PROBABILITAS DAN STATISTIKA

DISTRIBUSI PROBABILITAS KONTINU

Dosen pengampu
Olnes Hutajulu S.Pd, M.Eng

Oleh Kelompok 11
HENGKI PURBA
5192530001
TRY SATRIA SITUMORANG
5193530014

PROGRAM STUDI S1 TEKNIK ELEKTRO

FAKULTAS TEKNIK UNIVERSITAS NEGERI MEDAN
2020
 Kata Pengantar

Puji syukur kami panjatkan kehadirat Tuhan YME karena-Nya kami bisa
menyelesaikan makalah tugas ini tepat waktu. Kami berterimmakasih kepada bapak
Olnes Yosefa Hutajulu, S.Pd., M.Eng. Selaku dosen pengampu di mata kuliah
Probabilitas dan Statistika ini.

Makalah ini dibuaat dengan tujuan agar mahasiswa maupun pembaca dapat
memahami materi yang berhubungan dengan Probabilitas dan Statistika. Dalam
pembuatan makalah ini ada banyak sekali kekurangan disana sininya, baik dari segi
penulisan hingga penyampaian materi yang ada didalam makalah ini. Kami
mengharapkan kritik dan saran dari para pembaca agar kedepannya makalah ini menjadi
lebih baik lagi dan dapat bermanfaat bagi orang orang yang membacanya.

Medan, Maret 2020

penulis
 DAFTAR ISI
KATA PENGANTAR................................................................................................................
DAFTAR ISI...............................................................................................................................
PEMBAHASAN & CONTOHCONTOH SOAL ....................................................................
PENUTUP..................................................................................................................................
DAFTAR PUSTAKA
 PEMBAHASAN

Distribusi Normal
Apa itu distribusi normal?

Distribusi normal merupakan salah satu jenis distribusi dengan

variabel acak yang kontinu.

Pada distribusi normal terdapat kurva/grafik yang digambarkan

menyerupai bentuk lonceng.

Distribusi normal dapat disebut juga sebagai distribusi Gauss.

Persamaan yang terdapat dalam distribusi normal salah
satunya yaitu terkait fungsi densitas.

Berikut merupakan fungsi densitas pada distribusi normal.

Rumus Distribusi Normal

Keterangan:
 π : konstanta dengan nilai 3,14159. . .
 e  : bilangan eksponensial dengan nilai 2,7183 . . .
 µ  : rata-rata (mean) dari data
 σ  : simpangan baku data berdistribusi normal
Bagaimana cara untuk menghitung nilai z? Nilai z dapat
dihitung dengan rumus berikut.

z = (x – µ)/σ
Keterangan:
 µ  : rata-rata (mean) dari data
 σ  : simpangan baku data berdistribusi normal
Pada bagian sebelumnya dijelaskan bahwa data yang
berdistribusi normal memiliki kurva yang berbentuk
menyerupai lonceng.
Bentuk kurva dari data berdistribusi normal yaitu sebagai
berikut.

Kurva distribusi normal

Berdasarkan kurva distribusi normal di atas, distribusi normal

memiliki rata-rata (mean) sama dengan 0 dan simpangan baku
sama dengan 1.

Berikut ini akan dijelaskan mengenai beberapa contoh

penerapan distribusi normal.

Penerapan Distribusi Normal

Distribusi normal sangat penting untuk dipelajari terutama

dalam melakukan analisis data statistika.

Dengan data yang diambil secara acak dan berdistribusi

normal akan memudahkan dalam melakukan analisis dan
meramalkan serta mengambil kesimpulan untuk cakupan yang
lebih luas.

Distribusi normal banyak diterapkan dalam berbagai

perhitungan statistika dan pemodelan yang berguna dalam
berbagai bidang.

