BAB 1

PENDAHULUAN
1.1. Sejarah Probabilitas
Teori probabilitas sering disebut teori kemungkinan atau teori peluang, merupakan dasar
pemahaman statistika. Mengingat dalam statistika sering mendasarkan diri pada unit kejadian dari
jumlah keseluruhan kejadian, dan kemudian dari padanya ditarik generalisasi fenomena, maka
probabilitas memainkan peran sangat penting sebagai derajat atas semua sifat yang diperoleh dari
generalisasi tersebut.
Pengetahuan tentang probabilitas (probability) sebenarnya telah dikenal sejak berabad-abad
lamanya. Meskipun demikian, penjelasan secara ilmiah baru dirintis pada abad ke tujuh belas. Pada
masa itu Chevalier de Mere (seorang bangsawan Perancis) sering menulis surat kepada Blaise
Pascal agar diberi penjelasan tentang perbedaan antara pemikiran-pemikiran teoritisnya dengan
hasil-hasil observasi yang diperolehnya di gelanggang perjudian. Seolah-olah perjudian itulah yang
menarik perhatian Pascal dan surat menyurat antara kedua sarjana tersebut tentang persoalan
tersebut sebenarnya meletakkan dasar pemikiran bagi ilmu probabiltas moderen. Huygens (1629-
1695), seorang sarjana Belanda membaca isi surat menyurat ini dan karena tertarik oleh buah
fikiran baru tersebut, ia kemudian menulis buku tentang probabilitas yang berjudul De Ratio crisis
in ludo aleae (1654). Dalam buku tesebut, Huygens memberi penjelasan tentang cara penyelesaian
soal-soal probabilitas dalam permainan judi. Pengertian tentang harapan matematis (mathematical
expectation) yang demikian penting dalam probabilitas moderen dapat dikatakan berdasarkan pada
tulisan-tulisan tersebut. Pada tahun 1783, 8 tahun setelah meninggalnya Jacob Bernoulli (1654-
1705), bukunya yang sangat terkenal Ars Conjectandi baru diterbitkan dan memperoleh sambutan
yang hangat di kalangan sarjana-sarjana Barat. Buku tersebut merupakan hasil renungan Bernoulli
tentang probabilitas selama 20 tahun. Dalam bukunya tersebut, Bernoulli melihat pengetahuan
probabilitas dari sudut yang umum. Kemungkinan probabilitas digunakan di berbagai bidang di
luar perjudian sudah dibayangkan oleh Bernoulli. Teorinya yang diberi nama Teorema Bernoulli
mempunyai peranan penting dalam teori probabilitas dan dikenal oleh hampir semua orang yang
mempelajari probabilitas. Pengganti Bernoulli yang terkenal adalah Abraham de Moivre (1667-
1754). Bukunya yang berjudul The Doctrine of Chances (1718) mendapat sambutan yang sangat
baik. Karyanya penuh dengan metode baru yang lebih efektif untuk menyelesaikan persoalan
probabilitas. Sejarah perkembangan teori probabilitas mencapai puncaknya pada masa Laplace
(1749-1827). Karya-karyanya tentang probabilitas terdapat dalam 2 buku, yaitu Theorie Analytique
des probabilities (1812) dan Essai philosophique sur les probabilities. Karya yang penuh dengan
buah fikiran baru, metode analisis baru dan hasil-hasil baru yang memberikan sumbangan berharga
pada perkembangan ilmu pasti.

