2019
PRAKTIKUM PROBABILITAS DAN STATISTIKA
MODUL
LABORATORIUM FKTI
JURUSAN TEKNOLOGI INFORMASI DAN KOMUNIKASI
UNIVERSITAS MULAWARMAN
MODUL PROBABILITAS DAN STATISTIKA
MODUL 1
A. Data Mentah
Data Mentah atau biasa disebut dengan Data Primer atau Data Raw sebuah koleksi
data dari sebuah sumber langsung tanpa perubahan apapun. Biasanya data ini masih
dikolektif secara acak atau belum diatur.
Contoh: Data Mentah nilai mahasiswa pada mata kuliah Probabilitas & Statistika
75 59 79 92 34 70 64 68
73 67 86 86 77 73 72 66
35 68 54 76 80 84 48 50
45 97 45 70 71 60 53 48
36 23 60 37 90 92 27 85
B. Data Array
Data Array adalah Data Mentah yang telah disajikan secara teratur, mau itu diatur
secara Ascending atau Descending.
Contoh: Data Array nilai mahasiswa pada mata kuliah Probabilitas & Statistika
secara Ascending (Dari Terkecil Kebesar)
23 27 34 35 36 37 45 45
48 48 50 53 54 59 60 60
64 66 67 68 68 70 70 71
MODUL PROBABILITAS DAN STATISTIKA
72 73 73 75 76 77 79 80
84 86 86 85 90 92 92 97
A. Tabel Frekuensi
Tabel Frekuensi adalah daftar nilai data (bisa nilai individual atau nilai data yang
sudah dikelompokkan) yang disertai dengan nilai frekuensi yang sesuai.
Pengelompokkan data ini dimaksudkan agar ciri-ciri penting data tersebut dapat
segera terlihat. Dan daftar frekuensi ini akan memberikan gambaran yang khas
tentang bagaimana keragaman data.
Karna sifat keragaman data sangat penting untuk diketahui, karena dalam pengujian
statistik selanjutnya kita harus selalu memperhatikan sifat dari keragaman data nya.
Tanpa memperhatikan sifat keragaman data nya, penarikan sebuah kesimpulan pada
umumnya tidaklah sah.
Sebagai contoh kita ambil Data nilai mahasiswa Probas yang sudah terurut
35 38 43 48 49 51 56 59 60 60
61 63 63 63 65 66 67 67 68 70
70 70 70 71 71 71 72 72 72 73
73 74 74 74 74 75 75 76 76 77
78 79 79 80 80 80 80 81 81 81
82 82 83 83 83 84 85 86 86 87
MODUL PROBABILITAS DAN STATISTIKA
88 88 88 88 89 90 90 90 91 91
91 92 92 93 93 93 95 97 98 99
Formula
- =MIN(CEL:CELL)
Formula
- =MAX(CELL:CELL)
MODUL PROBABILITAS DAN STATISTIKA
Formula
- =(Nilai_Max – Nilai_Min)
Formula
MODUL PROBABILITAS DAN STATISTIKA
- =COUNT(CELL:CELL)
Formula
- = 1 + 3.322 * Log (N)
Keterangan
- Dimana N = Banyaknya data
Formula
- =(Range/K)
Keterangan
- Dimana K adalah banyak kelas
A. Lower-Class Limit
Lower-Class Limit adalah bilangan terendah dari setiap kelas yang berbeda
MODUL PROBABILITAS DAN STATISTIKA
B. Upper-Class Limit
Upper-Class Limit adalah bilangan terbesar dari setiap kelas yang berbeda
C. Class Midpoints
Nilai titik tengah diantara Lower-Class Limit dan Upper-Class Limit dari
setiap kelas
Contoh : (60+69)/2 = 64.5
D. Class Boundaries
Class Boundaries adalah Nilai yang berada diantara kelas yang digunakan
untuk memisahkan kelas
MODUL PROBABILITAS DAN STATISTIKA
E. Class Width
Class Width adalah perbedaan antara dua batas kelas bawah yang berurutan
atau dua batas kelas yang berurutan
Interval
35 - 44
45 - 54
55 - 64
65 - 74
75 - 84
85 - 94
95 - 100
Pada kasus ini interval pada Upper-Class Limit pada kelas terakhir tidak bisa
mencapai nilai 105 karena kasus ini sudah pasti nilai interval hanya mencapai 1 –
100
Formula
- =FREQUENCY(Data_Array,Data_Bins)
Keterangan
- Data_Array didapat dari kumpulan Data Array
- Data_Bins didapat dari Semua Upper-Class Limit Dari semua kelas
Sebelum kita buat nilai frekuensi mari kita buat kolom Frekuensi sebelah Kolom
Interval
MODUL PROBABILITAS DAN STATISTIKA
MODUL 2
Perhatikan table pendapatan dari penjualan makanan tiap minggu dalam perbulan
Cek table tersebut dan tentukan minggu dan bulan manakah yang jumlah
pengeluarannya terbesar ? cukup sulit, bukan ? coba anda badingkan dengan contoh
diagram berikut
MODUL PROBABILITAS DAN STATISTIKA
Diagram tersebut menunjukan bahwa pengeluaran terbesar ada di minggu ke-4 bulan
Maret dan Juli, sedangkan terendah ada di minggu ke-1 Juni, Analisa jadi lebih
mudah bukan dengan membuat Grafik?
