MAKALAH METODE STATISTIKA

TEORI PELUANG dan DISTRIBUSI PELUANG

Dosen Pengampu

Prof. Dr. I Gusti Putu Suharta,M.Si

OLEH

KELOMPOK 4

Ni Putu Nina Indriana Dewi (1813011051) / 4D

PROGRAM STUDI PENDIDIKAN MATEMATIKA

JURUSAN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS PENDIDIKAN GANESHA

SINGARAJA

2020
 KATA PENGANTAR

Puji syukur penulis panjatkan kehadapan Tuhan Yang Maha Esa, karena atas berkat rahmat-
Nya penulis dapat menyelesaikan makalah “Teori Peluang dan Distribusi Peluang” tepat pada
waktunya. Makalah ini penulis susun dalam rangka memenuhi tugas mata kuliah Metode
Statistika.

Dalam penyusunan makalah ini, penulis mendapat dukungan dan bimbingan dari berbagai
pihak, oleh karena itu dalam kesempatan ini penulis menyampaikan terima kasih yang sebesar-
besarnya kepada:

1. Bapak Prof. Dr. I Gusti Putu Suharta,M.Si selaku dosen pengampu mata kuliah Metode Statistika
yang telah memberikan arahan dalam penulisan makalah ini.
2. Teman-teman sekelas yang telah memberi masukan dalam proses pembuatan makalah.
3. Pihak-pihak yang tidak dapat penulis sebutkan satu persatu yang telah membantu penulis dalam
penyusunan makalah.

Penulis menyadari sepenuhnya bahwa makalah ini masih jauh dari kata sempurna dan masih
membutuhkan pengembangan lebih lanjut. Oleh karena itu, sara dan kritik yang sifatnya
membangun dari para pembaca sangat penulis harapkan, agar nantinya didapatkan hasil yang lebih
baik. Harapan penulis semoga makalah ini bermanfaat bagi semua pihak yang bersangkutan.

Singaraja, 27 Maret 2020

Penulis
 DAFTAR ISI
HALAMAN JUDUL
KATA PENGANTAR.....................................................................................................
DAFTAR ISI....................................................................................................................
BAB I : PENDAHULUAN.............................................................................................
1.1 Latar Belakang......................................................................................................

1.2 Rumusan Masalah.................................................................................................

1.3 Tujuan Penulisan...................................................................................................

1.4 Manfaat Penulisan.................................................................................................

BAB II : PEMBAHASAN............................................................................................

2.1 Definisi Teori Peluang........................................................................................

2.2 Pendekatan Perhitungan Probabilitas..................................................................

2.3 Hukum Probabilitas .............................................................................................

2.4 Definisi Distribusi Peluang..................................................................................

BAB III : PENUTUP....................................................................................................

3.1 Kesimpulan...........................................................................................................
3.2 Saran..................................................................................................................................
3.3 Daftar Pustaka...................................................................................................................
 BAB I

PENDAHULUAN

1.1 Latar Belakang

Dalam teori peluang dan statistik, peluang merupakan teori dasar dalam statistika yang
memungkinkan terjadinya peristiwa dengan nilai peluang tertentu. Nilai-nilai peluang tambahan bisa
membentuk suatu distribusi yang disebut distribusi peluang. Peluang atau kadang pula disebut dengan
probabilitas merupakan suatu derajat kepastian untuk terjadinya suatu peristiwa dengan ukuran antara
0 sampai dengan 1, dimana peristiwa tersebut terjadi secara acak.
Peluang bukan hanya digunakan dalam dunia statistik namun digunakan pula dalam bidang-
bidang lain seperti fisika, biologi bahkan pula dalam dunia bisnis yang dapat digunakan untuk
pengambilan keputusan. Di dalam dunia engineering, ekonomi, sosial budaya maupun dunia teoritis,
kita sering menghadapi suatu yang sering disebut sebagai “ketidakpastian”. Ketidakpastian terjadi
akibat keterbatasan manusia itu sendiri di dalam dunianya dalam
mengukur/menghitung/menalar/melamar sesuatu hal yang lebih baik yang akan datang maupun yang
ada di depan mata, termasuk yang telah terjadi.

Teori probabilitas bisa dikatakan merupakan salah satu ilmu “mengukur” ketidakpastian hingga
ke tingkat yang lebih manageable dan predictable. Teori probabilitas digunakan bukan hanya untuk
hal-hal yang praktis, bahkan juga untuk hal-hal yang teoritis ketika model-model matematis tidak
dapat lagi disusun secara komprehensif untuk memecahkan suatu masalah. Apalagi dunia engineering
yang pada umumnya memerlukan pertimbangan yang lebih singkat dan pragmatis sangat
mengandalkan konsep-konsep di dalam teori probabilitas.