1.2. Populasi dan Sampel

Populasi (universe) adalah keseluruhan unsur-unsur yang memiliki satu atau beberapa
karakteristik yang sama. Misalnya, menentukan rata-rata berat kaleng corned beef merek A yang
diproduksi suatu perusahaan pada bulan Juli. Populasinya terdiri dari semua kaleng corned beef
merek A yang diproduksi bulan Juli, misalnya 50.000 kaleng. Meskipun ada berbagai merek
produk corned beef, dalam hal ini hanya merek A yang menjadi perhatian. Sehingga hanya corned
beef merek A sebagai populasi.
Sampel adalah bagian dari populasi. Pada umumnya penelitian terhadap populasi dilakukan
dengan cara melakukan observasi atau pengukuran terhadap sebagian dari keseluruhan populasi.
Secara nyata dalam perusahaan manufaktur maupun perusahaan jasa, sangat tidak mungkin
mendapatkan data dari setiap anggota dalam populasi. Pengukuran, penyimpanan, dan
pengambilan kembali produk dalam jumlah yang besar tidak mungkin dapat dilakukan dan
membutuhkan biaya yang besar. Dengan keadaan demikian, mendapatkan data sebagian dari
populasi adalah satu-satunya cara yang dapat dilakukan.
Sampel dapat dikumpulkan atau dipilih dalam beberapa cara, misalnya dipilih secara acak
atau secara sistematis. Pengumpulan sampel secara acak adalah pengumpulan dimana setiap unit
anggota dalam populasi memiliki kesempatan yang sama untuk terpilih. Misalnya, dengan
mempertimbangkan kembali tentang pengambilan populasi kaleng corned beef merek A, cukup

1
dengan mengambil sampel sebesar 500 kaleng secara acak selama bulan Juli. Sedangkan
pengumpulan sampel secara sistematis adalah pengumpulan berdasarkan cara tertentu, misalnya
pemilihan tiap kaleng yang dihasilkan dari setiap 100 kaleng produk corned beef merek A.

1.3. Parameter, Statistik dan Statistika

Parameter adalah karakteristik dari suatu populasi atau sesuatu yang menggambarkan
populasi. Untuk kaleng corned beef merek A, parameternya dapat berupa rata-rata berat dari 50.000
kaleng corned beef yang diproduksi selama bulan Juli. Pada umumnya parameter ini belum
diketahui.
Statistik adalah karakteristik dari suatu sampel. Digunakan untuk membuat kesimpulan
parameter populasi yang tidak diketahui. Untuk kaleng corned beef merek A, statistiknya dapat
berupa rata-rata berat dari 500 kaleng corned beef yang diproduksi selama bulan Juli. Statistik
disebut juga sebagai penduga (estimator).
Statistika adalah sekumpulan konsep dan metode untuk mengumpulkan, menyajikan,
menganalisis dan menarik kesimpulan dalam situasi ada ketidakpastian dan variasi. Variasi sering
ditimbulkan oleh perbedaan alat ukur, kesalahan operator yang melakukan pengukuran, metode
pengukuran atau bahan baku obyek yang diukur berbeda. Misalnya mengukur diameter piston,
maka dapat digunakan alat ukur yang berbeda, yaitu mikro meter, jangka sorong atau penggaris.
Penggunaan dengan ketiga alat ini akan memberikan hasil yang berbeda untuk satu obyek yang
sama, karena presisi alat ukur yang berbeda. Ketidak pastian sering terjadi karena suatu sebab yang
sering kali tidak diramalkan sebelumnya, atau karena gejala alam yang berfluktuasi tidak bisa
dipelajari. Misalkan intensitas curah hujan atau frekuensi gelombang di atas permukaan laut.
Masalah ketidakpastian ini sulit dicari sumber penyebabnya, tetapi variasi yang ditimbulkan dapat
dipelajari perlahan-lahan.
Menurut jenjang keilmuannya statistika dibagi dua bagian, yaitu statistika deskriptif dan
statistika inferens. Statistika deskriptif sering disebut sebagai statistik deduktif, membahas tentang
bagaimana merangkum sekumpulan data dalam bentuk yang mudah dibaca dan cepat memberikan
informasi, yang disajikan dalam bentuk tabel, grafik, nilai pemusatan dan nilai penyebaran. Dalam
statistika deskriptif belum dilakukan analisis, sehingga kesimpulan yang didapat terbatas, yaitu
hanya terbatas pada nilai pemusatan dan penyebaran saja. Statistika inferens disebut juga statistika
induktif karena dapat menganalisis dan mengambil kesimpulan dengan metode tertentu tentang
suatu fenomena berdasarkan sampel. Untuk mempelajari statistika inferens, perlu diperkenalkan
konsep probabilitas, distribusi probabilitas, dan model-model distribusi probabilitas yang penting
dan sering terjadi dalam kehidupan sehari-hari. Konsep probabilitas ini merupakan dasar dalam
statistika inferens.
Sebagai konsep dan metoda, statistika menyajikan alat-alat analisis dan cara-cara
pengumpulan data melalui eksperimen dan pengamatan (observasi) yang terencana dengan
memperhatikan berbagai faktor yang dapat mempengaruhi variabilitas hasil eksperimen.

