Peta Konsep
Kata Kunci :
Jika variabel acak kontinu X mempunyai fungsi densitas pada X = x dengan persamaan :
1 x
1 ( )2
f ( x) e 2
2
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 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, jika kurva uniimodal, tercapai pada x = µ sebesar
4) Grafiknya mendekati (berasimtotkan) 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 satuan persegi.
Untuk tiap pasang µ dan σ, sifat-sifat di atas selalu di penuhi, hanya bentuk kurvanya saja yang
berlainan. Jika σ makin besar, kurva makin rendah (platikurtik) dan untuk σ makin kecil, kurva
makin tinggi (leptokurtik)
Penggunaan praktis menggunakan rumus diatas tidak perlu dirisaukan lagi karena telah tersusun
daftar untuk keperluan di maksud. Daftar tersebut dapat dilihat di daftar distribusi normal standar
atau normal baku pada lampiran (Daftar F). Distribusi normal standar ialah distribusi normal
dengan rata-rata µ = 0 dan simpangan baku σ = 1. Fungsi densitasnya berbentuk :
1
1 2Z2
f ( z) e ; z daerah -∞ < z < ∞
2
Mengubah dstribusi normal umum f(x) diatas menjadi distribusi normal baku f(z) diatas ditempuh
menggunakan transformasi :
X
Z
Perubahan grafiknya dilihat gambar berikut:
Perhatikan, bahwa setiap nilai dalam tabel menunjukkan luas daerah di bawah kurva yang dibatasi
oleh nilai Z = 0 sampai dengan Z = tertentu (maksudnya jarak terhadap rata-rata) seperti contoh
dibawah ini.
Kalau nilai variabel yang diberikan belum berupa standar normal harus di standarkan
X
dahulu dengan rumus Z , ingat bahwa luas seluruh kurva = 1 artinya probabilitas Z
mengambil antara = -∞ s/d +Z sebesar 1 (luas seluruh kurva) yaitu Pr (-∞ < Z < ∞) = 1 dan
Pr (-∞ < Z < 0) = Pr (0 < Z < ∞) = 0,5 (karena simetris terhadap titik 0, tempat rata-rata Z)
Kegiatan 8.1
Mecermati dan Memahami Kurva Normal
Perhatikan Soal berikut ini :
Di dalam persoalan khusus d dalam pengujian hipotesis (testing hypotesis) dan teori
perkiraan interval (interval estimation theory) kita sering harus mencari berapa besarnya nilai Z
apabila luas daerah dibawah kurva sudah diketahui.
Misal carilah besaran nilai Z sedemikian rupa sehingga daerah di sebelah kanannya = 10 %
0,4896
c) Dengan berat kecil atau sama dengan 4.000 g, maka beratnya harus lebih kecil dari
4.000,5
..... gr 3.750 gr
Z ... (Lihat Daftar F)
325 gr
Daftar F diperoleh 0,2794
Peluang berat bayi lebih kecil atau sama dengan 4.000 gr = 0,5 – ............ = ..............
Jadi banyak bayi = (..............)(.....................)= ........
Sketsa Grafiknya :
..............................................
...........................................
Sebelum mempelajari cara menarik kesimpulan, kita telah mengenal istilah parameter.
Parameter dapat berupa taksiran dari populasi yang akan ditaksir dan diuraikan dalam bentuk
rata-rata, simpangan baku dan persen. Taksiran atau penafsiran sebaiknya berupa interval atau
selang taksiran yang akan dikenal sebagai arti sempit sebagai derajat kepercayaan/koefisien
kepercayaan merupakan pernyataan dalam bentuk peluang. Berdasarkan penaksiran yang
dilakukan, lalu kesimpulan dibuat bagaimana atau berapa besar harga parameter itu melalui
pengujian hipotesis.
Hipotesis adalah asumsi atau dugaan mengenai sesuatu hal yang dibuat untuk
menjelaskan hal itu yang sering dituntut untuk melakukan pengecekannya. Jika asumsi atau
dugaan itu dihususkan mengenai populasi, umumnya mengenai nilai-nilai parameter populasi,
maka hipotesis itu disebut hipotesis statistik. Setiap hipotesis bisa benar atau tidak benar dan
karenanya pelu diadakan penelitian sebelum hipotesis itu diterima atau ditolak. Untuk pengujian
hipotesis, peneitian dilakukan sampel acak diambil, nilai-nilai statistik yang perlu dihitung
kemudian dibandingkan menggunakan kriteria tertentu dengan hipotesis.
