Modul 5

Distribusi Peluang Kontinu

Topik : Distribusi Peluang Kontinu
Tujuan : 1. Mahasiswa dapat membangkitkan bilangan acak berdistribusi
peluang tertentu kemudian menganalisis terjadinya peluang
dari data bangkitan tersebut
2. Mahasiswa membuat grafik data dengan distribusi peluang
kontinu dengan software R

Durasi : 100 menit,

Delivery : softcopy
Deadline : One week after practical
Tempat setoran : ecourse

Petunjuk Praktikum
1. Kerjakan praktikum ini secara mandiri dengan laptop/PC masing-masing
2. Install software R, package rcmdr (Recomender) dan ikuti instruksi TA
3. Submit tugas praktikum pada ecourse dengan deadline pukul 22.00 satu minggu
setelah praktikum
Praktikum
Beberapa distribusi peluang dan cara memanggilnya di R.

Distribution R Distribution R name

name

Beta Beta Lognormal lnorm

Binomial Binom Negative Binomial nbinom
Cauchy cauchy Normal norm
Chisquare Chisq Poisson pois
Exponential Exp Student t T
F F Uniform Unif
Gamma gamma Tukey Tukey
Geometric Geom Weibull weib
Hypergeometric Hyper Wilcoxon wilcox
Logistic Logis
 name Description
dname( ) density or probability function -> pdf
pname( ) cumulative density function -> cdf
qname( ) quantile function
rname( ) random deviates

1. Perhitungan Peluang dan Titik Kritis Distribusi Peluang Kontinu dengan R

Distribusi Normal
pnorm(0) =0.5 #(the area under the standard normal curve to the left of
zero) =NORMSDIST(0)
Hasilnya: ….

Kesimpulan: pnorm digunakan untuk, sedangkan normdist pada excel digunakan untuk

qnorm(0.9)= 1.28 #(1.28 is the 90th percentile of the standard normal

distribution). =NORMSINV(0.9)
Hasilnya: ….

Kesimpulan:
dnorm(1) #p(z=1)
Hasilnya: ….

Kesimpulan:
pnorm(.5) #p(Z<0.5) =NORMSDIST(0.5)
Hasilnya: ….

Kesimpulan:
pnorm(1.5) #p(Z<1.5) =NORMSDIST(1.5)
Hasilnya: ….

Kesimpulan:
pnorm(1.5)-pnorm(0.5)
Hasilnya: ….

Kesimpulan:
rnorm(100) #generates 100 random deviates from a standard normal distribution.
rnorm(100, m=50, sd=10) #generates 100 random deviates from a normal distribution
with mean 50 and standard deviation 10.

Chi-square
rchisq(100,14) #(membangkitkan 100 bilangan berdistribusi chisquare dengan
derajat bebas, v=14)
pchisq(14,15.288408) #(menghitung peluang chi-square kurang dari 15.288 derajat bebas
14)
Hasilnya: ….

Kesimpulan:
1-pchisq(6.262, df=15) # default R utk chisq adlh <, peluang chisquare lebih
dari=CHIDIST(6.262,15)
Hasilnya: ….

Kesimpulan:
1-pchisq(0.0100, df=2)
Hasilnya: ….

Kesimpulan:
qchisq(0.5, df=1) #titik chisquare dengan peluang kurang dari 0.5 =CHIINV(0.5,1)
Hasilnya: ….

Kesimpulan:
qchisq(0.3, df=1) #titik chisquare dengan peluang kurang dari 0.3 =CHIINV(0.3,1)
Hasilnya: ….

Kesimpulan:

Distribusi F
rf(100,13,2) #membangkitkan bilangan berdistribusi F dengan v1=13, v2=2 sebanyak 100
Hasilnya: ….

Kesimpulan:

qf(0.95,12,2) #tabel F dengan v1=12, v2=2 dengan P(F>f)=0.95

=F.INV(0.95,12,2) Hasilnya: ….

Kesimpulan:

pf(19.41,12,2) #peluang F>19.41 dengan v1=12, v2=2 =F.DIST(19.41,12,2,TRUE)

Hasilnya: ….

Kesimpulan:

Distribusi t
rt(100,15) #membangkitkan bilangan berdistribusi t dengan v1=15 sebanyak 100
qt(0.95,15) #t tabel dengan v=15 dengan P(t<t)=0.95 =TINV(0.1,15) karena pada excel
alpha/2
Hasilnya: ….

Kesimpulan:

pt(12.706,1) #P(t<12.706) dengan v=1 =1-2*TDIST(12.706,1,2) atau =1-TDIST(12.706,1,1)

Hasilnya: ….

Kesimpulan:
 orm(c(0.5), mean=0,
sd=1, lower.tail=TRUE)
[1] 0

pnorm(c(0),
mean=0,
sd=1,
lower.tail=T
RUE)
[1] 0.5

2. Membuat Plot Distribusi Kontinu

Buka library “Rcmdr” > Distribution > Kontinu > Normal > Plot

Normal Distribution: Mean=0, Standard deviation=1

0.4

Normal Distribution: Mean=0, Standard deviation=1

0.4
Regions
-999 to 1.5
0.3

-999 to 1

0.3
Density
0.2

Density
0.2
0.1

0.1
0.0

0.0
-3 -2 -1 0 1 2

-3 -2 -1 0 1 2 3
x
x

Distribusi t
Normal Distribution: Mean=0, Standard deviation=1
1.0
0.8
Cumulative Probability
0.6
0.4
0.2
0.0

-3 -2 -1 0
1 2 3

Distribusi F
 F Distribution: Numerator df = 2, Denominator df = 13

Region
2 to 15

1.0
0.8
0.6

0 5 10 15

x
0.0 0.2 0.4 Density

3. Mengolah data
Merubah data text-to-columb pada Ms.Excel :Copy data dari text file > Data > Text
to columb
 Finish.
Simpan sebagai time.xls dan ingat direktori anda menyimpan
1. Impor data dari rcmdr R, misal beri nama t >
OK

pilih sheet tempat data > OK

OK

2. Analisis Data

> summary(t) Bisa juga pakai Rconsole :

lifetime_baterrai <- readXL("C:/Users/BP/Documents/time.xlsx",
Min. :1.600 rownames=FALSE, header=TRUE, +
1st Qu.:3.100 na="", sheet="Sheet1",
Median :3.400 stringsAsFactors=TRUE)
Mean :3.413
3rd Qu.:3.825
Max. :4.700
Summary(t)
2. Membuat Grafik

Bisa juga pakai Rconsole:

DensityPlot( ~ lifetime_baterrai, data=t,
bw="SJ",
adjust=1,
kernel="gaussian")

with(t, Hist(lifetime_baterrai,
scale="frequency",
breaks="Sturges",
col="darkgray"))

boxplot( ~ lifetime_baterrai, data=t,

id.method="y")
] "7" "34"

with(t, Dotplot(lifetime_baterrai, bin=FALSE))

--- End of Session –