Metode statistika adalah “muka” dari teori probabilitas. Metode statistika digunakan untuk
melakukan pengukuran kuantitatif yang aproksimatif akan suatu hal. Konsep metodologis yang
digunakan dalam metode statistika dikembangkan berdasarkan teori probabilitas. Dalam
pengunaannya, hasil pengukuran statistika sudah dapat dianggap memadai. Namun, untuk memahami
aapa yang ada di balik angka-angka hasil perhitungan statitika tersebut memerlukan pemahaman
mengenai model probabilitas yang digunakan, tanpa pemahaman tersebut , seringkali statistika
digunakan untuk melegitimasi suatu kebohongan ketika statistika digunakan sementara model dasar
probabilitas yang terkait tidak sesuai atau relevan dengan situasi yang sebenarnya.
1.2 Rumusan Masalah
Berdasarkan rasional yang telah diuraikan diatas, adapun masalah yang ingin dikaji dalam
makalah ini sebagai berikut:
1. Apa definisi Teori Peluang ?
2. Apa Pendekatan Perhitungan Probabilitas?
3. Apa Hukum Probabilitas?
4. Apa definisi Distribusi Peluang?
1.3 Tujuan
Adapun tujuan yang ingin dicapai dalam penulisan makalah ini sebagai berikut:
1. Mengidentifikasi definisi Teori Peluang
2. Mengidentifikasi Pendekatan Perhitungan Probabilitas
3. Mengidentifikasi Hukum Probabilitas
4. Mengidentifikasi definisi Distribusi Peluang
1.4 Manfaat
1. Mengetahui definisi Teori Peluang
2. Mengetahui Pendekatan Perhitungan Probabilitas
3. Mengetahui Hukum Probabilitas
4. Mengetahui definisi Distribusi Peluang
 BAB II

PEMBAHASAN

2.1 Definisi Teori Peluang

Teori peluang sering disebut dengan teori kemungkinan (probabilitas). Secara umum, probabilitas
merupakan peluang bahwa sesuatu akan terjadi. Secara lengkap, probabilitas didefinisikan sebagai
“Probability” is a measure of a likelihood of the occurance of a random event. (Mendenhall dan Reinmuth,
1982). Yang artinya, “Probabilitas” ialah suatu nilai yang dipergunakan untuk mengukur tingkat terjadinya
suatu kejadian yang acak. Dalam mempelajari probabilitas, ada 3 kata kunci yang harus diketahui, yaitu: 1.
Eksperimen, Hasil(outcome), dan Kejadian atau peristiwa (event).

Sebagai contoh, sebuah eksperimen dilakukan dengan menanyakan kepada 500 orang mahasiswa
apakah mereka akan membeli komputer Acer jenis baru atau tidak. Dari eksperimen ini akan terdapat
beberapa kemungkinan hasil. Misalnya, kemungkinan hasil pertama adalah sebanyak 250 orang akan
membeli dan sisanya tidak akan membeli. Kemungkinan hasil lain adalah bahwa 310 orang akan membeli
sedangkan sisanya tidak akan membeli. Contoh lain dari eksperimen adalah pelemparan sebuah koin. Hasil
(outcome) dari pelemparan sebuah koin tersebut adalah “MUKA” atau “BELAKANG”. Kumpulan dari
beberapa hasil tersebut dikenal sebagai kejadian (event).

Probabilitas biasanya dinyatakan dengan bilangan desimal seperti: 0,50, 0,25, atau 0,70 atau
5 25 70
bilangan pecahan seperti: , , atau Nilai dari probabilitas berkisar antara 0 dan 1. Semakin dekat
10 100 100
nilai probabilitas, ke nilai 0, semakin kecil kemungkinan suatu kejadian akan terjadi. Sebaliknya, semakin
dekat nilai probabilitas ke nilai 1 semakin besar peluang suatu kejadian akan terjadi.

Probabilitas adalah suatu indeks atau nilai yang digunakan untuk menentukan tingkat terjadinya
suatu kejadian yang bersifat random (acak). Oleh karena probabilitas merupakan suatu indeks atau nilai
maka probabilitas memiliki batasbatas yaitu mulai dari 0 sampai dengan 1.