1.4. Teori Himpunan

Pengertian tentang himpunan (set) dan peranannya dalam matematika sebetulnya telah lama
dikemukakan dalam karya ilmiah George Cantor. Saat ini pengertian tentang himpunan makin
mempengaruhi bentuk dan bahasa matematika moderen. Perumusan tentang probabilitas juga
menggunakan istilah dan pengertian tentang himpunan. Meskipun demikian, aturan teori himpunan
baru disusun oleh A. Kolmogorov sekitar tahun 1933. Himpunan (set) ialah kumpulan obyek yang
dirumuskan secara tegas dan dapat dibedakan. Misalnya himpunan yang terdiri dari semua jumlah
mata dadu yang mungkin terwujud dari serangkaian hasil pelemparan dua butir dadu, himpunan
yang terdiri dari semua garis linier (pada sebuah bidang tertentu) yang melalui suatu titik tertentu
dan sebagainya. Kumpulan obyek, benda atau lambang tersebut dapat dirumuskan secara tegas
tanpa keragu-raguan. Bagi tiap obyek yang bersangkutan, apakah obyek tersebut tergolong
kumpulan yang dimaksudkan atau bukan harus dapat dijawab dengan ya atau tidak. Dalam hal
demikian, tidak dibutuhkan pengetahuan atau metode guna menentukan benar atau tidaknya
jawaban tersebut. Hanya perlu diketahui bahwa hanya salah satu dari jawaban saja yang benar.
Selain itu, obyek dalam kumpulan tersebut harus dapat dibeda-bedakan dalam arti kata tidak ada
obyek yang dihitung dua kali. Misalnya, himpunan dari huruf yang terdapat dalam kata statistik
merupakan himpunan yang terdiri dari lima huruf yang berbeda yaitu s, t, a, i dan k dan bukan
terdiri dari sembilan huruf.
2
a. Himpunan dan Anggota
Obyek-obyek yang mengisi atau membentuk sebuah himpunan disebut anggota atau elemen.
Obyek-obyek suatu himpunan sangat bervariasi, bisa berupa angka, huruf, buah, hewan, benda,
orang dsb. dituliskan

PA Untuk menyatakan bahwa obyek P adalah merupakan anggota dari himpunan A

Jika setiap anggota dari himpunan A juga merupakan anggota dari himpunan B, dengan kata lain
P  A juga P  B, maka A disebut sebagai sub-himpunan (subset) dari B, dituliskan :

AB Untuk menyatakan bahwa himpunan A adalah merupakan sub-himpunan dari

himpunan B
atau :

AB Untuk menyatakan bahwa himpunan B antara lain berisi sub-himpunan A

Dua buah himpunan dikatakan sama atau sederajat apabila semua anggota dari himpunan yang satu
juga merupakan anggota-anggota bagi himpunan yang lain, dengan perkataan lain jumlah dan jenis
anggota-anggota kedua himpunan tersebut sama, dituliskan :

