8 //// 4
7 //// //// //// //// /// 23
6 //// //// //// //// //// /// 28
5 //// //// //// / 16
4 / 1
N = 72
dan nilai terrendah adalah 4, karena hanya mendapat
frekuensi 1. Tabel yang akan disajikan jari-jari tidak perlu
ada, tetapi frekuensi perlu dimuat dalam
Tabel 2
Nilai Matematika 72 Orang Siswa SD Kabupaten Sleman
Nilai (X) Frekuensi (f)
8 4
7 23
6 28
5 16
4 1
Jumlah 72
Tes : Psikotes
Subyek: Calon mahasiswa
Tahun: 2009-2010
Jumlah 71 orang
18 13 16 4 10 10 15 17 16 16
21 22 20 7 (23) 10 18 (3) 10 8
10 11 10 10 6 11 23 19 19 20
21 12 10 17 7 12 5 9 12 15
12 12 16 20 14 15 14 15 16 15
17 16 16 14 14 15 19 13 15 14
21 8 19 19 19 13 13 19 14 13
20
Tabel 3
Hasil Psikotes Calon Pegawai Tahun:
2009-2010
Kelompok Nilai Frekuensi (f)
21-23 6
18-20 13
15-17 17
12-14 16
9-11 11
6-8 5
3-5 3
Jumlah 71
Probabilitas adalah sehimpunan kemungkinan, kemungkinan
dapat berubah pada proses produksi didunia industri secara
kasar mempunyai efek yang sama terhadap keragaman suku
cadang seperti halnya faktor peluang.
Ukuran secara aljabar dari distribusi frekuensi
dikarakteristikan sebagai berikut :
Kecenderungan terpusat : Sesuatu yang merupakan nilai yang
respresentatif (terwakili). Untuk keperluan industri ada dua
ukuran yang bernilai yaitu rata-rata dan median.
Bentangan (Pencaran) : Berapa besar keberagaman yang
terdapat disana. Untuk keperluan industri ada dua ukuran yang
bernilai yaitu deviasi standart dan rentang.
Aksioma :
1. 0 < P(A) < 1 : probabilitas kemungkinan, artinya
kejadian atau peristiwa tersebut dapat atau tidak dapat
terjadi.
2. P (A) = 0 : probabilitas kemustahilan, artinya kejadian
atau peristiwa tersebut tidak akan terjadi.
3. P(A) = 1 : probabilitas kepastian, artinya kejadian atau
peristiwa tersebut pasti terjadi.
Perumusan Probabilitas :
P(A) : Peluang kejadian A
P (A∩B) : Peluang kejadian A irisan B
P(A ∪ B) : Kejadian saling lepas dimana,kejadian A dan B
tidak mungkin terjadi secara bersamaan.
{P(A ∪ B) = P (A) + P(B); P (A∩B) = 0 }.
P(A’) : Kejadian A’ adalah kumpulan titik sampel yang
merupakan titik sampel S tetapi bukan merupakan titik
sampel A. { P(A’) = 1 - P(A) }.
P(A ∩ B) = P(A).P(B) : Kejadian saling bebas ( kejadian A
tidak mempengaruhi kejadian B)
A. Rata-rata
Angka rata-rata atau jumlah semua angka/nilai dibagi
dengan jumlah individu.
rumus mean : X1 + X2 + X3. . . Xn-1 + Xn
disingkat M = ∑fX
N N
Mis:lima orang berpenghasilan 10, 12, 13, 15 dan 20 per
hari
maka rata-rata penghasilan : 10 + 12 + 13 + 15 + 20 = 14
5
Interval Nilai Titik Tengah (X) f fX
145 – 149 147 1 147
140 – 144 142 3 426
135 – 139 137 5 685
130 – 134 132 8 1056
125 – 129 127 11 1397
120 – 124 122 17 2074
115 – 119 117 21 2457
110 – 114 112 22 2464
105 – 109 107 24 2568
100 – 104 102 20 2040
95 – 99 97 15 1455
90 – 94 92 12 1104
85 – 89 87 6 522
80 - 84 82 2 164
s = √ NxfX²- (fX)²
N x(N-1)
Distribusi frekuensi yang paling penting
dalam statistika adalah distribusi normal.