0 ≤ P(E)≤ 1

Artinya :

Jika P=0 ,disebut probabilitas kemustahilan, artinya kejadian atau peristiwa tersebut tidak akan terjadi.
Jika P=1 , disebut probabilitas kepastian, artinya kejadian atau peristiwa tersebut pasti terjadi.

Jika0< P<1 , disebut probabilitas kemungkinan, artinya kejadian atas peristiwa tersebut dapat atau tidak
dapat terjadi. Jika kemungkinan terjadinya peristiwa E disebut P (E) maka besarnya probabilitas bahwa
peristiwa E tidak terjadi adalah :

P ( Ē )=1−P ( E)

2.2 Pendekatan Perhitungan Probabilitas

Ada dua pendekatan dalam menghitung probabilitas yaitu pendekatan yang bersifat objektif dan
subjektif.

a) Probabilitas objektif dibagi menjadi dua, yaitu pendekatan klasik dan pendekatan frekuensi relatif.
 Pendekatan Klasik didasarkan pada asumsi bahwa seluruh hasil dari suatu eksperimen
mempunyai kemungkinan (peluang) yang sama. Pada pendekatan ini, kita harus mengetahui
terlebih dahulu seluruh kejadian yang akan muncul, yang dalam prakteknya sulit untuk
dilaksanakan. Contoh: Perhatikan suatu kejadian A yang dapat terjadi sebanyak x cara dari
seluruh n cara

misalnya: ada n buku, x rusak, (n-x) tidak rusak. Kalau kita mengambil suatu buku secara acak (random),
lalu ditanyakan berapa probabilitasnya bahwa buku yang diambil tersebut rusak? Maksudnya berapa P ( A ) ?

Ada x buku rusak, ada x cara untuk memperoleh buku yang rusak dari seluruh buku sebanyak n,
A= buku yang rusak, merupakan suatu kejadian (event).

x
(a) P ( A )= , P ( A ) ≥ 0 , sebab x ≥ 0 ,n> 0
n
n−x
P ( Ā )=
n
n x
¿ −
n n
x
¿ 1−
n
(b) P ( Ā )=1−P (A )
Ā=bukan A (bukan buku rusak)
 Ā=komplemen A

0 n
Jika x=0, maka P(A)= =0 , tdak ada buku rusak . Jika x=n, maka P(A)= =1 , semua buku rusak . Jadi,
n n
0 ≤ P ( A ) ≤ 1 , A sering disebut sukses dan Ā sering disebut gagal . Artinya, probabilitas terjadinya A, yaitu
P(A), nilainya paling kecil 0 dan paling besar 1.

 Konsep Frekuensi Relatif

Pendekatan yang mutakhir ialah perhitungan yang didasarkan atas limit dari frekuensi relative. Besarnya
nilai yang diambil oleh suatu variabel juga merupakan kejadian. Misalnya X= nilai ujian matematika I
mahasiswa Undiksha, P(X=8) adalah probabilitas bahwa seorang mahasiswa mendapat nilai 8.

X f fr

X1 f1

X2 f2
. .
. .
. .
Xi fi
. .
. .
. .

Xk fk

Jumlah ∑ f i=n ∑ ¿1

dimana: fr=¿frekuensi relative

X i =¿ kejadian i

fi
P ¿ ¿)= lim
n→∞ n
Artinya, probabilitas suatu kejadian merupakan limit dari frekuensi relative jejadian tersebut yang secara
teoritis berlaku untuk nilai n yang besar sekali (tidak terhingga), misalnya merupakan suatu
eksperimen/penelitian dengan sampel yang besar. Di dalam prakteknya, frekuensi relatif itu sendiri bisa
digunakan untuk memperkirakan nilai probabilitas. Hal itu dapat ditulid dengan rumus sebagai berikut:

Probabilitas terjadinya suatu kejadian=

Jumlah atau frekuensi terjadinya kejadiantersebut di masa lalu
Jumlah observasi

b) Probabilitas Subjektif

Probabilitas Subjektif didasarkan atas penilaian seseorang dalam menyatakan tingkat kepercayaan. Jika
tidak ada pengalaman/pengamatan masa lalu sebagai dasar untuk perhitungan probabilitas, maka
pernyataan probabilitas tersebut bersifat subjektif. Hal ini biasanya terjadi dalam bentuk opini atau
pendapat yang dinyatakan dalam suatu nilai probabilitas.

