – p2

= p(1 – p) = pq

Dengan demikian, ragam sebaran binomial adalah

σ2x = σ2I1 + σ2I2 + … + σ2In

= pq + pq + … + pq

= npq

 DISTRIBUSI BINOMIAL

Suatu percobaan sering kali terdiri atas ulangan-ulangan, dan masing-masin mempuyai
dua kemungkinan hasil yang dapat diberi nama berhasil dan gagal. Misalnya saja dalam
pelemparan sekeping uang logam sebanyak 5 kali. Hasil setiap ulangan mungkin muncul sisi
gambar atau sisi angka. Dan salah satu diantara keduanya ditentukan sebagai “berhasil”.
Begitupula, bila 5 kartu diambil berturut-turut. Untuk kartu merah diberi label “berhasil” atau
“gagal” jika yang terambil warna hitam. Bila setiap kartu dikembalikan sebelum pengembalian
berikutnya, maka kedua percobaan yan dilakukan diatas mempunyai ciri-ciri sama, yaitu bahwa
ulangan-ulangan tersebut bersifat bebas dan peluang keberhasilan setiap ulangan tetap sama
yaitu sebesar ½. Percobaan semacam ini dinamakan percobaaan binom. Perhatikan bahwa dalam
percobaan pengambilan kartu tersebut, peluang keberhasilan dalam setiap ulangan akan berubah
ila kartu tidak dikebalikan sebelum pengambilan berikutnya. Karena peluang terambilnya pada
pengambilan pertama adalah ½, sedangkan pada engambila yang kedua peluang itu bersifat
bersyarat, bernilai 26/51 atau 25/51, bergantung pada hasil pengembalian pertama. Bila
demikian halnya percobaan ini bukan bersifat binom. Untuk lebih ringkasnya dapat dilihat pada
definisi berikut.

Jika suatu ulangan binomial mempunyai peluang keberhasilan p dan peluang kegagala
q=1-p , maka distribusi probabilitas bagi peubah acak binomial x, yaitu banyaknya keberhasilan
dalam n ulangn bebas , adalah

B(x;n;p) = Cxn px qn-x

Untuk x=1,2,3,4,……., n

 DISTRIBUSI MULTINOMIAL

Percobaan Binomial menjadi suatu percobaan multinomial bila kita membuat setiap
percobaan mempunyai lebih dari 2 keluaran yang mungkin. Penarikan sebuah kartu dari suatu
tumpukan dengan pengembalian merupakan percobaan multinomial bila ke-empat jenis kartu
menjadi keluarannya. Secara umum, Bila suatu percobaan dapat menghasilkan salah satu dari k
keluaran yan mungkin E1,E2, ………, Ek dengan probabilitas P1,P2, ………, Pk maka sebaran
probabilitaspeubah acak X1,X2, ……….., Xk yang mewakili jumlah kejadian untuk E1,E2,
………, Ek didalam n percobaan yang bebas adalah

n X1 X2 ……X3

f(X1,X2,…….xk;P1,P2,…….Pk,n)= X1,X2,….XK P1 P2 PK

Dengan

∑ Xi = n dan ∑ Pi = 1

Contoh : Bila sepasang dadu dilemparkan 6 kali, berapakah probabilitas mendapatkan suatu total
7 atau 11 ebanyak 2 kali , pasangan angka yang sama sekali, dan sembarang gabungan lainnya
sebanyak 3 kali.

Jawab : Kita daftar kejadian-kejadian yang mungkin berikut ini :

E1= sebuah total 7 atau 11 muncul

E2 = Pasangan angka yang sama muncul

E3 = Bukan angka sama atau bukan total 7 atau 11 yang muncul

Probabilitas yang berkesuaian untuk percobaan yang diketahui tersebut adalah p1 = 2/9 , p2= 1/6
dan p3 = 11/18. Nilai-nilia in tetap konstan untuk ke 6 percobaan tersebut.

 DISTRIBUSI HIPERGEOMETRIK

Bila dalam populasi N benda, k benda diantaranya diberi label ‘berhasil’ N-k benda
lainya diberi label ‘gagal’, maka distribusi probabilitas bagi peubah acak geometrik X, yang
menyatakan banyaknya keberhasilan dalam contoh acak berukuran n, adalah

h(x;N,n,k) = .

