DISTRIBUSI GAMMA, EKSPONENSIAL, DAN CHI-

KUADRAT

Dosen Pengampu: Agus Ahmad Durri, M.Pd

Disusun oleh:
Hadhona Fatmah Syakira 2008105052
Muhammad Hikmal 2008105053
Shally Nazzilah Sulthanika 2008105055

JURUSAN TADRIS MATEMATIKA

FAKULTAS ILMU TARBIYAH DAN KEGURUAN (FITK)
INSTITUT AGAMA ISLAM NEGERI (IAIN) SYEKH NURJATI
CIREBON
2021
 KATA PENGANTAR
Puji syukur kehadirat Tuhan Yang Maha Kuasa atas segala limpahan
Rahmat, Taufik dan Hidayahnya sehingga kami dapat menyelesaikan penyusunan
makalah ini. Semoga makalah ini dapat dipergunakan sebagai salah satu acuan,
petunjuk maupun pedoman bagi pembaca dalam profesi keguruan untuk
dipraktekkan dalam dunia pendidikan.
Harapan kami semoga makalah ini membantu menambah pengetahuan dan
pengalaman bagi para pembaca, sehingga kami dapat memperbaiki bentuk
maupun isi makalah ini sehingga kedepannya dapat lebih baik.
Makalah ini kami akui masih banyak kekurangan karena pengalaman yang
kami miliki masih kurang. Oleh kerena itu kami harapkan kepada para pembaca
untuk memberikan masukan-masukan yang bersifat membangun untuk
kesempurnaan makalah ini.

Cirebon, 26 November 2021

Penulis

i
 DAFTAR ISI
KATA PENGANTAR ............................................................................................ i
DAFTAR ISI ......................................................................................................... ii
BAB I PENDAHULUAN ....................................................................................... 1
1.1 Latar Belakang Masalah .......................................................................... 1
1.2 Rumusan Masalah ................................................................................... 2
1.3 Tujuan ...................................................................................................... 2
1.4 Manfaat .................................................................................................... 2
BAB II PEMBAHASAN ....................................................................................... 3
2.1. Distribusi Gamma .................................................................................... 3
2.2. Distribusi Eksponensial ........................................................................... 4
2.3. Distribusi Chi-Kuadrat ............................................................................ 6
BAB III PENUTUP ............................................................................................. 12
3.1. Kesimpulan ............................................................................................ 12
3.2. Saran ...................................................................................................... 12
DAFTAR PUSTAKA .......................................................................................... 13

ii
 BAB I PENDAHULUAN

1.1 Latar Belakang Masalah

Salah satu distribusi kontinu dalam statistika adalah distribusi gamma,
eksponensail, dan chi-kuadrat yang dapat digunakan untuk menyelesaikan banyak
persolan dalam bidang rekayasa dan sains. Distribusi gamma, eksponensail, dan
chi-kuadrat adalah salah satu teori dari distibusi probabilitas yang banyak
digunakan untuk menarik kesimpulan atau menguji sebuah hipotesis statistika.
Data uji hidup atau uji reliabilitas merupakan peluang bahwa komponen tersebut
akan berfungsi sebagaimana mestinya selama, paling sedikit, sampai jangka
waktu tertentu dalam percobaan yang telah ditentukan. Dalam uji reliabilitas
terdapat beberapa fungsi yang digunakan untuk menentukan reliabilitas suatu
system diantaranya adalah fungsi ketahanan (survival function) dan fungsi
kegagalan (failure rate function). Namun, kekurangan dari distribusi Gamma
adalah memiliki fungsi ketahanan (survival function) yang tidak dapat ditentukan
bentuk khususnya, kecuali jika parameter bentuknya berupa bilangan natural. Hal
ini menyebabkan distribusi Gamma sedikit digunakan dibandingkan dengan
distribusi Weibull karena mempunyai fungsi kegagalan dan ketahanan yang lebih
sederhana.
Distribusi Gamma banyak dimamfaatkan untuk mengetahui atau
menghitung jarak antara waktu tiba di fasilitas pelayanan (misalnya, bank dan
loket tiket kereta api), dan lamanya waktu sampai rusaknya suku cadang dan alat
listrik. Distribusi Gamma sendiri mempunyai hubungan dengan distribusi
eksponensial, kedua dstribusi tersebut memungkinkan kedua distribusi tersebut
digunakan dalam persoalan yang sama. Oleh karena itu Distribusi Gamma sangat
penting untuk dipelajari pada masa sekarang ini, karena sangat berguna untuk
mengetahui dan mempelajari pengaruh dari satu variabel terhadap variabel lain
pada suatu masalah yang dihadapi. Hal tersebut yang melatar belakangi penulisan
makalah ini.