2.3 Hukum Probabilitas

Secara umum, beberapa kombinasi dari kejadian dalam sebuah eksperimen dapat dihitung probabilitasnya
berdasarkan dua aturan, yaitu aturan penjumlahan dan aturan perkalian.

Aturan Penjumlahan

Untuk menerapkan aturan penjumlahan ini, harus dilihat jenis kejadiannya apakah bersifat saling
meniadakan (mutually exclusive) atau tidak saling meniadakan.

 Kejadian saling meniadakan

Aturan penjumlahan yang diterapkan untuk kejadian yang saling meniadakan disebut dengan aturan
penjumlahan khusus. Kejadian saling meniadakan (mutually exclusive event) adalah kejadian dimana jika
sebuah kejadian terjadi maka kejadian yang kedua adalah kejadian yang saling meniadakan. Jika A telah
terjadi, maka kejadian B tidak akan terjadi. Sebagai contoh, dalam pelemparan sebuah dadu, munculnya
mata dadu 2 akan meniadakan munculnya mata dadu dadu yang lain.

Jika dua kejadian A dan B saling meniadakan (saling lepas), aturan penjumlahan menyatakan bahwa
probabilitas terjadinya A atau B sama dengan penjumlahan dari masing-masing nilai probabilitasnya dan
dinyatakan dengan rumus sebagai berikut:
 P ( A atau B )=P ( A ∪ B )=P ( A ) + P(B)

Untuk tiga kejadian saling meniadakan yang dinyatakan dengan A,B, dan C ditulis:

P ( A atau B atau C )=P ( A ∪B ∪C )=P ( A )+ P ( B ) + P ( C )

Contoh:

Sebuah dadu dilemparkan ke atas, berapakah peluang munculnya mata dadu angka 2 atau mata dadu lebih
dari empat?

Jawab:

Dimisalkan:

A = peristiwa mata dadu 2 muncul

B = mata dadu lebih dari 4 muncul

P ( A ∪ B ) =P ( A )+ P(B)

1 2 1
P ( A ∪ B)= + =
6 6 2

1
Jadi, peluang munculnya mata dadu angka 2 atau mata dadu lebih dari empat adalah
2

 Kejadian tidak saling meniadakan

Adakala hasil dari suatu eksperimen tidak bersifat saling meniadakan. Sebagai contoh, misalkan
departemen pariwisata memilih sebuah sampel dari 200 wisatawan yang mengunjungi Jakarta. Dari hasil
survei ternyata diperoleh bahwa 120 orang telah mengunjungi Taman Mini Indonesia Indah, dan 100 orang
telah mengunjungi Taman Impian Ancol. Berapa probabilitas bahwa seorang wisatawan yang terpilih telah
mengunjungi Taman Mini Indonesia Indah atau Taman Impian Jaya Ancol? Jika aturan penjumlahan
khusus pada kejadian saling meniadakan diterapkan, maka probabilitas seorang wisatawan terpilih telah
120
pergi ke Taman Mini adalah 0,60 (diperoleh dari ) dan probabilitas seorang wisatawan terpilih telah
200
 100
berkunjung ke Ancol adalah 0,50 (diperoleh dari ). Jumlah kedua probabilitas dua kejadian ini akan
200
lebih dari 1. Hal ini terjadi karena ada beberapa wisatawan yang mengunjungi kedua tempat wisata
tersebut, sehingga mereka dihitung dua kali. Ternyata setelah diteliti dari respons survei terdapat 60 orang
yang mengunjungi kedua tempat wisata di atas. 60 orang yang mengunjungi kedua tempat wisata di atas.

Untuk menjawab pertanyaan “berapa probabilitas bahwa seorang wisatawan terpilih mengunjungi Taman
Mini atau Ancol” adalah dengan menjumlahkan kedua nilai probabilitas di atas (masing-masing 0,60 dan
0,50) dikurangi dengan probabilitas mengunjungi kedua tempat wisata. Jadi:

P(Taman Mini atau Ancol)= P(Taman Mini)+P(Ancol)-P(Taman Mini dan Ancol)

120 100 60
= + −
200 200 200

= 0,80

Jika dua kejadian saling berinterseksi (beririsan), probabilitasnya disebut sebagai probabilitas bersama
(joint probability). Secara ringkas, aturan umum penjumlahan untuk kejadian-kejadian yang tidak saling
meniadakan pada dua kejadian A dan B dapat ditulis:

P ( A atau B )=P ( A ) + P ( B )−P ( A dan B )

Atau

P ( A ∪ B ) =P ( A )+ P ( B )−P( A ∩ B)

catatan: P ( A atau B ) atau P ( A ∪ B ) dapat dinyatakan dalam bentuk kalimat “peluang bahwa A mungkin
terjadi dan B mungkin terjadi “. Kalimat ini juga mencakup “kemungkinan bahwa A dan B terjadi” dalam
hal kejadian yang tidak saling meniadakan.

