LAPORAN MODUL 12

PRAKTIKUM STATISTIKA

Disusun oleh :
Nama : Fransiskus A Tekege
Nim : 215410072
Kelas : Informatika 2 / IF-2

UNIVERSITAS TEKNOLOGI DIGITAL INDONESIA

YOGYAKARTA
2021
 MODUL 12
“PROBABILITAS DISTRIBUSI KONTINYU”

CAPAIAN PEMBELAJARAN

1. Praktikan mampu membangkitkan data berdistribusi normal dan student-t..

2. Praktikan mampu menghitung probabilitas pada distribusi normal dan student-t.

KEBUTUHAN ALAT/BAHAN/SOFTWARE

1. Komputer
2. Software R

DASAR TEORI

A. DISTRIBUSI NORMAL
Distribusi normal, disebut juga distribusi Gauss, adalah distribusi probabilitas yang paling banyak
digunakan dalam berbagai analisis statistika dan kebanyakan pengujian hipotesis mengasumsikan
normalisasi suatu data.
Distribusi normal baku adalah distribusi normal yang memiliki rata-rata nol dan simpangan baku
satu. Distribusi ini juga dijuluki kurva lonceng (bell curve) karena grafik fungsi kepekatan
probabilitasnya mirip dengan bentuk lonceng.
LISTING DAN PEMBAHASAN

A. Menghitung probabilitas data berdistribusi Normal

Praktik 1
Apabila X berdistribusi Normal dengan rata-rata 3 dan standar deviasi 0.5, tentukan probabilitas
a) P(X = 4)
b) P (X < 3,5)
Jawab !
a. Output

Pembahasan : P(X = 4) = 0,10798

b. Output

Pembahasan : P (X < 3,5) = 0,841

Praktik 2
Apabila X berdistribusi Normal dengan rata-rata 10 dan standar deviasi 0.65, tentukan
probabilitas.
a) P(3 < X < 7)
b) P (X ≥ 3)
Jawab !
a. Output

Pembahasan : P(X < 7) – P(X < 3) = 1,96. 10-6 – 2,4. 10-27 = 1,9610-6
 b. Output

Pembahasan : P (X ≥ 3) = 1 – P(X < 3) = 1 - 2,4 . 10-27 = 1

B. Membangkitkan data berdistribusi Normal

Praktik 1

Akan digenerate data berdistribusi normal dengan jumlah data 30, mean = 0
dan sd =1.

Output

C. Ggg

Pembahasan : P(Z < z) = 0,95 maka z = 1,64 .

Artinya P(Z < 1,64) = 0,95 atau

Praktik 2

Tentukan nilai kritis x dimana P(X < x) = 0,95, untuk X berdistribusi Normal dengan mean 3,
standar deviasi 0.5

Output

Pembahasan : P(X < x) = 0,95 maka x = 3,82 .

 Artinya P(X < 3,82) = 0,95 atau

D. Menghitung probabilitas distribusi student

Praktik 1
Hitung probabilitas distribusi t dengan nilai dengan db=9
a. P( t = 2.5)
b. P(t < 2.5 )
c. P(t > 2.5)
Jawab…
a. Output

Pembahasan : P( t = 2,5) = 0,02778

b. Output

Pembahasan : P( t < 2,5) = 0,983

c. Output

Pembahasan : P(t > 2.5) = 1 - P( t < 2,5) =1 - 0,983 = 0.01693091

E. Membangkitkan data berdistribusi student-t

Praktik 1
Akan digenerate data berdistribusi t dengan n = 30 derajat bebas (df) = 29
 Fungsi rt() dalam Bahasa R digunakan untuk membuat urutan nilai acak dari distribusi-t Student.
Ini artinya kita akan membangkitkan data berdistribusi student dengan jumlah data 30 dengan
derajat kebebasannya adalah 29.

F. Menghitung nilai x yang membatasi luas daerah(nilai peluang) distribusi Student’s

Praktik 1
Tentukan nilai kritis t dimana P(T < t) = 0,95 dengan derajat bebas 10
Jawab
Output

Pembahasan
P(T < t) = 0,95 maka t = 1,812461.
Artinya P(Z < 1,812461) = 0,95 atau

LATIHAN
LATIHAN 1
Apabila X berdistribusi Normal dengan rata-rata 10 dan standar deviasi 1.5, tentukan probabilitas
a. P(X = 5)
b. P (X < 5)
c. P( 5 < X < 11)
d. P(X > 7)
Pembahasan :
Dik :
λ = 10
σ = 1,5