Untuk x = 0,1,2,3, ………., k

  DISTRIBUSI POISSON

Distribusi poisson diberi nama sesuai dengan penemunya yaitu Siemon D. Poisson
dilahirkan di Pithiers pada tanggal 21 Juni 1781. Poisson terkenal karena penerapan ilmu
matematikanya dalam mekanika dan fisika. Usaha dan karya ilmiahnya ada di sekitar 300
sampai 400 buah. Tulisannya dalam Traité de mécanique, dipublikasikan dalam dua volume
pada tahun 1811 dan 1833, yang manjadi standar kerja dalam mekanika dalam waktu yang lama.
Salah satu teorinya yaitu Traité mathématique de la chaleur tahun 1835 ditambah sebuah
suplemen pada tahun 1837, dan karyanya yang lain adalah Recherches sur la probabilitié des
jugements (1837). Recherches sur la probabilitié des jugements merupakan sebuah karya
penting dalam ilmu probabilitas yang dipublikasikan pada tahun 1837, di tahun ini juga
distribusi poisson pertama kali muncul. Distribusi ini merupakan distribusi probabilitas untuk
variabel diskrit acak yang mempunyai nilai 0, 1, 2, 3 dan seterusnya. Suatu bentuk dari distribusi
ini adalah rumus pendekatan peluang poisson untuk peluang binomial yang dapat digunakan
untuk pendekatan probabilitas binomial dalam situasi tertentu.

Distribusi poisson dapat digunakan untuk menentukan probabilitas dari sejumlah sukses
yang ditentukan. Kejadian-kejadian terjadi dalam ruang kontinyu. Proses poisson seperti proses
Bernoulli, hanya berbeda pada sifat kontinuitasnya saja (Haryono, 1994). Distribusi poisson
banyak digunakan dalam hal berikut:

1. Menghitung probabilitas terjadinya peristiwa menurut satuan waktu, ruang, luas, atau
panjang tertentu, seperti menentukan probabilitas dari:

a. Banyaknya penggunaan telepon per menit atau banyaknya mobil yang lewat selama 5 menit di
suatu ruas jalan.

b. Banyaknya bakteri dalam 1 tetes atau 1 liter air.

c. Banyaknya kesalahan ketik per halaman sebuah buku.

d. Banyaknya kecelakaan mobil di jalan tol selama minggu pertama pada bulan April.

1. Menghitung distribusi binomial apabila nilai n besar (n≥ 30) dan p kecil (p < 0,1).

Percobaan poisson adalah percobaan yang menghasilkan peubah acak X yang bernilai
numerik,yaitu banyaknya sukses selama selang waktu tertentu atau dalam daerah tertentu.
Selang waktu tertentu dapat berupa sedetik, semenit, sejam, sehari, seminggu maupun sebulan.
 Daerah tertentu dapat berupa satu meter, satu kilometer persegi dan lain-lain. Distribusi peluang
peubah acak poisson X, yang menyatakan banyaknya sukses yang terjadi dalam suatu selang
waktu atau daerah tertentu.

Keterangan:

x : 0,1,2, …

μ : Rata-rata banyaknya sukses.

e : Bilangan alam (2,71828).

Pengertian Distribusi Poisson

Distribusi peluang suatu peubah acak poisson X disebut distribusi poisson dan
dinyatakan dengan p(x;μ), karena nilainya hanya tergantung pada μ, yaitu rata-rata banyaknya
sukses yang terjadi pada selang waktu atau daerah tertentu. Rataan dan variansi distribusi
poisson p(x; μ) keduanya sama dengan μ. Berikut ini adalah penjelasan mengenai populasi (n)
dan peluang (p) pada distribusi poisson.

1. Bila n besar dan p dekat dengan nol, distribusi poisson dapat digunakan, dengan μ = np,
untuk menghampiri peluang binomial.

2. Bila p dekat dengan 1, distribusi poisson masih dapat dipakai untuk menghampiri peluang
binomial dengan mempertukarkan apa yang telah dinamai dengan sukses dan gagal, jadi dengan
mengganti p dengan suatu nilai yang dekat dengan nol (http://kur2003.if.itb.ac.id, 2010).

Sebaran poisson dan binom memiliki histrogram yang bentuknya hampir sama bila n
besar dan p kecil (dekat dengan 0). Kedua kondisi itu dipenuhi sebaran poisson dengan = np
dapat digunakan untuk menghampiri peluang binom. P nilainya dekat dengan 1 dapat saling
menukarkan apa yang telah didefinisikan sebagai keberhasilan dan kegagalan, dengan demikian
mengubah p menjadi suatu nilai yang dekat dengan 0 (Walpole, 1995).
2.3. Ringkasan Buku Pembanding

DISTRIBUSI TEORITIS

Variabel acak adalah sebuah besaran yang merupakan hasil dari percobaan acak yang
secara untung-untungan, dapat mempuyai nilai yang berbeda-beda. Variabel Random adalah
variabel yang nilai-nilainya ditentukan oleh kesempatan atau variabel yang dapat bernilai
numerik yang didefinisikan dalam suatu ruang sampel. Definisi : Misalkan E suatu experimen
acak dan S ruang sampelnya. Suatu fungsi X (ditulis dengan huruf besar) yang memberikan pada
setiap elemen s dari S suatu bilangan riil, disebut suatu variabel acak.