Contoh:

Setumpuk kartu bridge yang akan diambil salah satu kartu. Berapa probabilitasnya dalam sekali
pengambilan tersebut akan diperoleh kartu Ace atau kartu Diamont?

Jawab:
Dimisalkan :

A = kartu Ace

D = kartu Diamont

P ( A ∪ B ) =P ( A )+ P ( B )−P( A ∩ B)

4 3 1 16
P ( A ∪ B)= + − =
52 52 52 52

Jadi, probabilitas pengambilan kartu dalam 1 kali pengambilan akan diperoleh kartu Ace atau kartu
16
Diamont adalah
52

Aturan Perkalian

Dalam konsep probabilitas, aturan perkalian diterapkan secara berbeda menurut jenis kejadiannya. Ada dua
jenis kejadian dalam hal ini, yaitu kejadian tak bebas (dependent event) dan kejadian bebas (independent
event).

 Kejadian tak bebas (bersyarat)

Probabilitas terjadinya kejadian A dengan syarat bahwa B sudah terjadi atau akan terjadi disebut
pribabilitas bersyarat (conditional probability) atau biasa ditulis P(A/B). Misalkan jumlah seluruh
mahasiswa suatu Universitas (S atau N) sama dengan 10.000 orang. Himpunan A mewakili 2.000
mahasiswa lama (a). Himpunan B mewakili 3.500 mahasiswa putrid (b). Sedangkan 800 dari 3.500
mahasiswa putri merupakan mahasiswa lama (c). A dan B masing-masing merupakan himpunan bagian
dari S. Kita memilih satu orang mahasiswa secara acak, maka kejadian bersyarat (A/B) adalah kejadian
yang mewakili mahasiswa lama dengan syarat bahwa mereka putrid. P(A/B) = probabilitas bersyarat untuk
menjawab pertanyaan : diketahui mahasiswa yang terpilih putrid, berapa probabilitasnya bahwa mahasiswa
tersebut mahasiswa lama?

c
P(A/B) =
b
 800
=
3500

= 0,23 (merupakan proporsi mahasiswa lama putri dengan seluruh mahasiswa putri)

Untuk memperoleh persentase, nilai proporsi kalikan 100% yaitu 23%.

Kejadian bersyarat (A/B) berarti kejadian yang mewakili mahasiswa putri dengan syarat bahwa mereka
mahasiswa lama.

P(B/A) = probabilitas bersyarat untuk menjawab pertanyaan: diketahui mahasiswa yang terpilih mahasiswa
lama, berapa probabilitasnya bahwa mahasiswa tersebut putri, atau P(A/B) = probabilitas terjadinya B
dengan syarat A terjadi = probabilitas bahwa yang terpilih mahasiswa putri dengan syarat bahwa
mahasiswa tersebut mahasiswa lama.

P(B/A) = P(mahasiswa putri/lama)

c 800
=
a 2000

= 0,40

Apabila dari 10.000 mahasiswa tersebut dipilih satu secara acak, berapakah probabilitasnya bahwa
mahasiswa tersebut mahasiswa lama dengan syarat putri?

P(A/B) = P(lama/putri)

P ( A ∪B)
=
P( B)

c/ N
=
b/ N

c
=
b

800
=
3500

= 0,23 (ini sama dengan hasil perhitungan di atas)

Dengan argumentasi yang sama, probabilitas bahwa mahasiswa yang terpilih secara acak tersebut
mahasiswa PUTRI dengan syarat bahwa harus juga mahasiswa lama, maka:

P(B/A)= P(putri/lama)

P (A ∩B)
=
P( A)

c/N
=
a/ N

c
=
a

800
=
2000

= 0,40

Pada umumnya probabilitas bersyarat dirumuskan sebagai berikut:

P (A ∩B)
(a) P(A/B) =
P( B)

P (A ∩B)
(b) P(B/A) =
P( A)

Dengan demikian : P ( A ∩ B )=¿ P(A)P(B/A)= P(B)P(A/B)

 Kejadian Bebas (Independent Event)