Dit :
a. P(X = 5)
b. P (X < 5)
c. P( 5 < X < 11)
d. P(X > 7)
Penyelesaian :
a. P(X = 5)
Pada bagian ini, kita akan menentukan distribusi normal dimana :
x = 5, λ = 10, σ = 1.5
Dengan menggunakan R, kita dapat menuliskan sintaknya yaitu :
>dnorm (x, λ, σ)
>dnorm(5, 10, 1.5)
Sehingga, hasil yang diperoleh adalah sebagai berikut :

Mencari probabilitas x = 5, dengan rata-rata (λ) =

10, dengan standar deviasi σ = 1.5. atau mencari
P(x = 5)
Output :
P(x = 5) = 0.001028186
Jadi, probabilitas distribusi normal ketika x = 5, λ = 10, σ = 1.5 atau P(x = 5) adalah 0.001028186

b. Pada bagian ini, kita akan menentukan distribusi normal dimana :

x < 5, λ = 10, σ = 1.5
Untuk mengerjakannya, dapat kita gunakan sintak :
>pnorm(x, λ, σ)
>pnorm(5, 10, 1.5)
R, akan menghitung distribusi normal tersebut, sehingga hasil yang dihasilkan adalah sebagai
berikut :

Mencari probabilitas kumulatif dari x < 5 dengan rata

rata, λ = 10, dan standar deviasi σ = 1.5 atau mencari
P(x < 5).
Output :
P (X < 5) = 0.0004290603

c. Dengan menggunakan R, kita dapat menentukan distribusi normal untuk 5 < x < 11, dengan
sintak
>pnorm(x, λ, σ)
Kita misalkan untuk A = x < 11 dan B = x < 5
Maka :
>A = pnorm(11, 10, 1.5)
>B = pnorm(5, 10, 1.5)
>A–B
Sehingga output yang dihasilkan adalah :
Mencari probabilitas kumulatif dari 5 < x < 11
dengan
rata rata, λ = 10, dan standar deviasi σ = 1,5 atau
mencari P(5< x < 11).
Output :
P(x < 11) – P(x < 5) = 0.7470784
d. Untuk mengerjakan bagian ini, dimana : λ = 10 σ = 1,5 dan x > 7, dapat menggunakan sintak
>pnorm(x, λ, σ)
Kita dapat memisalkan Y = pnorm(7, 10, 1.5) Maka,
>1 – Y
Sehingga, output yang dihasilkan adalah :

Mencari probabilitas kumulatif dari x >7 dengan

rata rata, λ = 10, dan standar deviasi σ = 1.5 atau
mencari P(x >7) = 1 – P(x < 7)
Output :
P (x > 7) = 1 – P(x < 7)
= 1- 0,02275013
= 0,9772499

LATIHAN 2
Tentukan nilai kritis x dimana P(X < x) = 0,90, untuk X berdistribusi Normal dengan mean 6,
standar
deviasi 1.5
Pembahasan :
Untuk mengerjakan soal ini, dapat kita gunakan fungsi di dalam R, yaitu qnorm()
qnorm() akan mencari nilai x dari luasan (peluang) P berdistribusi normal dengan parameter
mean
dan sd.

qnorm ini akan melakukan sebaliknya, artinya jika diberikan sebuah daerah, maka akan
ditemukan
nilai batas yang menentukan daerah ini.
P(X < x) = 0.90, maka :
>qnorm(0.90, 6, 1.5)
Sehingga output yang dhasilkan adalah :

Mencari nilai x dari luasan (peluang) 0,90

berdistribusi normal dengan parameter mean 6
dan sd
1,5.
Output :
P(X < x) = 0,90 maka x = 7,922327 .
Artinya P(x < 7,922327) = 0,90 atau
Nilai 7,922327 didalam fungsi qnorm tadi
merupakan persentil ke-90, dalam arti bahwa 90%
nilai dalam populasi yang berdistribusi normal
dengan mean 6 dan standar deviasi 1.5 akan berada
di bawah 7,922327. Dengan kata lain, jika kita
memilih anggota secara acak x dari populasi seperti
itu, maka P (x < 7,922327) = 0.90

LATIHAN 3
Apabila X berdistribusi Student’s dengan derajat bebas 10, tentukan probabilitas
a. P(X = 4)
b. P (X < 6)
c. P( 7 < X < 20)
d. P(X > 20)

Pembahasan :
Dik :
dt = 10
Dit :
a. P(X = 4)
b. P (X < 6)
c. P( 7 < X < 20)
d. P(X > 20)

a. Dengan menggunakan R, kita dapat menentukan distribusni student untuk x = 4 dengan sintak :
>dt (t, df)
>dt(4, 10)

Mencari probabiliatas t = 4 dengan derajat

kebebasan df = 10 Atau P(x = 4)
Output : P( x = 4) = 0,002031034
Jadi, probabilitas distribusi student untuk x = 4 dan df = 10 adalah P(x = 4) = 0,002031034

b. Untuk mencari nilai kumulatif distribusi probabilitas student P( x < 6 ) di dalam R, kita dapat
menggunakan sintak :