Contoh diatas hanyalah sebuah contoh sederhana, bayangkan bagaimana untuk data
besar seperti sensus penduduk, pastinya dengan membuat grafik dapat
mempermudah pembacaan dan analisis dari data.
MODUL PROBABILITAS DAN STATISTIKA
2. Histogram
Histogram adalah grafik yang menggambarkan suatu distribusi frekuensi dengan
bentuk beberapa segi empat. Grafik histogram hamper sama dengan diagram batang,
yang membedakannya hanya terletak pada gambar batangnya. Untuk histogram
dibuat berimpit antara batang atau dengan batang lainnya.
MODUL PROBABILITAS DAN STATISTIKA
3. Polygon Frekuensi
Poligon Frekuensi merupakan graik yang menghubungkan nilai tengah tiap sisi atas
yang berdekatan dengan nilai tengah jarak frekuensi mutlak masing-masing. Pada
dasarnya pembuatan grafik polygon sama dengan histogram. Hanya cara membuat
batas-batasnya yang bebeda
MODUL PROBABILITAS DAN STATISTIKA
Pilih Histogram
Klik 2x sumbu horizontal (horizontal category axis) pada histogram yang telah
dibuat sebelumnya. Kemudian pilih Axis Options
MODUL PROBABILITAS DAN STATISTIKA
Setelah kalian Pilih “By Category” pada bagian Bins maka histogram kalian akan
berubah secara otomatis
MODUL PROBABILITAS DAN STATISTIKA
Ubah nama sesuai kasus yang diberikan, menjadi “Histogram nilai Mahasiswa
matakuliah Probas”
Ubah nama sesuai kasus yang diberikan, menjadi “Polygon nilai Mahasiswa
matakuliah Probas”
MODUL PROBABILITAS DAN STATISTIKA
MODUL 3 &4
1. Diagram Ogive
Ogive adalah grafik yang digambarkan berdasarkan data yang sudah disusun
dalam bentuk tabel distribusi frekuensi kumulatif. Untuk data yang disusun
dalam bentuk tabel distribusi frekuensi kumulatif kurang dari, grafiknya
berupa ogive positif, sedangkan untuk data yang disusun dalam bentuk tabel
distribusi frekuensi kumulatif lebih dari, grafiknya berupa ogive negatif.
A. Ogive Positif
Sebagai contoh kita ambil dari data sebelumnya dengan menambahkan Kolom
Batas Atas dan Frekuensi Kumulatif “Kurang Dari”
Batas atas kelas diperoleh dengan cara menambahkan nilai tertinggi pada
kelas tersebut dengan 0,5. Misalnya pada kelas pertama, nilai tertingginya
adalah 44. Batas atas untuk kelas pertama adalah 44 + 0,5 = 44,5.
75 - 84 21 84.5 56
85 - 94 20 64.5 76
95 - 100 4 100.5 80
Maka Didapat Diagram Tersebut Seperti ini Dimana X adalah Batas Atas,
dan Y adalah Frekuensi Kumulatif Kurang Dari
B. Ogive Negatif
Sebagai contoh kita ambil dari data sebelumnya dengan menambahkan Kolom
Batas Atas dan Frekuensi Kumulatif “Kurang Dari”
Batas atas kelas diperoleh dengan cara mengurangi nilai terendah pada kelas
tersebut dengan 0,5. Misalnya pada kelas pertama, nilai terendahnya adalah
45. Batas atas untuk kelas pertama adalah 45 - 0,5 = 44,5.
Nilai frekuensi komulatif lebih dari diperoleh dengan cara mengurangi Total
Nilai frekuensi dengan semua frekuensi semua kelas. Misalnya, akan dicari
nilai Frekuensi Kumulatif “Lebih Dari” untuk kelas dengan rentang 55 – 64.