Jika hasil yang dapat dari penelitian itu, dalam pengertian peluang, jauh berbeda dari hasil
yang diharapkan terjadi berdasarkan hipotesis, maka hipotesis ditolak. Jika terjadi sebaliknya,
hipotesis diterima. Perlu dijelaskan di sini bahwa meskipun berdasarkan penenlitian kita
menerima atau menolak hipotesis, tidak berarti bahwa kita telah membuktikan atau tidak
membuktikan kebenaran hipotesis. Yang kita perlihatkan hanyalah menerima atau menolak
hipotesis saja.
Dalam melakukan pengujian hipotesis, ada dua macam kekeliruan yang dapat terjadi,
dikenal dengan nama-nama :
Kekeliruan tipe I : ialah menolak hipotesis yang seharusnya diterima
Kekeliruan tipe II : Ialah menerima hipotesis yang seharusnya ditolak.
Untuk mengingat hubungan antara hipotesis, kesimpulan dan tipe kekeliruan dapat dilihat dalam
tabel dibawah ini.
Tabel 8. 1 Tipe Kekeliruan Membuat Kesimpulan Tentang Hipotesis
Keadaan Sebenarnya
Kesimpulan
Hipotesis Benar Hipotesis Salah
Terima Hipotesis Benar Keliruan (Tipe II)
Tolak Hipotesis Keliruan (Tipe I) Benar
Agar penelitian dapat dilakukan maka kedua tipe kekeliruan itu kita nyatakan dalam
peluang. Menuat peluang tipe I bisa dinyatakan dengan kekeliruan α dan peluang tipe II
dnyatakan dengan kekeliruan β. Dalam penggunaanya α disebut taraf signifikan atau taraf
nyata/arti. Harga α yang biasa digunakan yaitu α = 0,01 atau α = 0,05. Dengan α = 0,05 arti taraf
nyata 5 %, berarti kira-kira 5 dari 100 kesimpulan bahwa kita akan menoloka hipotesis yang
seharusnya diterima. Dengan kata lain kira-kira 95 % yakin bahwa kita telah membuat kesimpulan
yang benar. Dalam hal demkian dikatakan bahwa hipotesis telah ditolak pada taraf 0,05 yang
berarti kita mungkin salah dengan peluang 0,05.
Untuk setiap pengujian dengan α yang ditentukan, besar β dapat dihitung. Harga (1 – β)
dinamakan kuasa uji. Ternyata nilai β berbeda untuk harga parameter yang berlainan, Jadi β
bergantung pada parameter, katakanlah θ, sehingga didapat β(θ) sebuah fungsi yang bergantung
pada θ. Bentuk β(θ) dinamakan fungsi ciri operasi dan 1 – β(θ) disebut fungsi kuasa.
Langkah selanjutnya kita pilih bentuk statistik mana yang harus digunakan, apakah Uji Z, t,
X, F atau lainnya, Harga statistik yang dipilih dihitung dari data sampel yang dianalisis. Kemudian,
berdasarkan pilihan taraf nyata α (ukuran daerah kritis), kriteria pengujian kita tentukan. Peran
hipotesis tandingan (H1) dalam menentukan daerah kritis adalah sebagai berikut:
1) Jika tandingan H1 mempunyai perumusan tidak sama, Maka dalam distribusi statistik yang
digunakan normal untuk angka Z, didapat dua daerah kritis atau daerah penolakan pada tiap
ujung adalah ½α. Karena adanya dua darah penolakan ini , maka pengujian hipotesis
dinamakan uji dua pihak
2) Untuk tandingan H1 mempunyai perumusan lebih besar , maka dalam distribusi statistik yang
digunakan didapat sebuah daerah kritis yang letaknya di ujung sebelah kanan. Luas daerah
kritis penolakan ini sama dengan α.
Harga d didapat dari daftar distribusi yang bersangkutan dengan peluang yang ditentukan oleh α,
menjadi batas antara daerah kritis dan daerah penerimaan (Ho). Kriteria yang dipakai adalah tolak
3) Untuk tandingan H1 mempunyai perumusan lebih kecil, maka dalam distribusi statistik yang
digunakan didapat sebuah daerah kritis yang letaknya di ujung sebelah kiri. Luas daerah kritis
penolakan ini sama dengan α.