>pt (t, df)

Maka, jika x < 6 dan df = 10 :
Mencari probailitas kumulatif x < 6 dengan derajat
kebebasan df = 10 atau P(x < 6)
Output :
P( x < 6) = 0,9999339
Jadi, probabilitas kumulatif distribusi student untuk x = 6 dan df = 10 adalah P(x < 6) =
0,9999339
c. Untuk mengerjakan soal ini, pertama kita dapat memisalkan terlebih dahulu
Y = P(x < 7)
Z = P(x < 20)
Maka,
P (7 < x < 20) = P(x < 20) – P(x < 7)
Lalu, untuk menghitungnya dapat kita gunakan sintak :
>pt() // mencari probabiliatas kumulatif x dengan derajat kebebasan df Atau P(X < x)
Sehingga :
>Z = pt (20, 10)
>Y = pt(7, 10)
>Z–Y
Sehingga output yang dihasilkan adalah :

Mencari probabilitas kumulatif dari 7 < x < 20 dengan derajat kebebasan df, atau mencari P(7< x
< 20).
Output :
P (7 < x < 20) = P(x < 20) – P(x < 7)
= 1, 857 ×10 -5
Jadi, distribusi probabilitas student P(7 < x < 20)
dengan derajat kebebasan 10 adalah 1, 857 ×10-5

d. Untuk mengerjakan bagian ini, dimana : df = 10 dan x > 20, dapat menggunakan sintak
>pt(x, df)
Kita dapat memisalkan A = pt(20, 10) Maka,
>1 – A
Sehingga, output yang dihasilkan adalah :

Mencari probabilitas kumulatif dari x > 20 dengan df

= 10, atau mencari P(x > 20) = 1 – P(x < 20)
Output :
P (x > 20) = 1 – P(x < 20)
= 1.073 × 10-9

LATIHAN 4
Bangkitkan data berdistribusi t dengan n = 95, db = 94
Pembahasan :
Untuk membangkitkan data berdistribusi t dapat kita gunakan fungsi di dalam R yaitu :
>rt()
Fungsi rt() dalam Bahasa R digunakan untuk membuat urutan nilai acak dari distribusi-t
Student .
Ketika kita memasukkan n = 95 dan df = 94, maka output yang dihasilkan adalah :
Output

Ini artinya kita akan membangkitkan data berdistribusi student dengan jumlah data 90 dengan
derajat kebebasannya adalah 94.
TUGAS
TUGAS 1
Jika mass sebuah bantalan peluru (ball bearing) yang diproduksi suatu pabrik memiliki distribusi
normal dengan mean 0,614 kg dan deviasi standard 0,0025 kg, tentukan persentase banyaknya
bantalan peluru yang memiliki massa :
a. antara 0,610 sampai 0,618 kg,
b. lebih berat dari 0,617 kg,
c. kurang dari 0,608 kg
Pembahasan :

Dik :
λ = 0,614
σ = 0,0025

Dit :
a. P(0,610 < x < 0,618)
b. P(x > 0,617)
c. P(x < 0,608)

Penyelesaian :
a. Untuk mengerjakan probabilitas distribusi normal P(0, 610 < x < 0,618) dapat kita gunakan
fungsi
di dalam R yaitu
>pnorm(x, λ, σ)
Kita misalkan
A = x < 0, 618
B = x < 0, 610
Dapat kita masukkan seluruh nilainya ke dalam fungsi pnorm
Maka :
>A = pnorm(0.618, 0.614, 0.0025)
>B = pnorm(0.610, 0.614, 0.0025)
>A–B
Didapatkan output yaitu :
Mencari probabilitas kumulatif dari 0,610 < x <
0,618 dengan rata rata, λ = 0,614, dan standar
deviasi σ = 0,0025 atau mencari P(0,610< x <
0,618).
Output :
P(0,610< x < 0,618) = P(x < 0,618) – P(x < 0,610)
= 0,9452 – 0,0548
= 0,8904
= 89,04%

b. Untuk mengerjakan bagian ini, dimana : λ = 0,614 σ = 0,0025 dan x > 0,617, dapat
menggunakan
sintak
>pnorm(x, λ, σ)
Kita dapat memisalkan N = pnorm(0.617, 0.614, 0.0025)
Maka,
>N = pnorm(0.617, 0.614, 0.0025)
>1 – N
Sehingga, output yang dihasilkan adalah :
Mencari probabilitas kumulatif dari x > 0,617
dengan rata rata, λ = 0,614, dan standar
deviasi σ = 0,0025 atau mencari
P(x > 0,617) = 1 – P(x < 0,617)
Output :
P (x > 0,617) = 1 – P(x < 0,617)
= 1- 0,8849
= 0,1150
= 11, 50%