A=B Untuk menyatakan bahwa himpunan A sama dengan himpunan B, yakni jika dan hanya
jika A  B dan B  A

Pernyataan sangkalan (bantahan) terhadap P  A, A  B dan A=B masing-masing dituliskan dengan

notasi : P  A, A  B, A  B. Dengan demikian :

P A Berarti bahwa obyek P bukan merupakan anggota dari himpunan A

AB Berarti bahwa himpunan A bukan merupakan sub-himpunan B
A B Berarti bahwa himpunan A tidak sama dengan himpunan B

Penulisan sebuah himpunan dapat dilakukan dengan dua macam cara, yaitu cara daftar dan cara
kaidah.

Cara daftar ialah dengan mencantumkan seluruh obyek yang menjadi anggota himpunan tersebut,
sebagai contoh :
A = 1,2,3,4,5 Berarti himpunan A terdiri dari bilangan-bilangan 1, 2, 3, 4, 5
Cara kaidah ialah dengan menyebutkan karakteristik tertentu dari obyek-obyek yang menjadi
anggota himpunan tersebut, sebagai contoh :

A = { X : X = bilangan bulat, 0 < X < 6 } Berarti himpunan A terdiri dari X sebagai obyek, di
mana X adalah bilangan bulat yang lebih besar dari 0
tapi lebih kecil dari 6

Kecuali dinyatakan lain, setiap himpunan tertentu dianggap terdiri dari beberapa sub-himpunan
yang masing-masing mempunyai anggota. Himpunan besar tersebut dinamakan himpunan
universal atau sering disebut dengan himpunan saja, dan dituliskan dengan notasi U.
Himpunan kosong adalah himpunan yang tidak mempunyai satu anggotapun; biasanya
dilambangkan dengan notasi  . Secara teori  adalah merupakan sub-himpunan dari setiap
himpunan apapun. Berdasarkan adanya konsep himpunan universal yang merupakan induk bagi
semua himpunan, dan himpunan kosong merupakan sub-himpunan dari setiap himpunan, maka
untuk setiap himpunan tertentu (misalkan A) berlaku ketentuan   A  U.

Contoh 1.4.1 :
Dimiliki data tentang beberapa himpunan sebagai berikut :
U = 0,1,2,3,4,5,6,7,8,9, A = 0,1,2,3,4 , B = 5,6,7,8,9 , C = 0,1,2,3,4
Data tersebut dapat disimpulkan :
3
 x  U, di mana 0  x  9 A  U, B  U dan C  U
A = C, A  B dan B  C
y  A, di mana 0  y  4 y  A dan juga y  C, maka A  C dan C  A

z  B, di mana 5  z  9 y  B dan di lain pihak z  A, z  C

y  A, di mana 0  y  4   A,   B,   C,   U
  A  U,   B  U,   C  U

b. Operasi Himpunan
Beberapa aturan dalam pengoperasian himpunan adalah sebagai berikut :
Jika ada dua himpunan, misal A dan B maka gabungan (union) dari A dan B (ditulis A  B)
adalah himpunan yang beranggotakan anggota milik A atau milik B.

A = 1,2,7,...dst B = { x : x  A atau x  B } Kata “atau” mengandung arti dan / atau

Irisan (intersection) dari himpunan A dan himpunan B, ditulis dengan notasi A  B, adalah
himpunan yang beranggotakan milik A maupun milik B.

Jika A dan B tidak mempunyai satupun anggota (A  B=  ),

A  B = { x : x  A dan x  B }
maka A dan B dikatakan disjoint

Komplemen (Complement) dari himpunan A, dituliskan dengan notasi A , adalah himpunan dengan
anggota yang tidak dimiliki oleh A.