MODUL PROBABILITAS DAN STATISTIKA
2. Diagram Batang
MODUL PROBABILITAS DAN STATISTIKA
Diagram batang adalah grafik yang mewakili data dalam bentuk persegi panjang
vertikal atau horizontal.
Bagan batang akan menampilkan informasi dengan batang vertikal atau
horizontal dan memiliki lebar yang sama dengan batang yang terpisah.
Ada dua jenis diagram batang, yakni diagram batang vertikal
Kalkulus
Matemtika Diskrit
PBO
Framework
Alpro
Probas
0 20 40 60 80 100
MODUL PROBABILITAS DAN STATISTIKA
3. Diagram Kue/Pie
Apakah Anda pernah membuat diagram lingkaran sebelumnya? Diagram
lingkaran mirip seperti sebuah pizza yang diiris dengan porsi tertentu. Pada
konteks data, irisan pizza tersebut menggambarkan persentase data nilai atau
kuantitas. Ada irisan yang besar dan ada yang kecil semuanya bergantung pada
data yang ditampilkan. Apabila irisan tersebut dijumlahkan nilainya, maka
seharusnya akan menghasilkan 100 persen atau 360 derajat.
Contoh Diagram Kue/Pie
MODUL PROBABILITAS DAN STATISTIKA
4. Diagram Garis
Diagram garis biasanya menyajikan perubahan data dalam periode waktu
tertentu. Secara umum, diagram garis digunakan untuk melihat perkembangan
data tertentu yang berlangsung secara terus menerus atau berkelanjutan.
6. Diagram Pareto
Diagram Pareto adalah diagram suatu grafik batang (Nilai/Jumlah Asal) yang
dipadukan dengan diagram garis (Jumlah Kumulatif %) yang terdiri dari berbagai
faktor yang berhubungan dengan variabel yang disusun menurut besarnya
dampak factor tersebut.
Diagram diatur mulai dari yang paling tinggi sampai paling rendah dari kiri ke
kanan. Diagram batang bagian kiri relatif lebih penting daripada sebelah
kanannya. Nama diagram Pareto diambil dari prinsip Pareto, yang mengatakan
bahwa 80% gangguan berasal dari 20% masalah yang ada.
MODUL PROBABILITAS DAN STATISTIKA
Jika kita melihat suatu diagram batang daun secara seksama, maka diagram
ini akan terbagi menjadi dua kelompok bagian, yaitu bagian batang dan daun.
Pada bagian batang, biasnaya menunjukan angka-angka puluhan, sedangkan
pada bagian daun memuat angka-angka satuan.
MODUL PROBABILITAS DAN STATISTIKA
MODUL PROBABILITAS DAN STATISTIKA
MODUL 6, 7, & 8
3. Notasi Sigma
Sigma dalam bahasa sederhananya dapat dikatakan sebagai jumlah. Notasi sigma
adalah simbol untuk menjumlahkan sejumlah bilangan terurut yang mengikuti suatu
pola dan aturan tertentu.
∑ 𝑓(𝑘)
𝑘=𝑚
Dimana:
𝑚 = Batas Bawah
𝑛 = Batas Atas
𝑘 = Suku ke 𝑛
Coba bayang kan apabila kita mempunyai ekspresi penjumlahan seperti ini
Bayangkan apabila n sampai dengan 1000, merepotkan bukan maka akan lebih
simpel dengan menggunakan Notasi Sigma
𝑥1 + 𝑥2 + 𝑥3 + 𝑥4 + ⋯ + 𝑥𝑛
𝑥̅ =
𝑛
Dimana :
𝑥 = Bilangan
𝑛 = Banyaknya Data
Maka,
65 + 70 + 75 + 70 + 80 + 60 + 80 + 90 + 70 + 65
= 72,5
10
𝑛
𝐻=
1
∑𝑛𝑖=1( )
𝑥𝑖
Dimana:
𝐻 = Rata-rata harmonic
𝑛 = banyanya data
𝑥𝑖 = nilai data ke-i
Untuk memperjelas rumus di atas, berikut terdapat contoh beberapa angka: 2,3,5,6,6
5
𝐻=
1 1 1 1 1
+ + + +
2 3 5 6 6
5
𝐻=
41
31
𝐻 = 3.66
MODUL PROBABILITAS DAN STATISTIKA
𝒏
𝑮 = √𝒙𝟏 × 𝒙𝟐 × 𝒙𝟑 × … × 𝒙𝒏
Dimana :
𝐺 = Rata-rata geometric