Distribusi normal berupa kurva berbentuk
lonceng setangkup yang melebar tak
berhingga pada kedua arah positif dan
negatifnya. Distribusi normal sering pula
disebut Distribusi Gauss untuk menghormati
Gauss (1777 – 1855), yang juga menemukan
persamaannya waktu meneliti galat dalam
pengukuran yang berulang-ulang mengenai
bahan yang sama. (Gauss, 1777)
Karakteristik Kurva Distribusi Normal
Kurva berbentuk genta (m= Md= Mo)
Kurva berbentuk simetris
Kurva normal berbentuk asimptotis
Kurva mencapai puncak pada saat X= m
Luas daerah di bawah kurva adalah 1; ½ di sisi kanan nilai
tengah dan ½ di sisi kiri.
Sifat-sifat penting distribusi normal adalah sebagai berikut:
Grafiknya selalu berada di atas sumbu x
Bentuknya simetris pada x = µ
Mempunyai satu buah modus, yaitu pada x = µ
Luas grafiknya sama dengan satu unit persegi, dengan rincian
◦ Kira-kira 68% luasnya berada di antara daerah µ – σ dan µ + σ
◦ Kira-kira 95% luasnya berada di antara daerah µ – 2σ dan µ + 2σ
◦ Kira-kira 99% luasnya berada di antara daerah µ – 3σ dan µ + 3σ
Pada proses pembandingan bentuk kurva ada beberapa
hal yang perlu diperhatikan.
1. Distribusi probabilitas kurva normal dengan
nilai rata-rata sama dan standar deviasi berbeda.
Semakin besar standar deviasi, maka kurva akan
semakin pendek. Semakin tinggi nilai standar deviasi,
maka kurva akan semakin runcing.
2. Distribusi probabilitas kurva normal dengan
nilai rata-rata berbeda dan nilai standar deviasi sama.
Kedua kurva ini akan memiliki bentuk yang sama,
akan tetapi letaknya yang akan berbeda.
3. Distribusi probabilitas kurva normal dengan
nilai rata-rata berbeda dan nilai standar deviasi yang
berbeda. Kedua kurva ini akan memiliki bentuk yang
berbeda sama sekali.
Persamaan matematika distribusi peluang
peubah normal kontinu bergantung pada dua
parameter μ dan σ yaitu rataan dan
simpangan baku. Jadi fungsi padat x akan
dinyatakan dengan n (x; μ, σ). Begitu μ dan σ
diketahui maka seluruh kurva normal
diketahui. Sebagai contoh, bila μ = 50 dan σ
= 5, maka ordinat n(x ; 50, 5) dapat dengan
mudah dihitung untuk berbagai harga x dan
kurvanya dapat digambarkan. Kedua kurva
bentuknya persis sama tetapi titik tengahnya
terletak di tempat yang berbeda di sepanjang
sumbu datar. (Walpole, 1995)
Distribusi Normal Standar: adalah distribusi normal
yang telah diubah ke dalam satuan angka standar
sehingga mempunyai mean sama dengan nol dan deviasi
standar sama dengan satu. Satuan angka standar yang
dihasilkan dari koversi ini disebut Skor-z.
Pengubahan skor mentah menjadi skor-z dilakukan
dengan menggunakan rumusan berikut :
z = (X-M)/s (Saifuddin Azwar, 1996: 44)
atau
z = x/SD (Sutrisno Hadi, 1989:96)
Dengan transformasi tersebut diperoleh distribusi normal Z yang dengan rata-
rata μ = 0 dan simpangan baku σ = 1 atau ditulis N(0,1). Distribusi
normal Z sseperti ini disebut sebagai distribusi normal standard. Dengan
demkian fungsi distribusi f(x) berubah menjadi fungsi distribusi f(Z) yaitu
:
e = 2,71828
π = 3,14159
2. Standar Deviasi
SD = = √N x fX² - (fX)²
N x( N-1)
= √30 x 3654,6 – (331)^2
30 x 29
= 0,29749915
3. Peluang berat bersih waferroll deka kurang dari 11,9 gram
z = x – M = 11,9 – 11,03 = 2,93
SD 0,297
P(x < 11,9) = P(z < 2,93) = 0,9983
Jadi, peluang berat bersih waferroll deka kurang dari 11,9 gram yaitu
0,9983