Contoh 1 : Misalkan sebuah koin dengan dua sisi yaitu sisi gambar (G) dan sisi angka (A)
dilemparkan sebanyak tiga kali berturut-turut. Hasil-hasil yang mungkin terjadi adalah : GGG,
GGA, GAG, AGG, GAA, AGA, AAG, AAA Misalkan X adalah jumlah sisi gambar yang
muncul. Nilai X yang mungkin terjadi adalah : 0, 1, 2, 3 X = 0, berarti tidak ada sisi G yang
muncul. X = 1, berarti sisi G muncul satu kali. X = 2, berarti sisi G muncul dua kali. X = 3,
berarti sisi G muncul tiga kali. X disebut variabel acak (random) Distribusi Probabilitas Teoritis
contoh 1 diatas, bisa dibuat tabel distribusi probabilitas Teoritis dan diagram batang untuk
variabel acak X sebagai berikut : X P(X) 0 1/8 = 0,125 0.35 0.4 1 3/8 = 0,375 2 3/8 = 0,375 3
1/8 = 0,125 Jumlah 1,00 0 0.05 0.1 0.15 0.2 0.25 0.3 X=0 X=1 X=2 X=3 P(X)

Contoh 2 : Misalkan sebuah koin dengan dua sisi yaitu sisi gambar (G) dan sisi angka (A)
dilemparkan sebanyak 4 kali berturut-turut. Hasilhasil yang mungkin terjadi adalah : Misalkan X
adalah jumlah sisi gambar (G) yang muncul. Nilai X yang mungkin terjadi adalah : 0, 1, 2, 3, 4
X=0 X=1 X=2 X=3 X=4 AAAA GAAA GGAA GGGA GGGG AGAA AGGA GGAG AAGA
AAGG GAGG AAAG GAGA AGGG GAAG AGAG 1 4 6 4 1 Dari contoh 2 diatas, bisa dibuat
tabel distribusi probabilitas Teoritis dan diagram batang untuk variabel acak X sebagai berikut :
X P(X) 0 1/16 = 0,0625 0.3 0.35 0.4 1 4/16 = 0,2500 2 6/16 = 0,3750 3 4/16 = 0,2500 4 1/16 =
0,0625 Jumlah 1,00 0 0.05 0.1 0.15 0.2 0.25 0.3 X=0 X=2 X=4 P(X) .

Distribusi Binomial atau distribusi Bernoulli (ditemukan oleh James Bernoulli) adalah
suatu distribusi teoritis yang menggunakan variabel random diskrit yang terdiri dari dua kejadian
yang berkomplemen, seperti sukses-gagal, ya-tidak, baik-cacat, kepalaekor dll. Ciri-ciri
distribusi Binomial adalah sbb : 1. Setiap percobaan percobaan hanya memiliki memiliki dua
peristiwa, peristiwa, seperti seperti ya-tidak, sukses- gagal. 2. Probabilitas suatu peristiwa adalah
tetap, tidak berubah untuk setiap percobaan. 3. Percobaannya bersifat independen, artinya
peristiwa dari suatu percobaan tidak mempengaruhi atau dipengaruhi peristiwa dalam percobaan
lainnya. 4. Jumlah atau banyaknya percobaan yang merupakan komponen percobaan binomial
harus tertentu.
 Rumus Distribusi Binomial a). Rumus binomial suatu peristiwa Probabilitas suatu
peristiwa dapat dihitung dengan mengalikan kombinasi susunan dengan probabilitas salah satu
susunan. Berdasarkan hal tersebut, secara umum rumus dari probabilitas binomial suatu
peristiwa dituliskan : n x n−x = = n x n x x P X x C p q − ( = ) = . . (! )! ! x n x n Cnx − = dan q
= 1 – p Dimana : b). Probabilitas binomial kumulatif Probabilitas binomial kumulatif adalah
probabilitas dari peristiwa binomial lebih dari satu sukses. Probabilitas binomial kumulatif dapat
dihitung dengan menggunakan rumus : n n x n x x n x PBK C p q − = = ∑ . . 0 ∑= = = n x P X x
0 ( ) = P(X = )0 + P(X = )1 + P(X = )2 +....+ P(X = n)