Dalam menentukan distribusi probabilitas diperlukan tabel z

dari distribusi normal.
chi-square (kai kuadrat)
Dalam teori probabilitasdan statistika, distribusi chi-kuadrat(bahasa Inggris: Chi-
square distribution) atau distribusi χ² dengan k derajat kebebasan k peubah acak normal
baku yang saling bebas. Distribusi ini seringkali digunakan dalam statistik inferensial,
misalnya dalam pengujian hipotesis, atau dalam konstruksi selang kepercayaan. [2][3][4]
[5]
 Ketika dibandingkan dengan distribusi chi-kuadrat nonsentral,distribusi ini kadang
disebut distribusi chi-kuadrat sentral. adalah distribusi jumlah kuadrat.

Salah satu penggunaan distribusi iniadalah uji chi kuadrat untuk kepatutan (goodness of fit)
suatu distribusi pengamatan dengan distribusi teoretis, kriteria klasifikasi analisis data yang
saling bebas, serta estimasi selang kepercayaan untuk simpangan baku populasi
berdistribusi normal dari simpangan baku sampel. Sejumlah pengujian statistika juga
menggunakan distribusi ini, seperti Uji Friedman. Distribusi chi-kuadrat merupakan kasus
khusus distribusi gamma.

Prosedur dan contoh soal Uji Chi-Kuadrat adalah sebagai berikut :

1). Urutkan data pengamatan (dari data terbesar sampai dengan data terkecil atau
sebaliknya)
2). Tentukan range nilai peluang yang akan diambil
3). Tentukan nilai K, yaitu Variabel Reduksi Gauss, untuk setiap nilai peluang
4). Masukkan nilai K tersebut dalam persamaan berikut
XT = X + KTS .......................................

rumus chi square :

Interpretasi hasil uji adalah sebagai berikut :
1). Apabila peluang lebih dari 5%, maka persamaan distribusi yang digunakan dapat diterima
2). Apabila peluang kurang dari 1%, maka persamaan distribusi yang digunakan tidak dapat
diterima
3). Apabila nilai peluang diantara 1% – 5%, maka tidak mungkin diambil keputusan,
diperlukan data tambahan

Pengujian Chi-Kuadrat (x2)

Chi-kuadrat digunakan untuk mengadakan pendekatan dari beberapa vaktor atau
mngevaluasi frekuensi yang diselidiki atau frekuensi hasil observasi dengan frekuensi yang
diharapkan dari sampel apakah terdapat hubungan atau perbedaan yang signifikan atau
tidak.
Dalam statistik, distribusi chi square termasuk dalam statistik nonparametrik. Distribusi
nonparametrik adalah distribusi dimana besaran-besaran populasi tidak diketahui. Distribusi
ini sangat bermanfaat dalam melakukan analisis statistik jika kita tidak memiliki informasi
tentang populasi atau jika asumsi-asumsi yang dipersyaratkan untuk penggunaan statistik
parametrik tidak terpenuhi.
Beberapa hal yang perlu diketahui berkenaan dengan distribusi chi square adalah :

 Distribusi  chi-square memiliki satu parameter yaitu derajat  bebas (db).

 Nilai-nilai chi square di mulai dari 0 disebelah kiri, sampai nilai-nilai positif tak
terhingga di sebelah kanan.
 Probabilitas nilai chi square di mulai dari sisi sebelah kanan.
 Luas daerah di bawah kurva normal adalah 1.
a)      Uji Kecocokan = Uji Kebaikan Suai = Goodness of Fit
b)      Uji Kebebasan
c)      Uji Beberapa Proporsi (Prinsip pengerjaan (b) dan (c) sama saja)
Nilai chi square adalah nilai kuadrat karena itu nilai chi square selalu positif. Bentuk
distribusi chi square tergantung dari derajat bebas (Db)/degree of freedom. Pengertian pada
uji chi square sama dengan pengujian hipotesis yang lain, yaitu luas daerah penolakan Ho
atau taraf nyata pengujian
Metode Chi-kuadrat menggunakan data nominal, data tersebut diperoleh dari hasil
menghitung. Sedangkan besarnya nilai chi-kuadrat bukan merupakan ukuran derajat
hubungan atau perbedaan.
Macam-macam bentuk analisa Chi-kuadrat :