A ={x:x U, x  A} Dengan perkataan lain, A adalah selisih antara himpunan universal

U dan himpunan A

A B U A B U

Gambar 1.1. A  B adalah bagian Gambar 1.2. A  B adalah bagian

yang diarsir yang diarsir

A B U A B U

Gambar 1.3. Diagram A  B =  Gambar 1.4. Diagram A adalah bagian

A dan B disjoint yang diarsir
Contoh 1.3.2 :
A = 1,2,3,4,5 B = 3,4,5,6 U = 1,2,3,4,5,6,...dst
maka : A  B = 1,2,3,4,5,6 A = 6,7,...dst
A  B = 3,4 B = 1,2,7,...dst

c. Hukum-hukum Matematika Dalam Pengoperasian Himpunan

Untuk pengoperasian lebih lanjut teori himpunan berlaku berbagai hukum matematika :
Hukum Matematika Operasi Himpunan
Idempoten A A = A ; AA = A
Asosiatif (A  B)  C =.A  (B  C) ; (A  B)  C =.A  (B  C)
Kumulatif AB = BA ; AB = BA
Distributif A  (B  C) = (A  B)  (A  C) ; A  (B  C) = (A  B)  (A  C)

4
 Hukum Matematika Operasi Himpunan
Identitas A   =A ; A  U =A ; A  U = U ; A   = 
Kelengkapan A A = U ; A = A ; U =  ;  = U ; A A =
De Morgan ( A  B) = A  B ; ( A  B) = A  B

Lambang-lambang dalam teori himpunan dan artinya

Lambang Arti Contoh Penggunaan
 Anggota (elemen) x  A : x adalah anggota dari himpunan A
A  B : himpunan A adalah sub-himpunan dari
 Sub-himpunan (sub-set)
himpunan B
A  B : gabungan antara himpunan A dan himpunan
 Gabungan (union)
B
 Irisan (intersection) A  B : irisan antara himpunan A dan himpunan B
A Komplemen A (bukan A) A = {x : x adalah semua bilangan positif}
A = {x : x adalah semua bilangan yang tidak positif}
U Himpunan Universal
Himpunan kosong

(tak beranggota)

Soal Jawab
1. Jika U=26 huruf alfabet, A = sub himpunan yang terdiri dari huruf hidup {a,i,u,e,o} dan B = sub
himpunan yang terdiri dari tiga huruf pertama {a,b,c}, tentukan : A , B , A  B, A  B
Penyelesaian :
A ={x:x U, x  A}
B = {d,e,f, …, z}
A  B= {a,b,c,e,i,o,u}

2. Jika U={1,2,3,4,5,6,7}, A={1,2,3}, B={2,4,6}, C={1,3,5,7}, tentukan : A , B , C , A  B, A  C,

B C
B C
Penyelesaian :
A = {4,5,6,7}
B = {1,3,5,7} = C
C = {2,4,6} = B
A  B = {1,2,3,4,6}
A  C = {1,2,3,5,7}
B  C = {1,2,3,4,5,6,7} = U
B C =

3. Buruh sebuah perusahaan dapat diklasifikasikan ke dalam golongan A,B dan C. Golongan A
terdiri dari buruh yang rajin, Golongan B terdiri dari buruh yang sehat, Golongan C terdiri dari
buruh yang berpendidikan. Sebuah survei sampel yang terdiri dari 100 orang buruh
menghasilkan data sebagai berikut
Golongan Jumlah Buruh
A 50
B 52
C 40
A dan B (AB) 20
A dan C (AC) 13
B dan C (BC) 15
A dan B dan C (ABC) 5

Tentukan jumlah yang sebenarnya dari A, B, C , A  B, B  C, A  C, A  B  C

5
 Penyelesaian :

A B

A=22 AB=15 B=22

ABC=5 U
AC=8

BC=10

C=17

Soal Latihan
1. Berikan arti istilah : (a) Populasi (b) Sampel (c) Parameter (d) Statistik (e) Induksi
(f) Deduksi