Dua kejadian atau lebih dikatakan merupakan kejadian bebas apabila terjadinya kejadian
tersebut tidak saling mempengaruhi. Dua kejadian A dan B dikatakan bebas, apabila kejadian A
tidak mempengaruhi B atau sebaliknya.
Kejadian-kejadian bersyarat (conditional event), karena saling mempengaruhi dikatakan
kejadian-kejadian yang tidak bebas (dependent events). Menurut definisinya, jika A dan B
merupakan kejadian bebas, maka P(A/B)=P(A) dan P(B/A)=P(B)
P(A∩ B ¿ = P(A)P(B)=P(B)P(A)
 (A dan B merupakan kejadian bebas)
Kenyataannya, kejadian-kejadian bebas jarang terjadi karena, pada dasarnya, antara kejadian yang
satu dengan lainnya saling mempengaruhi baik secara langsung maupun tidak. Sebagai contoh,
kejadian pasang-surut Kali Ciliwung dengan harga motor Honda di Jakarta dan banyaknya
pemboman yang terjadi di Lebanon dengan banyaknya kematian di Jawa. Pembicaraan mengenai
kejadian-kejadian bebas sebetulnya kurang mempunyai arti praktis. Sebaliknya kejadian-kejadian
tidak bebas (saling mempengaruhi) sangat penting untuk diketahui. Kejadian yang satu akan
mempengaruhi kejadian lainnya, sehingga sangat berguna untuk peramalan. Misalnya ramalan
produksi padi tahun depan jika (dengan syarat) penggunaan jumlah pupuk dinaikkan dan ramalan
hasil penjualan kalau biaya iklan ditingkatkan.

2.4 Definisi Distribusi Peluang

Distribusi peluang adalah tabel, grafik atau rumus yang memberikan nilai peluang dari sebuah peubah
acak. Berdasarkan karakteristik peubah acaknya,

 Macam-macam Distribusi dalam Probabilitas

a) Probabilitas dalam Distribusi Normal

Distribusi dengan variabel acak kontinu ialah distribusi normal atau sering disebut distribusi Gauss.
Distribusi ini merupakan salah satu yang paling penting dan banyak digunakan. Jika variabel acak kontinu
X mempunyai fungsi densitas pada X = x dengan persamaan:

1 −½¿¿
f ( x )= e
σ √2 π

dengan : π=¿ nilai konstan yang bila ditulis hingga 4 desimal, π=3,1416.

e=¿ bilangan konstan, bila ditulis hingga 4 desimal, e=2,7183.

μ=¿ parameter, ternyata merupakan rata-rata untuk distribusi.

σ =¿ parameter, merupakan simpangan baku untuk distribusi

dan nilai x mempunyai batas −∞ < x <∞ , maka dikatakan bahwa variabel acak X berdistribusi normal.
  Sifat-sifat penting distribusi normal:
1. Grafiknya selalu ada di atas sumbu datar x
2. Bentuknya simetrik terhadap x=μ
0,3989
3. Mempunyai satu modus, jadi kurva unimodal, tercapai pada x=μ sebesar
σ
4. Grafiknya mendekati (berasimtutkan) sumbu datar x dimulai dari x=μ+3 σ ke kanan dan
x=μ−3 σ ke kiri.
5. Luas daerah grafik selalu sama dengan satu unit persegi.
b) Distribusi Student

Pengujian hipotesis dengan distribusi t adalah pengujian hipotesis yang menggunakan distribusi t
sebagai uji statistik. Tabel pengujiannya disebut tabel t-student. Distribusi t pertama kali diterbitkan pada
tahun 1908 dalam suatu makalah oleh W.S.Gosset. Pada waktu itu, Gosset bekerja pada perusahaan bir
irlandia yang melarang penerbitan penelitian oleh karyawannya. Untuk menggelakan larangan ini dia
menerbitkan karyanya secara rahasia dibawah nama student. Karena itulah distribusi t biasanya disebut
Distribusi Student. Hasil uji statistiknya kemudian dibandingkan dengan nilai yang ada pada tabel untuk
kemudian menerima atau menolak hipotesis nol (Ho) yang dikemukakan.

Distribusi dengan variabel acak kontinu lainnya, selain dari distribusi normal, ialah distribusi student atau
distribusi t. Fungsi densitasnya adalah:

K
f ( t )=
¿¿

berlaku untuk harga-harga yang memenuhi −∞<t <∞ dan K merupakan bilangan tetap yang besarnya
bergantung pada n sedemikian sehingga luas daerah dibawah kurva sama dengan satu unit. Pada distribusi t
ini terdapat bilangan (n−1) yang dinamakan derajat kebebasan.

