Tugas 3 Makassar, 25 November 2019

MATA KULIAH STATISTIKA

PELUANG

Nama : Febryan
Nim : 13020180047
Kelas : A2

PROGRAM STUDI TEKNIK INFORMATIKA

FAKULTAS ILMU KOMPUTER
UNIVERSITAS MUSLIM INDONESIA
MAKASSAR
2019

i
 KATA PENGANTAR

            Puji syukur penyusun panjatkan pada kehadirat Allah SWT yang telah
memberikan rahmat, hidayah serta karunia-Nya sehingga kami berhasil
menyelesaikan tugas makalah matematika yang berjudul “STATISTIKA
PELUANG” tepat pada waktunya.
Penyusuni menyadari bahwa makalah ini masih jauh dari kesempurnaan.
Seperti halnya pepatah “ tak ada gading yang tak retak “, oleh karena itu kami
mengharapkan kritik dan saran dari semua kalangan yang bersifat membangun
guna kesempurnaan makalah kami selanjutnya.
Akhir kata, penyusun ucapkan terima kasih kepada semua pihak yang telah
berperan serta dalam penyusunan makalah ini dari awal sampai akhir. Serta
berharap agar makalah ini dapat bermanfaat bagi semua kalangan.
Amin

Penyusun

ii
 DAFTAR ISI

Kata Pengantar ........................................................................................ i

Daftar Isi ................................................................................................... ii
BAB I PENDAHULUAN ....................................................................... 1
BAB II PEMBAHASAN
2.1 Definisi Statistik ......................................................................... 2
2.2 Statistika .................................................................................... 2
2.3 Distribusi Peluang ...................................................................... 4
2.4 Contoh Soal………………............................................................ 7
BAB III PENUTUP
3.1 Kesimpulan ................................................................................. 12
DAFTAR PUSTAKA

iii
 BAB I
PENDAHULUAN

Secara etimologis kata statistic berasal dari kata status (bahasa latin) yang
mempunyai persamaan arti dengan kata state (bahasa inggris) atau kata staat
(bahasa belanda), dan yang dalam bahasa indonesia diterjemahkan menjadi
negara. Pada mulanya, kata statistic diartikan sebagai kumpulan bahan keterangan
(data), baik yang berwujud angka (data kuantitatif) maupun yang tidak berwujud
angka (data kualitatif), yang mempunyai arti penting dan kegunaan yang besar
bagi suatu Negara.
Namun, pada perkembangan selanjutnya, arti kata statistic hanya di batasi
pada kumpulan bahan keterangan yang berwujud angka (data kuantitatif) dan
yang tidak berwujud angka (data kualitatif).
Istilah statistic juga sering diberi pengertian sebagai kegiatan statistic atau
kegiatan persetatistikan atau kegiatan pensetatistikan. Sebagaimana disebutkan
dalam undang-undang tentang statistic (lihat undang-undang No. 7 tahun 1960),
kegiatan statistic mencakup 4 hal, yaitu: (1) pengumpulan data, (2) penyusunan
data, (3) pengumuman dan pelaporan data, dan (4) analisis data.

1
 BAB II
PEMBAHASAN

2.1  Definisi Statistik

Statistik adalah sebagai alat pengolah data angka. Stasistik dapat juga
diartikan sebagai metode/asas-asas guna mengerjakan/memanipulasi data
kuantitatif agar angka berbicara. Pendekatan dengan statistik sering digunakan
metode statistik yaitu metode guna mengumpulkan, mengolah, menyajikan,
menganalisis & menginterpretasikan data statistik. Statistika dapat pula diartikan
pengetahuan yang berhubungan dengan pengumpulan data, pengolahan data,
penganalisisan dan penarikan kesimpulan berdasarkan data dan analisis. Jadi
statistik adalah produk dari kerja statistika.