2. Diketahui : U={1,2,3, …,9 dan 26 alfabet}, A={1,3,5,a,e,h}, B={1,2,3,4,5,a,b,c,d,e}

Carilah : B , A  B, A  B dan A  B

3. Penggolongan seorang menurut jenis darah dan Rh-nya dapat dilakukan dengan cara menguji
contoh darah untuk diketahui ada atau tidaknya antigen A, B dan Rh. Darah jenis AB
mengandung antigen A dan B, jenis A mengandung antigen A tetapi tidak ada B, jenis B
mengandung antigen B dan tidak ada A, sedangkan jenis darah O tidak mengandung antigen A
maupun B. Darah dapat digolongkan sebagai Rh positif jika terdapat antigen Rh dan
digolongkan sebagai Rh negatif jika tidak terdapat antigen Rh, Rh positif diberi tanda +
sedangkan Rh negatif diberi tanda -. Andaikan pengujian darah secara laboratories dari sebuah
sampel yang terdiri dari 100 orang diperinci sebagai berikut :
50 mengandung antigen A
52 mengandung antigen B
40 mengandung antigen Rh
20 mengandung antigen A dan B
13 mengandung antigen A dan Rh
15 mengandung antigen B dan Rh
5 mengandung ketiga antigen
Gambarkan diagram himpunan universal nya
4. Suatu survei sampel terhadap 500 konsumen yang menggunakan deterjen bubuk dari satu atau
beberapa merek, ternyata menghasilkan perincian sebagai berikut :
Deterjen merek Rinso = 329
Deterjen merek Attack = 186
Deterjen merek Soklin = 295
Deterjen merek Rinso dan Attack = 83
Deterjen merek Rinso dan Soklin = 217
Deterjen merek Attack dan Soklin = 63
a. Gambarkan diagram himpunan universal nya
b. Berapa jumlah konsumen yang menggunakan ketiga merek?
c. Berapa jumlah konsumen yang menggunakan deterjen Rinso tetapi tidak deterjen Soklin?
d. Berapa jumlah konsumen yang menggunakan deterjen Rinso tetapi tidak deterjen Attack atau
Soklin?

6
Daftar Kepustakaan
Dajan, Anto. Pengantar Metoda Statistik Jilid II. LP3ES, cetakan kedelapan belas, Jakarta, 1996.

Dumairy. Probabilitas : Ikhtisar Teori dan Soal Jawab. BPFE, cetakan kedua, Yogyakarta, 1988.

Rumiati, Agnes Tuti. Konsep Peluang dan Statistika alam Rekayasa Jilid I. FMIPA, ITS,
Surabaya, 1998.

7
BAB 2
PERMUTASI dan KOMBINASI
Dalam berapa macam cara suatu kejadian dapat terjadi? Dalam berapa macam cara suatu
pemilihan terhadap sebagian dari keseluruhan obyek dapat dilakukan? Pertanyaan demikian sering
kali timbul dalam persoalan tentang cara menghitung berbagai kemungkinan memilih sampel dari
suatu populasi tertentu. Pada dasarnya, persoalan tersebut sama dengan mencari jumlah cara
penyusunan atau mengatur suatu himpunan obyek tertentu.
Dalam berapa cara tiga huruf hendak dibuat susunan yang masing-masing terdiri atas dua
huruf? Dalam berapa cara dari empat orang staf direksi sebuah perusahaan hendak dipilih seorang
sebagai Direktur SDM dan seorang lagi sebagai Direktur Keuangan? Berapa banyak plat nomer
kendaraan bermotor yang dapat digunakan jika nomornya harus terdiri dari 4 bilangan angka serta
kemudian diikuti 2 huruf alfabet? Sebuah sampel terdiri dari 5 orang responden. Jika responden
tersebut harus dipilih dari suatu populasi yang terdiri dari 6 pria dan 3 wanita, dalam berapa cara
sampel tersebut dapat dipilih jika harus memiliki komposisi paling sedikit 3 orang responden pria?
Permutasi dan Kombinasi memberi dasar guna menjawab serangkaian pertanyaan tersebut.