𝑥1 … 𝑥𝑛 = Data ke-1
𝑛 = banyanya data
3
𝐺 = √3 ×4 ×6
3
= √72
= 4.160
MODUL PROBABILITAS DAN STATISTIKA
∑𝑛𝑖=1 𝑤𝑖 𝑥𝑖
𝑥̅ =
∑𝑛𝑖=1 𝑤𝑖
Dimana :
𝑥̅ = Rata – rata tertimbang (Weighted Mean)
𝑥𝑖 = Nilai data ke-i
𝑤𝑖 = Jumlah Data
Sederhananya seperti ini, terdapat sebuah sekolah yang menerima pendaftaran siswa
baru. Salah satu penilaiannya adalah angka di rapor. Proses seleksi berfokus pada
beberapa mata pelajaran tertentu dan memiliki bobot masing-masing dalam
penilaiannya seperti, Matematika memiliki bobot 40, IPA bobot nilainya 30, Bahasa
Indonesia bobot nilainya 15, dan Bahasa Inggris bobot nilainya 15. Untuk dapat
diterima di sekolah tersebut, calon siswa setidaknya memiliki nilai raport rata-rata
70 berdasarkan bobot yang sudah ditentukan.
Nah, terdapat dua orang calon siswa, sebut saja Budi dan Toni yang memiliki nilai
raport sebagai berikut:
Budi: Toni:
MODUL PROBABILITAS DAN STATISTIKA
Matematika : 80 Matematika : 60
IPA : 75 IPA : 70
Bahasa Indonesia : 70 Bahasa Indonesia : 80
Bahasa Inggris : 60 Bahasa Inggris : 85
Di antara kedua siswa di atas, siapa yang kira-kira berpotensi untuk lolos seleksi?
Apabila dihitung dengan rata-rata tertimbang sebagai berikut:
Budi :
(40 × 80) + (30 × 75) + (15 × 70) + (15 × 60)
= 74
40 + 30 + 15 + 15
Tono :
(40 × 60) + (30 × 70) + (15 × 75) + (15 × 85)
= 69
40 + 30 + 15 + 15
Belum selesai di sana, kita coba hitung rata-rata masing-masing dengan metode rata-
rata aritmatika biasa.
Budi :
80 + 75 + 70 + 60
= 71.5
4
Toni :
60 + 70 + 75 + 85
= 72.5
4
MODUL PROBABILITAS DAN STATISTIKA
Nah, apabila dilihat dari rata-rata tertimbang yang lolos seleksi adalah Budi. Namun,
pada perhitungan rata-rata aritmatika keduanya lolos seleksi. Kenapa hal itu bisa
terjadi?
Dari hasil tersebut bisa kita ketahui bahwa nilai rata-rata tertimbang dan rata-rata
aritmatika dari Budi masing-masing (74) dan (71,5). Begitu pula dengan Toni rata-
rata tertimbang dan aritmatikanya masing-masing (69) dan (72,5). Rata-rata
tertimbang Budi lebih besar dari Toni, Namun, rata-rata aritmatika Budi lebih kecil
dari Toni.
Jika kita lihat kembali setiap nilai datanya, bisa kita ketahui bahwa rendahnya nilai
rata-rata tertimbang Toni disebabkan nilai matematikanya paling rendah di antara
mata pelajaran lainnya. Padahal matematika memiliki bobot penilaian yang paling
besar. Sedangkan nilai Bahasa Inggris Toni paling tinggi, tetapi bobotnya paling
kecil. Alhasil, ini tak berpengaruh besar dalam meningkatkan rata-rata nilainya.
8. Sifat Sifat Mean
Beberapa sifat rata-rata hitung atau mean, antara lain sebagai berikut:
1. Nilai rata-rata hitung atau mean di pengaruhi oleh pengamatan atau observasi.
2. Nilai rata-rata atau mean sanggup menyimpang terlalu jauh, dikarenakan rata-
kelas terbuka.
4. Nilai rata-rata atau mean iyalah rata-rata yang paling terkenal, sehingga
6. Jika selisih semua nilai pengamatan dengan nilai rata-rata hitung dikuadratkan
maka jumlah lebih kecil dari pada jumlah penyimpangan kuadrat semua nilai
pengamatan dari titik lain selai rata-rata hitung.
7. Nilai rata-rata atau mean sanggup dimanipulasi secara aljabar.