2.2  Statistika
Statistika adalah ilmu yang mempelajari bagaimana merencanakan,
mengumpulkan, menganalisis, menginterpretasi, dan mempresentasikan data.
Statistika merupakan ilmu yg berkenaan dgn data sedang statistik adalah
data informasi atau hasil penerapan algoritma statistika pada suatu data. Beberapa
istilah statistika antara lain: populasi sampel unit sampel dan probabilitas.
Ada dua macam statistika yaitu statistika deskriptif dan statistika
inferensial. Statistika deskriptif  berkenaan dgn deskripsi data misal dari
menghitung rata-rata dan varians dari data mentah; mendeksripsikan
menggunakan tabel-tabel atau grafik sehingga data mentah lebih mudah “dibaca”
dan lbh bermakna. Sedangkan statistika inferensial lbh dari itu misal melakukan
pengujian hipotesis melakukan prediksi observasi masa depan atau membuat
model regresi.
Statistika deskriptif berkenaan dgn bagaimana data dapat digambarkan
dideskripsikan) atau disimpulkan baik secara numerik (misal menghitung rata-rata
dan deviasi standar) atau secara grafis (dalam bentuk tabel atau grafik) utk

2
mendapatkan gambaran sekilas mengenai data tersebut sehingga lbh mudah
dibaca dan bermakna.
Statistika inferensial berkenaan dgn permodelan data dan melakukan
pengambilan keputusan berdasarkan analisis data misal melakukan pengujian
hipotesis melakukan estimasi pengamatan masa mendatang (estimasi atau
prediksi) membuat permodelan hubungan (korelasi regresi ANOVA deret waktu)
dan sebagainya.
Singkatnya, statistika adalah ilmu yang berkenaan dengan data. Istilah
'statistika' (bahasa Inggris: statistics) berbeda dengan 'statistik' (statistic).
Statistika merupakan ilmu yang berkenaan dengan data, sedang statistik adalah
data, informasi, atau hasil penerapan algoritma statistika pada suatu data. Dari
kumpulan data, statistika dapat digunakan untuk menyimpulkan atau
mendeskripsikan data; ini dinamakan statistika deskriptif. Sebagian besar konsep
dasar statistika mengasumsikan teori probabilitas. Beberapa istilah statistika
antara lain: populasi, sampel, unit sampel, dan probabilitas.
Statistika banyak diterapkan dalam berbagai disiplin ilmu, baik ilmu-ilmu
alam (misalnya astronomi dan biologi maupun ilmu-ilmu sosial (termasuk
sosiologi dan psikologi), maupun di bidang bisnis, ekonomi, dan industri.
Statistika juga digunakan dalam pemerintahan untuk berbagai macam tujuan;
sensus penduduk merupakan salah satu prosedur yang paling dikenal.
Jika suatu kesimpulan data sudah dihimpun, pada statistika deskriptif kita
hendak menyimpulkan data itu dalam beberapa hal. Pertama kita hendak membuat
tabel, misalnya tabel frekuensi, tabel frekuensi kumulatif dan lain-lain yang
mengatur data kasar itu. Juga kita akan melihat diagram atau grafik yang dapat
memberi gambaran mengenai keseluruhan data itu, misalnya diagram lambang
(piktogram), diagram batang, diagram lingkaran, histogram, ogive dan lain-lain.
Kemudian kita hendak menghitung karakteristik data yang dapat mencakup
semua data itu, misalnya rata-rata, median, modus dan lain-lain.