1
1.2 Rumusan Masalah
Rumusan masalah dari makalah dengan judul distribusi gamma,
eksponensail, dan chi-kuadrat ini adalah sebagai berikut:
1. Apa itu distribusi gamma, eksponensail, dan chi-kuadrat?
2. Bagaimana aplikasi dari distribusi gamm, eksponensail, dan chi-kuadrat ?

1.3 Tujuan
Tujuan dari pembuatan makalah ini adalah sebagai berikut:
1. Untuk mengetahui distribusi gamma, eksponensail, dan chi-kuadrat serta
aplikasi yang menggunakan perhitungan distribusi gamma, eksponensail,
dan chi-kuadrat.
2. Untuk mengetahui macam-macam model distribusi gamma, eksponensail,
dan chi-kuadrat serta memahami rumus dari distribusi gamma,
eksponensail, dan chi-kuadrat mulai dari simbol-simbol distribusi gamma,
eksponensail, dan chi-kuadrat.

1.4 Manfaat
Pembuatan makalah ini diharapkan memberikan manfaat bagi
berbagai pihak sebagai berikut:
1. Menyediankan informasi terkait dari distribusi Gamma, Eksponensail, dan
Chi-Kuadrat agar dapat mudah dipahami oleh penulis dan pembaca.
2. Menyediakan informasi dalam penerapan distribusi Gamma dalam
menghadapi persoalan yang berhubungan erat dalam kehidupan sehari-
hari.
3. Memahami distribusi Gamma, Eksponensail, dan Chi-Kuadrat untuk
mengurangi terjadi kesalahan dalam penerapannya.

2
 BAB II PEMBAHASAN
2.1 Distribusi Gamma
2.1.1 Kajian Teori Distribusi Gamma
Eksperimen-eksperimen probabilitas yang hasilnya menunjukkan
suatu bentuk distribusi yang mempunyai variasi ukuran kemencengan yang
cukup signifikan, distribusi Gamma merupakan salah satu alternatif model
yang banyak digunakan.
• Fungsi Gamma r () adalah :

Sifat-sifat penting fungsi Gamma adalah :

1. Untuk sebuah bilangan bulat positif n,  (n) = (n – 1) !
2. Didefinisikan =  (1/2) = π
• Distribusi Gamma
Peubah acak kontinu x berdistribusi Gamma dengan parameter  dan , bila
padatnya diberikan oleh :

= 0 untuk x lainnya
Bila  > 0 dan  > 0
• Distribusi Gamma Standard
Jika parameter skala sebuah distribusi Gamma  = 1 diperoleh suatu
distribusi Gamma standar.

• Nilai mean dari distribusi Gamma adalah:  = 

• Nilai variansi dari distribusi Gamma adalah: 2 = 2
2.1.2 Contoh Soal dan Penyelesaian
Variable acak kontinu x yang menyatakan ketahanan suatu bantalan
peluru (dalam ribaun jam) yang diberi pembebanan dinamis pada suatu
putaran kerja tertentu mengikuti suatu distribusi Gamma dengan  = 8 dan

3
  = 15, Tentukan, probabilitas sebuah bantalan peluru dapat digunakan
selama 60 ribu-120 ribu jam dengan pembebanan dinamik pada putaran kerja
tersebut! Hitunglah mean dan variansi di atas!
Penyelesaian:
P (60 x  120) = P (x  120) – P (x  60)
= FG (120; 8 , 15) - FG (60 ; 8, 15 )
= FG (120/15 ; 8) - FG (60/15; 8)
= FG (8 ;8) - FG (4 ; 8)
= 0,5470 – 0,0511 = 0,4959
Mean : x = E(X) = = (8)(15) = 120
Varians : 2 2 2 (8)(15 ) 1800 42,43 x x  = = = → =