 Ciri-ciri Distribusi T

1. Sampel yang diuji berukuran kecil (𝑛 < 30)

2. Penentuan nilai tabel dilihat dari besarnya tingkat signifikan (𝛼) dan besarnya derajat bebas (db).

 Fungsi Pengujian Distribusi T

1. Untuk memperkirakan interval rata – rata

2. Untuk menguji hipotesis tentang rata – rata suatu sampel.

3. Menunjukkan batas penerimaan suatu hipotesis 4. Untuk menguji suatu pernyataan apakah sudah layak

c) Distribusi Chi Kuadrat

Distribusi chi kuadrat merupakan distribusi dengan variabel acak kontinu. Simbul yang dipakai untuk chi
kuadrat ialah x 2. Persamaan distribusi chi kuadrat:

f ( u )=K .u ½v−1 e−½u

dengan u=x2 untuk memudahkan menulis, dan harga u>0 , v=¿ derajat kebebasan, K = bilangan tetap yang
bergantung pada v, sedemikian sehingga luas daerah di bawah kurva sama dengan satu satuan luas dan e =
2,7183.

 Ciri-ciri Distribusi Chi-Square

1. Distribusi chi square hanya memiliki satu parameter yaitu derajat kebebasan atau degree of freedom (df)
dengan persamaan 𝑑𝑓 = 𝑘 − 1, di mana k adalah jumlah kategori dalam percobaan;

2. Nilai chi square selalu positif karena merupakan hasil pengkuadratan;

3. Terdapat beberapa kelompok distribusi chi square, yaitu distribusi chi square dengan df=1, 2, 3, dan
seterusnya;

4. Bentuk kurva distribusi chi square tidak ditentukan oleh banyaknya sampel melainkan ditentukan dengan
banyaknya derajat kebebasan. Semakin kecil nilai derajat kebebasan, bentuk kurvanya semakin menceng
ke kanan dan semakin besar nilai derajat kebebasan (𝑛 → ∞), bentuk kurvanya semakin mendekati bentuk
fungsi normal.

 Fungsi Pengujian Distribusi Chi-Square

Uji chi square secara umum digunakan untuk menguji dua kelompok data baik variabel independen
maupun dependennya berbentuk kategorik atau dapat juga dikatakan sebagai uji proporsi untuk dua
peristiwa atau lebih sehingga datanya bersifat diskrit. Dasar uji chi square adalah membandingkan
perbedaan frekuensi hasil observasi (𝑓𝑜) dengan frekuensi yang diharapkan (𝑓ℎ). Perbedaan tersebut
meyakinkan jika nilai dari chi square sama atau lebih besar dari suatu nilai yang ditetapkan pada taraf
signifikan tertentu (dari tabel x 2). Uji chi square dapat digunakan untuk pengujian sebagai berikut:

1. Untuk menguji ketepatan penerapan suatu fungsi (test of goodness of fit);

2. Untuk menguji ada tidaknya suatu hubungan di antara dua variabel (independency test); serta

3. Untuk menguji kesamaan di antara sub-sub kelompok (homogenity test). Rumus umum untuk uji chi
square adalah sebagai berikut:

x =∑ ¿ ¿ ¿
2

Dimana :

2
x =¿Chi square

f o=¿ Frekuensi yang diobservasi

f h=¿ Frekuensi yang diharapkan

d) Distribusi F

Distribusi F ini juga mempunyai variabel acak yang kontinu. Fungsi densitasnya mempunyai persamaan:

½(v 1−2)
F
f ( F )=K .
¿¿

Dengan:

F = variabel acak memenuhi batas F> 0 ,

K=¿ bilangan tetap yang harganya bergantung pada v1 dan v 2 sedemikian sehingga luas di bawah kurva
sama dengan satu,

v1 =dk pembilang

v 2=dk penyebut.
Jadi, distribusi F ini mempunyai dua buah derajat kebebasan.

 Ciri-ciri Distribusi F

Walpole et al. (1998) juga mendiskusikan ciri-ciri dari distribusi F, yaitu sebagai berikut.