3
2.3 Distribusi Peluang
Dalam bab ini akan mempelajari pengelompokan atau distribusi yang
dapat diharapkan berdasarkan kepada pengalaman yang terdahulu atau
berdasarkan kepada pertimbangan-pertimbangan teoritis. Pentingnya mengetahui
distribusi macam ini, akan jelas bila diberikan beberapa contoh :
1.      Pengusaha teater disuatu daerah adalah selayaknya harus mengetahui selera
penonton di daerah itu. Ia harus mengetahui jenis film apa saja yang disenangi
penduduk agar dalam tiap pertunjukan gedung teaternya dibanjiri para penonton.
2.      Pengusaha rumah makan hendaknya mengetahui macam atau rassa makanan
yang disenangi dan yang tidak disenangi oleh para langganannya. Jika disuatu
tempat, macam makanan bersari asam yang lebih disenangi, adalah kurang
bijaknsana jika terlalu banyak menyajikan makanan yang rasanya manis atau rasa
yang lain yang lakunya sangat diragukan.
3.      Untuk suatu daerah, andaikan telah diperkirakan bahwa ukuran kaki wanita
dewasa adalah berukuran 34 sebanyak 25%, berukuran 35 sebanyak 32%, dan
berukuran 36 sebanyak 38%, dan 5% berukuran lainnya. Jika pengusaha pabrik
sepatu tidak ingin melihat sepatu yang dihasilkannya menjadi sarang tikus
digudangnya, mengapa tidak membuatnya berdasarkan perbandingan
pengelompokan tersebut?
Ketiga contoh diatas, dan lain-lain contoh dapat dicari, melukiskan
pengelompokan peristiwa-peristiwa dimana pada tiap kelompok telah
diperhitungkan banyak peristiwa yang terjadi, yang pada umumnya dinyatakan
dalam persen. Untuk contoh pertama dinamakan distribusi selera dan contoh
ketiga bisa disebut distribusi ukura kaki wanita. Distribusi demikian merupakan
distribusi yang diharapkan berdasarkan pengalaman.
Ada distribusi dapat diharapkan berdasarkan pada pertimbangan-
pertimbangan teoritis, umpamanya soal undian dengan mata uang. Misalkan kita
ingin mengetahui apaka mata uang yang kita gunakan untuk undian itu jujur atau
tidak. Andaikan kita melakukan undian sebanyak 1.000 kali dan diperoleh hasil
bahwa G nampak 520 kali (tentulah nampak H sebanyak 480 kali). Sebelum kita
menentukan apakah mata uang itu jujur atau tidak, terlebih dahulu kita harus

4
mengetahui apa yang dapat diharapkan dari undian dengan menggunakan mata
uang jujur.
Kita sudah mengetahui bahwa dalam undian dengan menggunakan mata
uang jujur, peluang nampaknya tiap permukaan adalah ½. Jadi adalah beralasan
jika kitapun mengharapkan nampaknya G sama banyak dengan nampaknya H
dalam undian tersebut. Berdasarkan ini diperoleh distribusi yang diharapkan
sebagai berikut.
Peristiwa Frekuensi
diharapkan
Muka G 500
Muka H 500

Untuk melanjutkan pembicaraan secara teoritis, marilah kita tinja hasil

undian itu dari segi nampaknya dan tidak nampaknya G. sebut “0” jika nampak H
(berarti 0 muka G yang menampak) dan “1” jika G yang nampak. Denan notasi
baru ini, maka distribusi sebenarnya dan distribusi diharapkan untuk soal di atas
adalah sebagai berikut.
Nampak G Frekuensi sebenarnya Frekuensi diharapkan
0 480 500
1 520 500

Jika kita melakukan undian dengan dua macam uang jujur, maka peristiwa
yang dapat terjadi adalah :
HH, HG, GH, GG.
            Atau berdasarkan nampaknya G masing-masing diperoleh sebanyak 0,1
dan 2. Sehingga peluang untuk 0 G = 1/4, peluang untuk 1 G=1/4+1/4=1/2 dan
peluang untuk 2 G = 1/4. Jika kita melakukan undian sebanyak 2.000 kali,
makakita mengharapkan memperoleh hasil sebagai berikut.

5
 Nampak G Frekuensi diharapkan
0 ¼ x 2.000=500
1 ½ x 2.000=1000
2 ¼ x 2.000= 500

Andaikan sekarang kita melakukanundian dengan tigamata uang jujur.