c. Untuk mengerjakan distribusi normal P(x < 0,608) dapat kita gunakan fungsi dalam R yaitu
>pnorm()
Pnorm() adalah fungsi R bawaan yang mengembalikan nilai fungsi kepadatan kumulatif dari
distribusi normal yang diberikan variabel acak tertentu, dan mean populasi , dan standar deviasi
populasi Oleh karena λ = 0,614 dan σ = 0,0025, maka :
>pnorm(x, λ, σ)
>pnorm(0.608, 0.6014, 0.0025)
R, akan menghitung distribusi normal tersebut, sehingga hasil yang dihasilkan adalah sebagai
berikut:

Mencari probabilitas kumulatif dari x < 0,608

dengan rata rata, λ = 0,614, dan standar deviasi σ
= 0,0025 atau mencari P(x < 0,608).
Output :
P (X < 0,608) = 0,00819
= 0,819%

TUGAS 2
Pipa api untuk broiler yang dimanufaktur oleh sebuah perusahaan memilikidaya tahan ratarata
8000 jam pemakaian dengan deviasi standard 600 jam. Tentukan Probabilitas daya tahan pipa
a. antara 7900 dan 8100 jam.
b. Kurang dari 7850 jam
c. Lebih dari 8200 jam

Pembahasan :

Dik :
Mean λ = 8000
Standar deviasi σ = 600

Dit :
a. P(7900 < x < 8100)
b. P(x < 7850)
c. P(x > 8200)
Penyelesaian :
a. P(7900 x < 8100)
Untuk mengerjakannya, dapat digunakan fungsi R yaitu :
> pnorm(x, λ, σ)
Misalkan :
S = x < 7900
T = x < 8100
Maka :
P(7900 x < 8100) = P(x < 8100) – P(x < 7900)

Lalu, kita masukkan seluruh nilai untuk mencari distribusi normalnya λ = 8000 dan σ = 600
Sehingga :
>S = pnorm(7900, 8000, 600)
>T = pnorm(8100, 8000, 600)
>T - S
Maka, output yang dihasilkan adalah :
Mencari probabilitas kumulatif dari 7900 < x < 8100
dengan rata rata, λ = 8000, dan standar deviasi σ =
600 atau mencari P(7900 < x < 8100).
Output :
P(7900 < x < 8100) = P(x < 8100) – P(x < 7900)
= 0,4338162 – 0,5661838
= 0, 1324
= 13,24%

b. Untuk mengerjakan soal distribusi normal P(x < 7850) dapat kita gunakan fungsi dalam R
yaitu
>pnorm()
Pnorm() adalah fungsi R bawaan yang mengembalikan nilai fungsi kepadatan kumulatif dari
distribusi
normal
Sehingga dapat kita masukkan nilai nilai yang telah ada yaitu λ = 8000 dan σ = 600 ,kedalam
fungsi tersebut, maka :
>pnorm(x, λ, σ)
>pnorm(7850, 8000, 600)
R, akan menghitung distribusi normal tersebut, sehingga hasil yang dihasilkan adalah :
Mencari probabilitas kumulatif dari x < 7850
dengan rata rata, λ = 8000 , dan standar
deviasi σ = 600 atau mencari P(x < 7850).
Output :
P (X < 7850) = 0,4012
= 40,12%

Jadi, distribusi probabilitas normal saat x < 7850 dengan λ = 8000 σ = 600 adalah P(x < 7850) =
0,4012

c. Untuk mengerjakan soal ini, dapat digunakan fungsi dalam R yaitu

>pnorm(x, λ, σ)

dimana : λ = 8000 σ = 600 dan x > 8200,

Kita dapat memisalkan S = pnorm(8200, 8000, 600)
Maka,
>S = pnorm(8200, 8000, 600)
>1 – S
Sehingga, output yang dihasilkan adalah :

Mencari probabilitas kumulatif dari x > 8200

dengan rata rata, λ = 8000, dan standar deviasi
σ
= 600 atau mencari
P(x > 8200) = 1 – P(x < 8200)

Output :
P (x > 8200) = 1 – P(x < 8200)
= 1- 0,6305587
= 0,3694
= 36, 94%
Jadi, distribusi probabilitas normal saat x > 8200
dengan λ = 8000 σ = 600 adalah P(x > 8200) = 0,3694
KESIMPULAN
Distribusi probabilitas dari sebuah variabel acak. (random) kontinu X harus memenuhi kondisi
sebagai berikut : 1. F(x) ≥ 0 untuk semua nilai X.

LAMPIRAN
……..terlampir