Tugas Metode Statistika

Nama : Sephram Laurenza Kawulusan

NIM : 18101103007
Matematika 2018.

Pengertian Populasi dan Sampel

 Populasi adalah jumlah keseluruhan dari satuan-satuan atau individu-individu yang
karakteristiknya hendak diteliti.
 Sampel atau contoh adalah sebagian dari populasi yang karakteristiknya hendak
diteliti.
Contoh dari Populasi dan Sampel :
a) Populasi adalah siswa SD Negeri XX Jakarta yang berjumlah 500 orang.
Jumlah sampel ditentukan dengan Tabel Isaac dan Michael dengan tingkat
kesalahan adalah sebesar 5% sehingga jumlah sampel ditentukan sebesar 205.
b) Akan diambil sampel dari populasi karyawan yang berjumlah 125.
Karyawan ini diurutkan dari 1 – 125 berdasarkan absensi. Peneliti bisa
menentukan sampel yang diambil berdasarkan nomor genap (2, 4, 6, dst) atau
nomor ganjil (1, 2, 3, dst), atau bisa juga mengambil nomor kelipatan (2, 4, 8,
16, dst)
c) Seorang mahasiswa ingin meneliti motivasi kerja pegawai kantor Dinas
Pendidikan di Kabupaten Anyarada. Ada 123 karyawan yang bekerja di situ.
Setiap karyawan itu disebut sebagai subjek penelitian si mahasiswa.
Keseluruhan karyawan yang 123 orang itu disebut sebagai populasi (subjek)
penelitian. Oleh karena ia akan menelitinya tidak dengan menggunakan tes
(psikotes), melainkan dengan pengamatan (observasi), maka tidak seluruh
anggota populasi diteliti. Ia mengambil sampel dari populasi tersebut.

Distribusi Peluang
Distribusi peluang adalah sebaran kemungkinan terjadinya variable acak tertentu.
Variable acak adalah peristiwa yang diharapkan akan terjadi, yang biasanya dilambangkan
dengan X. Atau, suatu bilangan yang ditentukan oleh peristiwa yang dihasilkan dari
eksperimen. Ada 2 macam distribusi peluang yaitu distribusi peluang diskrit dan distribusi
peluang kontinu.

A. Distribusi Diskrit
Peubah acak diskrit adalah peubah acak yang ruang rentangnya merupakan himpunan
yang berhingga (finite) atau tak berhingga tapi terhitung (denumerable/countably
infinite) dengan sifat-sifat berikut
p ( x) ≥ 0 , ∀ x ∈ R x
Atau
∑ p ( x )=1
x∈ Rx

Macam-macam Distribusi Diskrit :

1. Distribusi Diskrit

Jika peubah acak X mempunyai nilai x1,x2,x3,…xk dengan peluang yang sama,
maka distribusi seragam diskrit didefinisikan sebagai:
1
f ( x ; k )= , x=x 1 , x 2 , x 3 , … , x k
k

Rataan dan variansi dari distribusi seragam diskrit

adalah:
k k

∑ Xi ∑ ( X ¿¿ i−μ)2
μ= i=1 dan i =1 ¿
k k
2. Distribusi Binominal
 
Distribusi binomial didasarkan pada proses Bernoulli. Pada proses Bernoulli,
suatu eksperimen sering terdiri dari beberapa usaha yang berulang-ulang, di mana
tiap usaha mempunyai dua kemungkinan: sukses atau gagal.
 
Contoh: pada pengujian suatu produk untuk menentukan berapa jumlah produk
yang cacat dari n pengujian atau usaha. Pada tiap pengujian ditentukan bahwa
suatu produk
cacat atau tidak cacat. Setiap pengujian bersifat independen (tidak bergantung
pada pengujian sebelumnya).
3. Distribusi Multinominal

Jika suatu percobaan dapat menghasilkan k macam hasil E1,E2,…,Ek dengan

peluang P1,P2,…,Pk maka distribusi peluang dari peubah acak X1,X2,…,Xk yang
menyatakan banyak terjadinya E1,E2,…Ek dalam n usaha yang independen
adalah:

( x , x n, … , x ) p
f ( x 1 , x 2 , … , x k ; p1 , p2 , … p k , n ) =
1 2 k
1
x1
, p 2x ,… pk x
2 k

4. Distribusi Hipergeometrik

Mempunyai sifat-sifat sebagai berikut:

a. Secara acak diambil sebanyak n tanpa dikembalikan dari N benda.
b. k dari N benda diklasifikasikan sukses dan N -k diklasifikasikan gagal
 
Jumlah sukses X dari eksperimen hipergeometrik disebut peubah acak
hipergeometrik.
Distribusi peluang dari peubah acak hipergeometrik disebut dengan distribusi
hipergeometrik, dan nilainya dinotasikan dengan:
(x; N ,n,k)
 
Distribusi peluang dari peubah acak hipergeometrik X, yaitu jumlah sukses dari
sampel acak berukuran n yang diambil dari N benda, di mana terdapat k jumlah
sukses dan N-k jumlah gagal adalah:
k N −k
h ( x ; N , n , k )=
( x )( n−x )
, x=0,1,2 , … , n
N
(n)
Rataan dan variansi dari distribusi hipergeometrik adalah :
nk N−n k k
μ=
N
dan σ 2=
N −1
∙n∙
N
1−
N ( )
5. Distribusi Poisson
 Eksperimen Poisson adalah eksperimen yang menghasilkan nilai numerik dari
peubah acak X pada selang waktu yang tertentu atau daerah tertentu.
 