2.2 Distribusi Eksponensial

2.2.1 Kajian Teori Distribusi Eksponensial
Distribusi eksponensial adalah keadaan khusus distribusi gamma.
Distribusi gamma yang khusus dengan  = 1 disebut distribusi eksponensial.
Peubah acak kontinu X mempunyai distribusi eksponensial dengan parameter
𝛽, jika fungsi padat peluangnya berbentuk:
1
𝑒 −𝑥⁄𝛽 , 𝑥 ≥ 0
f(x) = { 𝛽
0, 𝑢𝑛𝑡𝑢𝑘 𝑥 𝑦𝑎𝑛𝑔 𝑙𝑎𝑖𝑛 𝑑𝑒𝑛𝑔𝑎𝑛 𝛽 > 0
Rataan dan variansi dari distribusi gamma adalah
 = 𝛽 dan 2 = 𝛽 2
 = 𝛽 dan 2 = 𝛽 2
Aplikasi distribusi eksponensial:
1. Dalam teori antrian, jarak antar kedatangan pelanggan di fasilitas
pelayanan (seperti bank, loket kereta api, tukang cukur, dsb) memnuhi
distribusi eksponensial.
2. Lama waktu mulai dipakai sampai rusaknya suatu suku cadang dan alat
listrik memenuhi eksponensial.
Peluang panjang selang waktu kejadian pertama terjadi sampai
melewati X sama dengan peluang tidak ada kejadian. Fungsi distribusi
kumulatif dari X adalah:

4
 P(0≤X≤ 𝑥) = 1 – (X≥ 𝑥) = 1 - 𝑒 −𝜆𝑥
Fungsi idensitas adalah turunan fungsi di atas:
F(x) = 𝜆𝑒 −𝜆𝑥
Yang merupakan fungsi padat peluang distribusi eksponensial dengan 𝜆 = 1/ 𝛽
Hal yang perlu diperhatikan adalah parameter 𝜆 dan 𝛽. Rataan dari
distribusi eksponensial adalah 𝛽 yang sama dengan 1/ 𝜆. 𝛽 adalah rataan
antara dua kejadian yang berurutan. Teori keandalan (reality) yang
menyangkut kegagalan peralatan sering memenuhi prose Poisson, di sini 𝛽
dapat mempresentasikan waktu rata-rata antara kegagalan. Banyak kerusakan
peraratan memenuhi proses Poisson, dank arena itu distribusi eksponensial
dapat diterapkan di situ.
• Hubungan dengan proses Poisson
Hubungan antara distribusi eksponensial dan proses Poisson cukup
sederhana. Misalkan proses Poisson dengan parameter 𝜆, dimana 𝜆 adalah
banyaknya kejadian dalam satu satuan waktu. Misalkan X adalah peubah
acak yang menyatakan panjang selang waktu yang diperlukan agar
kejadian pertama terjadi. Dengan distribusi Poisson, peluang tidak ada
kejadian yang muncul sampai selang waktu t adalah
𝑒 −𝜆𝑡 (𝜆𝑡)0
P(0; 𝜆t) = = 𝑒 −𝜆𝑡
0!

• Hubungan distribusi Poisson, Eksponensial, dan Gamma

Pada suatu kejadian yang mengikuti proses Poisson, waktu antar
kejadian (atau waktu kejadian pertama atau ke-1 dari kejadian terakhir,
karena sifatnya yang memoryless) tersebut akan berdistribusi eksponensial.
Sedangkan waktu sampai terjadinya kejadian ke- α akan berdistribusi
gamma.

2.2.2 Contoh Soal dan Penyelesaian

Contoh 1
Hari-hari antara kecelakaan pesawat terbang 1948-1961 berikut distribusi
eksponensial dengan rata-rata 44 hari antara setiap kecelakaan. Jika satu
terjadi pada 1 Juli setiap tahun tertentu:

5
 a. Berapa probabilitas dari yang lain seperti kecelakaan dalam sebulan?
b. Berapa varians dari waktu antara kecelakaan di tahun tersebut?
Solusi :
Distribusi eksponensial tidak memiliki memori, maka sebuah kecelakaan di
bulan tertentu tidak memiliki bantalan pada setiap periode waktu lainnya.
Jadi:
a. probabilitas kecelakaan selama 31 hari adalah
P (31) = 1 – 𝑒 (−31/44) = 0,506
b. varians dari distribusi eksponensial adalah
(442 ) = 1936
Contoh 2
(aplikasi Distribusi Eksponensial) Suatu sistem mengandung sejenis
komponen yang daya tahannya dalam tahun dinyatakan oleh peubah acak T.
Peubah acak T berdistribusi eksponensial dengan parameter waktu rataan
sampai gagal 𝛽 = 5. Jika terdapat 5 buah komponen dipasang pada system
yang berlainan, tentuakan peluang sekurang-kurangnya 2 komponen masih
berfungsi sampai akhir tahun ke-8.
Jawaban: Peluang komponen masih berfungsi hingga akhir tahun ke-8 adalah
1 ∞
P(T > 8) = 5 ∫8 𝑒 𝑡⁄5 = 𝑒 8⁄5 ≈ 0,2