Hal-hal yang terjadi mengenai nampaknya permukaan adalah:
HHH, HHG, HGH, GHH, HGG, GHG, GGH, GGG
Atau nampaknya G adalah 0, 1, 2, atau 3. Ternyata bahwa :
Peluang nampak 0G = 1/8
Peluang nampak 1g = 3/8
Peluang nampak 2G = 3/8
Peluang nampak 3G = 1/8
Jika ketiga mata uang yang jujur itu diundikan sebanyak 2.000 kali, maka
kita mengharapkan distribusi nampaknya G seperti berikut :
Nampak G Frekuensi diharapkan
0 1/8 x 2.000 = 250
1 3/8 x 2.000 = 750
2 3/8 x 2.000 = 750
3 1/8 x 2.000 = 250

Untuk membicarakan distribusi peluang teoritis yang umum, maka

biasanya frekuensi tidak dinyatakan dalam bentuk absolute yang diharapkan,
melainkan dalam bentuk peluang. Guna keperluan ini marilah kita pakai notasi X
sebagai pengganti peristiwa yang diperhatikan (dalam uraian ini ; nampaknya G)
dan p(X) untuk menyatakan. Jika untuk undian dengan satu, dua, dan tiga mata
uang jujur seperti di uraikan di atas digunakan notasi baru ini, maka berturut-turut
diperoleh daftar berikut :

Fungsi peluang dibagi 5 yaitu :

6
 1. Fungsi Peluang Diskret
2. Fungsi Peluang Kontinyu
3. Fungsi Peluang Bersama
P(x,y) = P(X=x dan Y=y)
4. Fungsi Peluang Marginal
5. Fungsi Peluang Bersyarat

2.4 Contoh Soal

2.4.1. Dua Kejadian Sembarang

Dalam dua kejadian sembarang A serta B dalam ruang sampel S, maka akan
berlaku rumus:

P (A ∪ B) = P (A) + P (B) – P (A ∩ B)

Sebagai:

Diketahui dari 45 siswa dalam suatu kelas, terdapat 28 siswa yang suka pada
mapel Matematika, 22 siswa suka pada mapel bahasa Inggris, serta sisa 10 siswa
suka kedua-duanya.

Apabila seorang siswa dipilih secara acak, maka tentukan peluang siswa yang
terpilih merupakan siswa yang menyukai Matematika ataupun bahasa Inggris!

Diketahui:

 n(S) = 45
 Suka Matematika, n(M) = 28
 Suka Bahasa Inggris, n(B) = 22
 Suka keduanya, n(M ∩ B ) = 10

7
Jawab:

 n(S) = 45
 Suka Matematika, n(M) = 28
 Suka Bahasa Inggris, n(B) = 22
 Suka keduanya, n(M ∩ B ) = 10

Peluang di mana akan terpilih yang suka Matematika atau Bahasa Inggris adalah:

P (M ∪ B) = P (M) + P (B) – P (M ∩ B)

= 28/45 + 22/45 – 10/45

= 40/ 45
= 8/ 9

2.4.2. Komplemen Suatu Kejadian

Adapun rumus untuk mencari komplemen pada suatu kejadian, yaitu:

P (Ac) = 1 – P (A)

Sebagai contoh:

Suatu dadu dilempar sekali ke atas, maka hitunglah peluang munculnya mata dadu
lebih dari dua.

Jawab:

Suatu dadu dilempar sekali, sehingga n (S) = 6

Apabila A = {mata dadu lebih dari sama dengan 2}

Maka dari itu, Ac = { mata dadu kurang dari atau sama dengan 2 } = {1, 2}, n(Ac)
=2

8
P (Ac) = n(Ac)/ n(S) = 2/ 6 = 1/ 3

Sehingga, P (A) = 1 – P (Ac)

= 1 – 1/3
= 2/ 3

Sehingga, peluang munculnya mata dadu lebih dari 2 yaitu 2/3.

2.4.3. Dua Kejadian Saling Lepas

Adapun rumus untuk menentukan dua kejadian saling lepas, yaitu:

P (A ∪ B) = P(A) + P (B)

Contoh:

Pada pelemparan satu dadu bermata 6, berapakah peluang untuk memperoleh

dadu dengan mata 1 atau 3 ?