Contoh:
a. jumlah panggilan telepon dalam waktu 1 jam yang diterima oleh
resepsionis
b. banyaknya pertandingan tenis yang terpaksa diundurkan karena terjadinya
hujan selama musim hujan
c. banyaknya tikus dalams atu hektar sawah
d. banyaknya salah ketik dalam satu halaman
 
Sifat-sifat proses Poisson:
a. Jumlah hasil yang terjadi dalam satu selang waktu atau daerah tertentu
adalah independen terhadap hasil yang terjadi pada selang atau daerah
lain. Proses Poisson dikatakan tidak mempunyai ingatan.
b. Peluang terjadinya suatu hasil (tunggal) dalam selang waktu yang sangat
pendek atau daerah yang sangat waktu yang sangat pendek atau daerah
yang sangat kecil sebanding dengan panjang selang waktu atau besarnya
daerah dan tidak bergantung pada banyaknya hasil yang terjadi di luar
selang atau daerah tersebut.
c. Peluang terjadinya lebih dari satu hasil yang terjadi dalam selang waktu
yang pendek dapat diabaikan.
 
Distribusi peluang peubah acak Poisson X, yang menyatakan banyaknya sukses
yang terjadi dalam selang waktu atau daerah tertentu –dinotasikan dengan t —
adalah:
 
di mana λt adalah rata-rata banyaknya sukses yang terjadi per satuan waktu atau
daerah, dan e= 2.71828…
 
Rataan dan variansi dari distribusi Poisson p(x;λt) adalah sama, yaitu λt.
e−λt ( λt ) x
p ( x ; λt )= x =0,1,2 ,…
x!
B. Distribusi Peluang Kontinu
Distribusi peluang kontinu adalah peubah acak yang dapat memperoleh semua nilai pada
skala kontinu. Ruang sampel kontinu adalah bila ruang sampel mengandung titik sampel
yang tak terhingga banyaknya. Syarat dari distribusi kontinu adalah apabila fungsi f(x)
adalah fungsi padat peluang peubah acak kontinu X yang didefinisikan di atas himpunan
semua bilangan riil R bila:
a. F ( x ) ≥ 0 untuk semua x ∈ R
∞

b. ∫ f ( x ) dx=1
∞

∞
c. P ( a< X < b )=∫ f ( x ) dx
∞

Macam-macam Distribusi Kontinu :

1. Distribusi Student
Distribusi t adalah distribusi probabilitas yang muncul dalam memperkirakan
masalah dan berarti terdistribusi normal populasi ketika ukuran sampel kecil.
Bisanya distrbusi t digunakan untuk menguji suatu hipotesis juga untuk membuat
pendugaan interval (interval estimate). Biasanya distribusi-t digunakan untuk
menguji hipotesis mengenai nilai prameter, maksimal 2 populasi (jika lebih dari 2
harus digunakan F), dan dari sampel kecil, misalnya n < 100 bahkan seringkali n
≤ 30. Untuk n yang cukup besar (n ≥ 100, atau mungkin cukup n > 30) dapat
digunakan distribusi normal. Maksudnya tabel normal dapat digunakan sebagai
pengganti tabel t.

Distribusi t mempunyai fungsi :

a. Untuk memperkirakan interval rata-rata.
b. Untuk menguji hipotesis tentang rata-rata suatu sampel.
c. Menunjukkan batas penerimaan suatu hipotesis.
d. Untuk menguji suatu pernyataan apakah sudah layak untuk dipercaya.
 Dalam kehidupan sehari-hari Distribusi t biasanya dapat digunakan dalam hal
seorang oleh pejabat perbankan yang bertanggung jawab atas pemberian kredit,
misalnya untuk menguji pendapatnya yang mengatakan bahwa rata-rata modal
perusahaan nasional pada tahun 2000 sebesar Rp. 300 Miliar dan atau; Seorang
ahli senam hamil untuk menguji pendapatnya bahwa adanya perbedaan dalam
rata-rata waktu sejak seorang ibu yang sedang hamil merasa ingin melahirkan
sampai bayinya lahir setelah diberi senam khusus; Oleh seorang ahli pemasaran
untuk menguji pendapatnya bahwa kenaikan 1% biaya iklan menyebabkan
kenaikan tekanan darah 0,25%; oleh pejabat perpajakan untuk menguji hipotesis
bahwa penurunan tarif pajak akan menaikan penerimaan pajak; oleh seorang ahli
ekonomi yang menguji pendapatnya bahwa elastisitas dari permintaan suatu jenis
barang adalah 0,75; oleh pejabat pemerintah untuk menguji pendapatnya bahwa
kenaikan harga minyak tidak mempengaruhi kenaikan harga pangan.