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 2 kali c). Mata dadu 2 atau
6 muncul sebanyak 4 kali. Penyelesaian : a). Karena dadu memiliki 6 sisi, yaitu 1, 2, 3, 4, 5, 6,
sehingga setiap sisi memiliki probabilitas 1/6. Jadi, probabilitas untuk mata 1 adalah 1/6, sehigga
: p=1/6; q=5/6; n=4; x=1 (muncul 1 kali ) P(X=1) = C14.p1.q3 = 4(1/6)1(5/6)3 = 0,386 b). Mata
dadu genap ada 3, yaitu 2,4, dan 6, sehingga : p = 3/6 = 1/2; q = 1/2; n = 4; x = 2 P(X=2) = C 2
4.p 2.q 2 = 6(1/2) 2(1/2) 2 = 0,375 c). Muncul mata dadu 2 atau 6 sebanyak 4 kali, sehngga : p =
2/6; q = 2/3; n = 4; x = 4 P(X=4) = C 4 4.p 4.q 0 P(X=4) = C 4 .p = 1(2/6) 4(2/3) 0 = 0,0123
Contoh 2 : 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. Penyelesaian : a). n = 5 ; p =
0,7; q = 0,3; x = 0, 1 dan 2 P(X ≤ 2)= P(X=0) + P(X=1) + P(X=2) = 1(0,7)0(0,3)5 +
5(0,7)1(0,3)4 + 10(0,7)2(0,3)3 = 0,16 b). n = 5 ; p = 0,7; q = 0,3; x = 2 dan 3 P(X=2 & 3)=
P(X=2) + P(X=3) = 10(0,7)2(0,3)3 + 10(0,7)3(0,3)2 = 0,44 c). n = 5 ; p = 0,7; q = 0,3; x = 4 dan
5 P(X ≥ 4)= P(X=4) + P(X=5) = 5(0,7)4(0,3)1 + 1(0,7)5(0,3)0 = 0,53

Distribusi Normal adalah salah satu distribusi teoritis dari variabel random kontinu.
Distribusi Normal sering disebut distribusi Gauss. Distribusi Normal memiliki bentuk fungsi
sebagai berikut : µ 2 1 ( ) 1 − − x σ µ σ π ( ) 2 1 2 1 ( ) − − = x f x e Keterangan : X = nilai data
µ = rata-rata x π = 3,14 e = 2,71828 σ = Simpangan baku Karakteristik Distribusi Normal
Distribusi probabilitas normal dan kurva normal yang menyertainya memiliki beberapa
karakteristik sebagai berikut :

1. Kurva normal berbentuk lonceng

2. Simetris

3. Asimtotis
 BAB III

KELEBIHAN DAN KEKURANGAN BUKU

3.1. Kelebihan dan Kekurangan Buku Utama

 Kelebihan

 Buku sudah memiliki ISSBN

 Buku memiliki penjelasan yang cukup mudah dipahami karena dilengkapi tabel

 Didalam Buku dijelaskan cukup baik bagaimana menggunakan SPSS mengolah data
regresi Linear

 Buku Memilki Cover yang cukup menarik

 Kekurangan

 Contoh yang dipaparkan dalam buku masih kurang jelas dan terlalu sedikit

 Desain buku kurang menarik

 Buku mudah rusak

 Penggunaan kata yang digunakan masih kurang jelas

3.2. Kelebihan dan Kekurangan Buku Pembanding

 Kelebihan

 Buku memiliki cover yang cukup menarik

 Desain warna yang dimainkan dalam isi buku cukup menarik bagi pembaca

 Buku lebih rinci menjelaskan penggunaan SPSS mengolah data Regresi Linear
  Kelemahan

 Buku belum memiliki ISSN

 Cetakan buku masih terjangkau

 Buku hanya menjelaskan metode saja

BAB IV

PENUTUP

3.1. Kesimpulan

Distribusi peluang diskrit ialah suatu ruang pola yang mengandung jumlah titik pola
yang terhingga atau suatu barisan unsur yang tidak pernah berakhir tetapi yang sama banyaknya
dengan bilangan cacah). Syarat dari distribusi diskrit adalah apabila himpunan pasangan
terurut (x, f(x) merupakan suatu fungsi peluang
atau distribusi peluang peubah acak diskrit x bila, untuk setiap kemungkinan hasil x

1. f(x) > 0

2. ∑ f ( x) = 1

3. P (X=x) = f(x)
Distribusi peluang kontinu ialah suatu ruang pola mengandung tak terhingga banyaknya titik
pola yang sama dengan banyaknya titik pada sebuah garis.

Syarat dari distribusi kontinu adalah apabila fungsi f(x) adalah

fungsi padat peluang peubah acak kontinu Xt yang didefinisikan diatas himpunan semua
bilangan real Rt bila:

1. F(x) > 0 untuk semua x € R 15

2. òf ( x)dx = 1

3. P(a<X<b) = òf (x) dx

3.2. Saran

Dari makalah ini penulis berharap pembaca dapat menentukan buku yang akan menjadi
pedoman dalam pembalajaran, diharapkan dapat memahami materi dalam bahasan makalah ini,
serta diharapkan dapat memberikan kritik yang membangun untuk kebaikan penulisan makalah
ini.