Jawab:

A = {1}, B = {3}

n(A) = 1, n(B) = 1

Peluang untuk memperoleh dadu mata 1 atau 3, yaitu:

P (A ∪ B) = P(A) + P (B)

P (A ∪ B)  = 1/ 6 + 1/ 6 = 2/ 6 = 1/ 3

2.4.4. Dua Kejadian Saling Bebas

Kejadian A dan B dikatakan saling bebas jika kejadian A tidak mempengaruhi

kejadian B dan kejadian B tidak mempengaruhi kejadian A. Dirumuskan:

9
 P (A ∩ B) = P (A) X P (B)

Contoh:

Apabila peluang Gilang bisa menyelesaikan sebuah soal yaitu 0,4 serta peluang
Putra bisa menyelesaikan soal yang sama yaitu 0,3 maka peluang mereka berdua
bisa menyelesaikan soal tersebut yaitu …

Jawab:

P(A) = 0,4

P(B) = 0,3

Peluang Gilang dan Putra bisa menyelesaikan soal adalah:

P (A ∩ B) = P (A) X P (B) = 0,4 x 0,3 = 0,12

2.4.5. Dua Kejadian Bersyarat

Apabila kejadian A serta B tidak saling bebas, kejadian B dipengaruhi oleh

kejadian A ataupun kejadian B dengan syarat A, maka dapat kita rumuskan
menjadi:

P(B | A) = P (A ∩ B)/ P(A) atau P (A ∩ B) = P(A) x P(B | A)

Sebagai contoh:

Suatu dadu dilempar sekali. Hitunglah peluang munculnya mata dadu ganjil
dengan syarat munculnya kejadian mata dadu prima terlebih dahulu.

Jawab:

Diketahui;

S = {1, 2, 3, 4, 5, 6}, n(S) = 6

A = Kejadian munculnya angka prima
A = {2, 3, 5}, n(A) = 3

P(A) = n(A)/ n(S) = 3/ 6 = 1/ 2

B = Kejadian muncul mata dadu ganjil

B = {1, 3, 5}

P(A) = n(A)/ n(S) = 3/ 6 = 1/ 2

10
Peluang munculnya mata dadu ganjil dengan syarat munculnya kejadian mata
dadu prima terlebih dahulu adalah:

P(B | A) = P (A ∩ B)/ P(A) = 1/4 / 1/2 = 1/2

11
 BAB III
PENUTUP
3.1  Kesimpulan
Ada 2 pendekatan untuk menganalisis informasi berdasarkan jenis
informasi yang diperoleh, yaitu analisis kuantitatif dan analisis kualitatif. Analisis
kuantitatif/analisis data kuantitatif adalah analisis yang berbasis pada kerja hitung-
menghitung angka. Angka yang diolah disebut input dan hasilnya disebut output
juga berupa angka. Analisis kualitatif/analisis data kualitatif adalah analisis yang
berbasis pada kerja pengelompokan simbol-simbol selain angka. Simbol itu
berupa kata, frase, atau kalimat yang menunjukkan beberapa kategori. Input
maupun output analis data kualitatif berupa simbol, dimana outputnya disebut
deskripsi verbal.
Ada empat tipe pengukuran atau skala pengukuran yang digunakan di
dalam statistika, yakni: nominal, ordinal, interval, dan rasio. Keempat skala
pengukuran tersebut memiliki tingkat penggunaan yang berbeda dalam riset
statistik.
 Skala nominal hanya bisa membedakan sesuatu yang bersifat kualitatif
(misalnya: jenis kelamin, agama, warna kulit).
 Skala ordinal selain membedakan juga menunjukkan tingkatan (misalnya:
pendidikan, tingkat kepuasan).
 Skala interval berupa angka kuantitatif namun tidak memiliki nilai nol
mutlak (misalnya: tahun, suhu dalam Celcius).
 Skala rasio berupa angka kuantitatif yang memiliki nilai nol mutlak.

DAFTAR PUSTAKA

http://marwajunia.blogspot.com/2012/02/makalah-statistik.html

12
13