 Penaksiran standar deviasi

 Pengujian hipotesis standar deviasi
 Pengujian hipotesis perbedaan beberapa proporsi atau chi-square dari data
multinominal
 Uji hipotesis tentang ketergantungan suatu variabel terhadap variabel lain/uji Chi-
square dari tabel kontingensi/tabel dwikasta/tabel silang
 Uji hipotesis kesesuaian bentuk kurva distribusi frekuensi terhadap distribusi peluang
teoritisnya atau uji Chi-square tentang goodness of fit

Ketentuan Pemakaian Chi-Kuadrat (X2)

Agar pengujian hipotesis dengan chi-kuadrat dapat digunakan dengan baik, maka
hendaknyamemperhatikan ketentuan-ketentuan sebagai berikut :
1. Jumlah sampel harus cukup besar untuk meyakinkan kita bahwa terdapat kesamaan
antara distribusi teoretis dengan distribusi sampling chi-kuadrat.
2. Pengamatan harus bersifat independen (unpaired). Ini berarti bahwa jawaban satu
subjek tidak berpengaruh terhadap jawaban subjek lain atau satu subjek hanya satu kali
digunakan dalam analisis.
3. Pengujian chi-kuadrat hanya dapat digunakan pada data deskrit (data frekuensi atau
data kategori) atau data kontinu yang telah dikelompokan menjadi kategori.
4. Jumlah frekuensi yang diharapkan harus sama dengan jumlah frekuensi yang
diamati.
5. Pada derajat kebebasan sama dengan 1 (table 2 x 2) tidak boleh ada nilai ekspektasi
yang sangat kecil. Secara umum, bila nilai yang diharapkan terletak dalam satu sel terlalu
kecil (< 5) sebaiknya chi-kuadrat tidak digunakan karena dapat menimbulkan taksiran yang
berlebih (over estimate) sehingga banyak hipotesis yang ditolak kecuali dengan koreksi dari
Yates.
Bila tidak cukup besar, maka adanya satu nilai ekspektasi yang lebih kecil dari 5 tidak akan
banyak mempengaruhi hasil yang diinginkan.
Pada pengujian chi-kuadrat dengan banyak ketegori, bila terdapat lebih dari satu nilai
ekspektasi kurang dari 5 maka, nilai-nilai ekspektasi tersebut dapat digabungkan dengan
konsekuensi jumlah kategori akan berkurang dan informasi yang diperoleh juga berkurang.

PENUTUP
KESIMPULAN

Distribusi normal standard (baku) adalah distribusi normal yang memiliki

sifat khusus, yaitu distribusi dengan : rata-rata(µ) = nol(0) dan simpangan
baku(σ) = satu(1). Distribusi normal standard (baku) muncul sebagai solusi
dari adanya masalah dalam penyusunan tabel distribusi normal. Masalah
tersebut ialah kenyataan bahwa terdapat banyak sekali macam distribusi
normal dipengaruhi oleh nilai rata-rata dan simpangan baku nya. Oleh karena
itu agar kita tetap dapat mencari probabilitas suatu interval dengan
menggunakan langkah praktis melalui tabel distribusi normal daripada
perhitungan metode integral yang lebih kompleks, maka digunakanlah apa
yang disebut dengan distribusi normal standard (baku).Berdasarkan hasil uji
statistic chi-square terhadap data penelitian yang telah
dilakukan maka dapat ditarik kesimpulan bahwa terdapat hubungan yang
bermakna antara obesitas terhadap Kapasitas Vital Paksa (Forced Vital
Capacity/FVC) paru.
 DAFTAR PUSTAKA

https://www.academia.edu/28950569/Konsep_distribusi_peluang_kontinu