2.1. Permutasi
Permutasi adalah penyusunan sejumlah obyek tertentu (r) dari segugus obyek (n) dengan
memperhatikan tata urutan obyek-obyeknya.
Jika dari segugus obyek yang berjumlah n diambil sebanyak r obyek, maka permutasi obyek-
n!
obyeknya adalah sejumlah : n Pr  , di mana : r < n
(n  r )!
n!
Bila n = r, maka n Pr  , di mana 0! = 1
(n  r )!
Notasi n! dibaca “n faktorial”; n! = n x (n-1) x (n-2) x (n-3) x … x 2 x 1
Dengan demikian 5! = 5 x 4 x 3 x 2 x 1 = 120

Contoh 2.1.1 :
Berapa macam permutasi dapat dihasilkan jika tiga huruf, yakni A, B dan C hendak dibuat susunan
yang masing-masing terdiri atas dua huruf?
Penyelesaian :
3! 3.2.1
n = 3, r = 2 3 P2    6 cara
(3  2)! 1
Permutasi susunan huruf tersebut adalah AB, AC, BA, BC, CA, CB.
Dalam pengertian permutasi : AB  BA, BC  CB, AC  CA

Contoh 2.1.2 :
Dari empat orang staf direksi sebuah perusahaan yaitu D, E, F dan G hendak dipilih seorang
sebagai Direktur SDM dan seorang lagi sebagai Direktur Keuangan. Bagaimana kemungkinan
komposisi pasangan Direktur SDM dan Direktur Keuangan dari keempat orang tersebut?
Penyelesaian :
4! 4.3.2.1
n = 4, r = 2 4 P2    12 cara
(4  2)! 2

Jumlah kemungkinan ada 12 cara, yaitu :

Kemungkinan
Jabatan 1 2 3 4 5 6 7 8 9 10 11 12
Direktur SDM D F D E D E E G G F F G
Direktur Keuangan E G G F F G D F D E D E

8
2.2. Kombinasi
Kombinasi adalah penyusunan sejumlah obyek tertentu (r) dari segugus obyek (n) tanpa
memperhatikan tata urutan obyek-obyeknya. Jika dari segugus obyek yang berjumlah n diambil
 n n!
sebanyak r obyek, maka kombinsasi obyek-obyeknya adalah sejumlah :    ,
 r  r! (n  r )!
di mana : r < n
 n
Bila n = r, maka    1
r
Notasi n! dibaca “n faktorial”; n! = n x (n-1) x (n-2) x (n-3) x … x 2 x 1

Contoh 2.2.1 :
Segugus huruf terdiri dari tiga unsur, yaitu D, E dan F. Berapa macam kombinasi dapat dihasilkan,
jika kita hendak membuat susunan yang masing-masing terdiri atas dua huruf?
Penyelesaian :
 n  3 3! 3.2.1
n =3 ; r = 2 , maka         3 macam
 r   2  2! (3  2)! 2.1.1
Kombinasi susunan huruf tersebut adalah DE atau ED, DF atau FD, EF atau FE. Ingat pengertian
kombinasi DE = ED, DF = FD, EF = FE.

Contoh 2.2.2 :
Dari empat orang staf pembukuan pada sebuah perusahaan, misalkan mereka adalah R, S, T dan U
hendak ditetapkan dua orang sebagai anggota tim pengusut manipulasi persediaan bahan, keduanya
akan mempunyai kedudukan yang sama dalam tim. Berapa macam pasangan yang bisa dibentuk?
Penyelesaian :
 n   4 4! 4.3.2.1
n = 4 ; r = 2 , maka         6 pasang
 r   2  2! (4  2)! 2.1.2.1
Dengan demikian ada 6 macam pasangan yang bisa dibentuk, yaitu RS=SR, RT=TR, RU=UR,
ST=TS, SU=US atau TU=UT