Misalkan X adalah jumlah komponen yang masih berfungsi hinggan akhir

tahun ke-8, maka dengan distribusi binomial
P(X≥ 𝑥) = ∑5𝑥=2 𝑏(𝑥; 5,0.2)
= ∑1𝑥=0 𝑏(𝑥; 5,0.2) = 1- 0,7373 = 0,2627

2.3 Distribusi Chi-Kuadrat

2.3.1 Kajian Teori Distribusi Chi-Kuadrat
Hasil Eksperimen seringkali harus diklasifikasikan ke dalam lebih dari dua
kategori dan distribusi binomial tidak mungkin digunakan. Apabila unsur
populasi diklasifikasikan ke dalam salah satu dari sejumlah k kategori dan k
> 2, maka populasi yang demikian dinamakan populasi multinomial. Apabila
proporsi unsur tiap kategori tidak berubah oleh karena proses pemilihan
sampel, maka distribusinya dinamakan distribusi multinomial. Kedua jenis

6
per-soalan di atas dapat dipecahkan dengan distribusi probabilitas yang
sama, yaitu dengan distribusi Chi-Kuadrat yang dikemukakan oleh Karl
Pearson.
Diketahui distribusi variabel random x1, x2, ..., xn yang normal mempunyai
mean(x) = E(x) =  dan variansi(x) = 2. Variabel random normal demikian
dapat diubah ke dalam bentuk standar dengan rumus:
𝑥− 
z= 

dengan E(x) = 0 dan variansi(x) = 2 = 1.

Misalkan terdapat statistik 𝒳 2 = x12 + x22 + ... + xn2, maka statistik ini
mempunyai distribusi Chi-Kuadrat (𝒳 2 ) dengan fungsi kepadatan:
1
f(x) = Γ𝑛⁄2 2−𝑛⁄2 𝑥 (𝑛⁄2)−1 𝑒 −1⁄2 ; x > 0

= 0 ; x lainnya
dengan n adalah jumlah variabel random independen yang
dijumlahkan dan mempunyai derajat bebas sebesar n.
Distribusi Chi-Kuadrat antara lain digunakan untuk menguji kompatibilitas,
menguji sifat independensi dan sifat homo-genitas.
• Pengujian tentang Kompatibilitas (Tes Goodness of Fit)
Dalam pengujian tentang kompatibilitas, permasalahan yang
dihadapi adalah menguji apakah frekuensi yang diobservasi memang
konsisten dengan frekuensi teoritisnya ?
Apabila konsisten, maka tidak terdapat perbedaan nyata, dengan
kata lain hipotesisnya dapat diterima. Sebaliknya apabila tidak ada
konsistensi, maka hipotesisnya ditolak. Artinya hipotesis teoritisnya tidak
didukung oleh hasil observasinya. Rumus yang digunakan adalah:
(𝑂𝑖 − 𝐸𝑖 )2
𝒳2 = ∑ 𝐸𝑖

𝑂𝑖 = frekuensi observasi dan

𝐸𝑖 = frekuensi teoritis dengan derajat bebas = k - 1
𝒳 2 merupakan ukuran perbedaan antara frekuensi observasi dengan frekuensi
teoritis. Apabila tidak ada perbedaan antara frekuensi observasi dengan
frekuensi teoritis, maka 𝒳 2 = 0. Semakin besar perbedaan antara frekuensi