1. Distribusi F bersifat kontinu. Hal ini berarti bahwa distribusi F nilainya bisa jadi tidak terbatas, antara
nol dan positif tak hingga,

2. Ditribusi F tidak dapat bernilai negatif. Nilai terkecil dari F adalah nol,

3. Bentuknya tidak simetris. Semakin besar jumlah derajat kebebasan pada pembilang dan penyebut,
distribusinya semakin mendekati distribusi normal,

4. Bersifat asimtotik (asymptotic). Semakin besar nilai x, kurva generalized F semakin mendekati sumbu X
tetapi tidak akan pernah menyentuhnya.

 Fungsi Pengujian Distribusi F

Distribusi F seringkali digunakan dalam pengujian statistika, antara lain analisis varians dan analisis
regresi. Analisis varians (analysis of variance, ANOVA) adalah suatu metode analisis statistika yang
termasuk ke dalam cabang statistika inferensi. Dalam literatur Indonesia metode ini dikenal dengan
berbagai nama lain, seperti analisis ragam, sidik ragam, dan analisis variansi. Ia merupakan pengembangan
dari masalah Behrens-Fisher, sehingga uji-F juga dipakai dalam pengambilan keputusan. Analisis regresi
dalam statistika adalah salah satu metode untuk menentukan hubungan sebab-akibat antara satu variabel
dengan variabel-variabel yang lain. Variabel "penyebab" disebut dengan bermacam-macam istilah: variabel
penjelas, variabel eksplanatorik, variabel independen, atau secara bebas, variabel X (karena seringkali
digambarkan dalam grafik sebagai absis, atau sumbu X). Variabel terkena akibat dikenal sebagai variabel
yang dipengaruhi, variabel dependen, variabel terikat, atau variabel Y. Kedua variabel ini dapat merupakan
variabel acak (random), namun variabel yang dipengaruhi harus selalu variabel acak. Analisis regresi
adalah salah satu analisis yang paling populer dan luas pemakaiannya. Analisis regresi dipakai secara luas
untuk melakukan prediksi dan ramalan, dengan penggunaan yang saling melengkapi dengan bidang
pembelajaran mesin. Analisis ini juga digunakan untuk memahami variabel bebas mana saja yang
berhubungan dengan variabel terikat, dan untuk mengetahui bentukbentuk hubungan tersebut.

e) Pengecakan Distribusi Normal

Untuk keperluan analisis data selanjutnya, dalam statistika induktif, ternyata bahwa model distribusi sering
harus diketahui bentuknya. Misalnya, dianut berdasarkan kepada asumsi bahwa populasi yang sedang
diselidiki berdistribusi normal. Jika asumsi ini tidak dipenuhi, artinya ternyata populasinya tidak
berdistribusi normal, maka kesimpulan berdasarkan teori itu tidak berlaku. Karenanya, sebelum teori lebih
lanjut digunakan dan kesimpulan diambil berdasarkan teori dimana asumsi normalitas dipakai, terlebih
dahulu perlu diselidiki apakah asumsi itu di penuhi atau tidak.

BAB III

PENUTUP

3.1 Kesimpulan

Teori peluang sering disebut dengan teori kemungkinan (probabilitas). Secara umum, probabilitas
merupakan peluang bahwa sesuatu akan terjadi. Secara lengkap, probabilitas didefinisikan sebagai
“Probability” is a measure of a likelihood of the occurance of a random event. (Mendenhall dan Reinmuth,
1982). Yang artinya, “Probabilitas” ialah suatu nilai yang dipergunakan untuk mengukur tingkat terjadinya
suatu kejadian yang acak. Dalam mempelajari probabilitas, ada 3 kata kunci yang harus diketahui, yaitu: 1.
Eksperimen, Hasil(outcome), dan Kejadian atau peristiwa (event). Ada dua pendekatan dalam menghitung
probabilitas yaitu pendekatan yang bersifat objektif dan subjektif.

Secara umum, beberapa kombinasi dari kejadian dalam sebuah eksperimen dapat dihitung
probabilitasnya berdasarkan dua aturan, yaitu aturan penjumlahan dan aturan perkalian. Distribusi peluang
adalah tabel, grafik atau rumus yang memberikan nilai peluang dari sebuah peubah acak

3.2 Saran

Menyadari bahwa penulis masih jauh dari kata sempurna, kedepannya penulis akan lebih fokus
dalam menjelaskan tentang makalah di atas dengan smber-sumber yang lebih banyak yang tentunya dapat
dipertanggungjawabkan. Saran dan kritik terhadap penulisan juga bisa untuk menanggapi terhadap
kesimpulan dari bahasan makalah yang telah dijelaskan
DAFTAR PUSTAKA