Harga d didapat dari daftar distribusi yang bersangkutan dengan peluang yang ditentukan oleh α,
menjadi batas antara daerah kritis dan daerah penerimaan (Ho). Kriteria yang dipakai adalah
terima Ho jika statistik yang dihitung berdasarkan sampel lebih besar dari d. Dalam Hal lain Ho kita
tolak. Pengujian ini dinamakan uji satu pihak, tepatnya pihak kiri
Kegiatan 8.3
Menguji Hipotesis rata-rata μ, permasalahan berdistribusi Normal dengan rata-rata μ
dan simpangan baku σ
Pengusaha lampu pijar A mengatakan bahwa lampunya bisa tahan pakai sekitar 800 jam. Akhir-
akhir ini timbul dugaan bahwa masa pakai lampu itu telah berubah. Untuk menentukan hal ini,
dilakukan penelitian dengan jalan menuji 50 lampu. Ternyata rata-ratanya 792 jam. Dari
pengalaman, diketahui bahwa simpangan baku masa hidup lampu 60 jam. Selidikilah dengan taraf
nyata 0,05 apakah kualitas lampu itu sudah berubah atau belum.
Penyelesaian :
Dengan memisalkan masa hidup lampu berdistribusi normal, maka kita akan menguji
H0 : μ = 800 jam → Berarti lampu itu masa pakainya sekitar 800 jam
H1 : μ ≠ 800 jam → Berarti kualitas lampu telah berubah dan bukan 800 jam lagi
X
Z , untuk simpangan baku σ diketahui, ẋ =792, n = 50, σ = 60 jam, μo = 800 jam
n
.... .... ....
Z 0,94
.... ....
...
Kriteria dipakai dari daftar normal baku untuk uji dua pihak dengan θ = 0,05 yang memberikan Z
(0,475) = 1,96 adalah
Terima Ho jika z hitung terletak antar -1,96 dan 1,96. Dalam hal lain Ho ditolak.
Dari penelitin sudah didapat z = -0,94 dan ini jelas terletak dalam daerah penerimaan Ho.
Jadi Ho diterima
Ini berarti dalam taraf nyata 0,05. Penelitian memperlihatkan bahwa memang masa pakai lampu
masih sekitar 800 jam. Jadi belum berubah.
Jika dari soal diatas simpangan baku populasi tidak diketahui, dari data sampel didapat s = 55 jam
(s = simpangan baku yang dihitung dari sampel) dan n = 50, maka
X
t , untuk simpangan baku σ tidak diketahui (Distribusi Student, dengan dk = n – 1)
s
n
... ... ...
t 1,029 (dengan dk = 49)
... ...
...
Dari daftar distribusi student dengan α = 0,05 dengan dk = 49 untuk uji dua pihak didapat t = 2,01.
Kriteria pengujian terima ho jika t hitung terletak antara -2,01 dan 2,01 Sedangkan dalam hal
lainnya Ho ditolak.
Penelitian menghasilkan t = -1,029 yang jelas terletak dalam daerah penerimaan
Proses pembuatan barang rata-rata meghasilkan 15,7 unit perjam. Hasil produksi mempunyai
varians = 2,3. Metode baru diusulkan untuk menganti yang lama jika rata-rata perjam
menghasilkan paling sedikit 16 buah. Untuk menentukan apakah metode diganti atau tidak,
metode baru dicoba 20 kali dan ternyata rata-rata perjam menghasilkan 16,9 buah. Pengusaha
bermaksud mengambil resiko 5% untuk mengunakan metode baru apabila metode ini rata-rata
menghasilkan lebih dari 16 buah. Apakah keputusan si pengusaha.
Penyelesaian :
Dari penelitian didapat z = 2,65 yang jelas jatuh pada daerah kritis. Jadi Ho ditolak. Ini
menyimpulkan bahwa metode baru dapat menggantikan metode lama dengan mengambil risiko
5%. Peluang tersebut adalah
P (Z ≥ 2,65 ) = 0,5 – 0,4960 = ...
Ini berarti :
Berdasarkan penelitian yang dilakukan. Kesempatan melakukan kekeliruan ketika memutuskan
mengambil metode baru adalah 4 dari setiap 1000, Dalam hal ini biasanya dituliskan bahwa
peluang P < 0,05 bahkan P < 0,01.