7
observasi dengan frekuensi teoritis, maka nilai 𝒳 2 akan semakin besar pula.
Nilai 𝒳 2 akan dievaluasi dengan distribusi Chi-Kuadrat.
Prosedur pengujian hipotesis dilakukan dengan langkahlangkah
sebagai berikut:
1. Menyatakan Ho dan hipotesis alternatifnya,
2. Tentukan taraf nyata (tingkat signifikansi),
3. Tentukan statistik uji 𝒳 2 dan derajat bebasnya,
4. Tentukan daerah penolakannya,
5. Hitung 𝒳 2 dan tentukan ditolak atau diterima Ho-nya
• Pengujian Sifat Independensi
Apabila klasifikasi data sampel maupun data populasi dalam
beberapa atribut distribusi probabilitasnya tidak 107 diketahui, maka
pengujian kompatibilitasnya sulit digunakan. Misalkan setiap konsumen
dapat diklasifikasikan menurut penghasilannya dan kualitas sepatu yang
digunakan, sedangkan proporsi tiap golongan dalam populasi tidak
diketahui.
Persoalan yang ingin diketahui adalah apakah ada hubungan antara
penghasilan dengan kualitas sepatu yang digunakan. Pengujian yang
demikian ini disebut pengujian sifat independensi (test of independence).
Dalam pengujian, hipotesis ini hanya sampai pada kesimpulan
apakah kedua atribut tersebut mempunyai sifat independensi atau tidak.
Pengujian tersebut tidak akan menjawab sampai derajat asosiasinya.
• Pengujian sifat Homogenitas
Dalam pengujian hipotesis kadang-kadang dihadapkan pada suatu
masalah apakah dua sampel atau lebih berasal dari satu populasi, atau
dengan kata lain apakah satu sampel dengan sampel yang lain
mempunyai persamaan. Penguj ian untuk mengetahui apakah dua sampel
atau lebih bersifat homogen disebut pengujian homogenitas.

8
2.3.2 Contoh Soal dan Penyelesaian
• Pengujian tentang Kompatibilitas (Tes Goodness of Fit)
Dari eksperimen pelemparan sebuah dadu sebanyak 42 kali
diperoleh frekuensi (𝑂𝑖 ) dan frekuensi yang diharapkan (𝐸𝑖 ) sebagai
berikut:
𝒳𝑖 1 2 3 4 5 6 Jumlah
𝑂𝑖 13 3 4 10 3 9 42
𝐸𝑖 7 7 7 7 7 7 42
Prosedur pengujian hipotesisnya dilakukan dengan langkah-langkah:
1. H0 : probabilitas semua kejadian sama,
H1 : ada pi  pj
2. Taraf nyata () = 0,05
3. Statistik uji:
(𝑂𝑖 − 𝐸𝑖 )2
𝒳2 = ∑ 𝐸𝑖

dengan derajat bebas = 6 - 1 = 5

4. Daerah penolakan dengan  = 0,05 menjadi:
2
𝒳 2 > 𝑋(0,5;5) = 1,11
5. Hitungan:
(13−7)2 (3−7)2 (9−7)2
𝒳2 = + +…+ = 12,997
7 7 7

Karena 12,997 > 11,1, maka Ho ditolak. Dengan kata lain, dadu yang
digunakan dalam eksperimen tidak seimbang.
• Pengujian Sifat Independensi
Misalkan sebuah sampel sebesar n = 300 yang dipilih dari suatu
populasi, ternyata diperoleh:
100 orang mempunyai penghasilan tinggi,
200 orang mempunyai penghasilan rendah,
150 orang menggunakan sepatu dengan kualitas baik,
150 orang menggunakan sepatu dengan kualitas rendah.
Apabila dari kelompok yang berpenghasilan tinggi ada 40 orang yang
menggunakan sepatu kualitas baik, maka dengan demikian sisanya
sebanyak 60 orang menggunakan sepatu dengan kualitas rendah.

9
 Untuk kelompok yang berpenghasilan rendah, ada 110 orang yang
menggunakan sepatu kualitas baik dan sisanya sebanyak 90 orang
menggunakan sepatu dengan kualitas rendah.
Dari data di atas dapat dibuat tabel sebagai berikut:
Jenis penghasilan Kualitas sepatu Jumlah baris
baik rendah
Tinggi 40 (50) 60 (50) 100
Rendah 110 (100) 90 (100) 200
Jumlah kolom 150 150 300

Prosedur pengujian hipotesisnya dilakukan dengan langkah-langkah:

1. H0 : tingkat penghasilan dan jenis sepatu yang digunakan independen,
H1 : tingkat penghasilan dan jenis sepatu yang digunakan tidak
independen (dependen)
2. Taraf nyata () = 0,05
3. Statistik uji:
(𝑂𝑖 − 𝐸𝑖 )2
𝒳2 = ∑ 𝐸𝑖

dengan deraj at bebas = (r -1) (c - 1) = 1

4. Daerah penolakan dengan  = 0,05 menjadi:
2
𝒳 2 > 𝑋(0,5;1) = 3,841
5. Hitungan:
(40−50)2 (60−50)2 (110−100)2 (90−100)2
𝒳2 = + + + =6
50 50 100 100

Karena 6 > 3,8411, maka Ho ditolak. Dengan kata lain

ada hubungan antara tingkat penghasilan dengan
sepatu yang digunakan.
• Pengujian sifat Homogenitas
Sebagai contoh, suatu survei dilakukan untuk menentukan
apakah kebiasaan merokok sama untuk berbagai tingkat golongan
pegawai. Sampel random dengan 50 pegawai golongan IV, 70 pegawai
golongan III dan 100 pegawai golongan II serta 100 pegawai golongan I.
Dari hasil wawancara diper-oleh hasil sebagai berikut:

10
 Golongan Perokok Bukan Perokok Jumlah Baris
IV 6 (13,3) 44 (36,7) 50
III 18 (18,6) 52 (51,4) 70
II 26 (26,6) 74 (73,4) 100
I 35 (26,6) 65 (73,4) 100
Jumlah kolom 85 235 320

Prosedur pengujian hipotesisnya dilakukan dengan langkah-langkah:

1. H0 : pi1 = p1 dan pi2 = p2 , i = 1, 2, 3, 4
H1 : tidak demikian
2. Taraf nyata () = 0,025
3. Statistik uji:
(𝑂𝑖 − 𝐸𝑖 )2
𝒳2 = ∑ 𝐸𝑖

dengan derajat bebas = (r -1) (c - 1) = 3

4. Daerah penolakan dengan  = 0,025 menjadi:
2
𝒳 2 > 𝑋(0,25;3) = 9,348
5. Hitungan:
(6−13,3)2 (44−367)2 (45−73,4)2
𝒳2 = + +…+ = 9,118
13,3 36,7 73,4

Karena 9,118 < 9,348, maka Ho tidak ditolak. Ini

mengandung arti bahwa tingkat kebiasaan merokok
untuk berbagai tingkat golongan pegawai sama
(homogen)

11
 BAB III PENUTUP

3.1 Kesimpulan
Berdasarkan uraian pada makalah dapat disimpulkan bahwa:
1. Jika 𝛼 = 1, fungsi rasio kegagalan dari distribusi Gamma merupakan fungsi
naik untuk 𝛽 > 1 dan merupakan fungsi turunan untuk 𝛽 < 1.
2. Jika 𝛽 = 1, fungsi rasio kegagalan dari distribusi Gamma merupakan suatu
fungsi naik untuk 𝛽 > 1 dan merupakan fungsi turun untuk 𝛽 < 1.

3.2 Saran
Agar dalam penyelesaian kasus distribusi gama dapat dikerjakan, maka
perlu terlebih dahulu harus memahami rumus-rumus yang distribusi gama,
baik tentang rumus fungsi distribusi Gamma hingga mean dan variansi.

12
 DAFTAR PUSTAKA
Harinaldi. 2005. Prinsip-prinsip Statistik untuk Teknik dan Sains.
Erlangga:Jakarta.
Spiegel, Murray R, dkk. 2004. Probabilitas Dan Statistik Edisi Kedua.
Erlangga:Jakarta.
Andriani, Debrina Puspita. 2014. Distribusi Probabilitas: Gamma &
Eksponensial www.debrina.lecture.ub.ac.id
Budiyuwono, Nugroho,. 1993. Pengantar Statistika Ekonomi dan Perusahaan.
Edisi Revisi. Jilid II. Yogyakarta: UPP-AMP YKPN.
Dayan, Anto,. 1991. Pengantar Metode Statistika II.Cetakan Keempatbelas.
Jakarta: LP3ES.
Soejoeti, Zanzawi,. 1986. Metode Statistika II. modul I dan II. Cetakan Ketiga.
Jakarta: KarunikaUniversitas Terbuka.
Supramono, Sugiarto,. 1993. Statistika. Cetakan Pertama. Yogyakarta: Andi
Offset.

13