Apabila Z = N(0,1) = variabel normal dengan rata-rata 0 dan deviasi standart 1,

dan X 2v = kai-kuadrat dengan derajat kebebasan v, maka variabel t dapat diperoleh
dengan cara berikut :
Z
t=
X 2v
√( )
v
2. Distribusi Chi-Kuadrat

Distribusi chi-kuadrat merupakan distribusi yang banyak digunakan dalam

sejumlah prosedur statistik inferensial. Distribusi chi-kuadrat merupakan kasus
khusus dari distribusi gamma dengan faktor bentuk α =v /2, dimana v adalah
bilangan bulat positif dan faktor skala β=2
Jika variabel acak kontinu X memiliki distribusi chi-kudrat dengan parameter v,
maka fungsi kepadatan probabilitas dari X adalah

Parameter n disebut angka derajat kebebasan (degree of freedom/df) dari X.

Sedangkan fungsi distribusi kumulatif chi -kuadrat adalah :
 Berikut ini diberikan rumusan beberapa ukuran statistik deskriptif untuk
distribusi chi-kuadrat.

3. Distribusi Normal

Distribusi Normal (Gaussian) mungkin merupakan distribusi probabilitas yang

paling penting baik dalam teori maupun aplikasi statistik. Distribusi ini paling
banyak digunakan sebagai model bagi data riil di berbagai bidang yang meliputi
antara lain karakteristik fisik makhluk hidup (berat, tinggi badan manusia, hewan,
dll).
Terdapat empat alasan mengapa distribusi normal menjadi distribusi yang paling
penting :
a. Distribusi normal terjadi secara alamiah.
b. Beberapa variabel acak yang tidak terdistribusi secara normal dapat
dengan mudah ditransformasi menjadi suatu distribusi variabel acak yang
normal.
c. Banyak hasil dan teknik analisis yang berguna dalam pekerjaan statistik
hanya bisa
d. Berfungsi dengan benar jika model distribusinya merupakan distribusi
normal.
e. Ada beberapa variabel acak yang tidak menunjukkan distribusi normal
pada populasinya, namun distribusi dari rata-rata sampel yang diambil
 secara random dari populasi tersebut ternyata menunjukkan distribusi
normal.

Distribusi Normal disebut juga Gausian distribution adalah salah satu fungsi
distribusi peluang berbentuk lonceng seperti gambar berikut.

Berdasarkan gambar di atas, distribusi Normal akan memiliki beberapa ciri

diantaranya:
a. Kurvanya berbentuk garis lengkung yang halus dan berbentuk seperti
genta.
b. Simetris terhadap rataan (mean).
c. Kedua ekor/ ujungnya semakin mendekati sumbu absisnyatetapi tidak
pernah memotong.
d. Jarak titik belok kurva tersebut dengan sumbu simetrisnya sama dengan σ
e. Luas daerah di bawah lengkungan kurva tersebut dari -~ sampai + ~ sama
dengan 1 atau 100 %.

 
 Distribusi normal kumulatif didefinisikan sebagai probabilitas variabel
acak normal X bernilai kurang dari atau sama dengan suatu nilai x
tertentu. Maka fungsi distribusi kumulatif dari distribusi normal ini
dinyatakan sebagai :

Dengan menerapkan ketentuan diatas pada persamaan (1) maka

fungsikepadatan probabilitas dari distribusi normal standard variabel acak
kontinu Z adalah:

Sedangkan fungsi distribusi kumulatif dari distribusi normal standard ini

dinyatakan sebagai :

4. Distribusi Peluang Kontinu

 Berlaku untuk −∞<t <∞ dan K merupakan tetapan yang besarnya tergantung dari
besar n sedemikian sehingga luas daerah antara kurva fungsi itu dan sumbu t
adalah 1. Bilangan n–1 disebut derajat kebebasan (dk). Yang dimaksudkan
dengan dk ialah kemungkinan banyak pilihan dari sejumlah objek yang diberikan.
Misalnya kita mempunyai dua objek yaitu A dan B. Dari dua objek ini kita hanya
mungkin melakukan 1 kali pilihan saja, A dan B. Seandainya terpilih A maka B
tidak usah dipilih lagi. Dan untuk itu dk = 2–1 = 1.

5. Distribusi F
Menurut Gasperz (1989:251), secara teori sebaran F merupakan rasio dari dua
sebaran
chi kuadrat yang bebas. Oleh karena itu peubah acak F diberikan sebagai:

Keterangan:

Oleh karena itu sebaran F mempunyai dua derajat bebas yaitu V1 dan V2.