Soal Jawab

Permutasi
1. Berapa cara susunan dapat dibuat jika dari 7 orang yang menghadiri sebuah pesta duduk di (a) 5
buah kursi berjajar? (b) 7 kursi yang melingkari sebuah meja bundar?
Penyelesaian :
(a) Ketujuhnya duduk di 7 kursi yang berjajar, maka jumlah susunan yang dapat dibuat
7.6.5.4.3.2.1
7 P7  (7  7)!  5.040 cara
(b) Kalau mereka duduk di 7 kursi yang mengitari sebuah meja bundar, maka jumlah cara
susunan yang dapat dibuat :
7 P7  (7  1)!  6.5.4.3.2.1  720 cara
Persoalan tersebut merupakan kasus permutasi untuk n dari n obyek yang disusun secara
melingkar disebut permutasi melingkar. Jika n obyek dipermutasikan secara melingkar,
maka akan terdapat sebanyak n susunan yang urutannya sama untuk setiap “pola “ (yang
disusun secara berbaris urutan-urutan tersebut akan menjadi berbeda). Sebagai contoh
perbandingan, misalnya hendak dipermutasikan 3 obyek A, B dan C.

Permutasi 3 obyek secara berbaris adalah ABC, BCA, CAB, ACB, CBA dan BAC. Jadi
mempunyai 6 pola susunan. Tetapi untuk permutasi 3 obyek ABC secara melingkar hanya
terdapat (3-1)! = 2 cara atau pola susunan, yaitu pola susunan (ABC, BCA, CAB) dan pola

9
 susunan (ACB, CBA dan BAC). Sebab pola susunan lingkaran dengan urutan obyek
ABC=BCA=CAB dan pola susunan lingkaran dengan urutan obyek ACB=CBA= BAC.
Permutasi 3 obyek disusun berbaris :

ABC=BCA=CAB ACB=CBA= BAC

A A

C B B C

Selanjutnya untuk permutasi n dari n obyek yang disusun melingkar berlaku ketentuan :
n Pn obyek melingkar = (n-1)! cara

2. (a) Berapa cara 4 orang pria dan 3 orang wanita dapat duduk berjajar di sebuah kursi panjang?
(b) Berapa cara dapat disusun jika para pria harus duduk bersebelahan dan para wanita juga
demikian?
(c) Berapa cara pula dapat disusun bila hanya para wanita yang harus duduk bersebelahan?

Penyelesaian :
(a) Tujuh orang dapat duduk dalam satu barisan sebanyak
7.6.5.4.3.2.1
7 P7  (7  7)!  5.040 cara
(b) Karena para pria harus duduk saling berdampingan, dan begitu juga dengan para wanitanya,
berarti mereka harus mengatur susunan berdasarkan pemisahan menurut jenis kelamin. Ada
2 cara membagi mereka duduk berdasarkan pengelompokan jenis kelamin : PPPPWWW
atau WWWPPPP. Khusus di kalangan pria saja dapat disusun 4! = 24 cara, sedangkan para
wanita dapat membuat susunan sebanyak 3! = 6 cara. Dengan demikian mereka dapat
membuat susunan sebanyak (2)(4!)(3!) = (2)(24)(6) = 288 cara.

(c) Karena hanya para wanita yang susunan duduknya harus bersebelahan, maka susunannya
adalah PPPPWWW, PPPWWWP, PPWWWPP, PWWWPPP atau WWWPPPP. Para pria
saja dapat membuat susunan sebanyak 4! cara, dan para wanita dapat membuat susunan
sebanyak 3! Cara. Secara keseluruhan mereka dapat membuat susunan sebanyak (5)(4!)(3!)
= (5)(24)(6) = 720 cara.

3. (a) Dalam berapa cara 3 orang Sumatera, 4 orang Kalimantan, 4 orang Jawa dan 2 orang
Sulawesi dapat duduk dalam sebuah barisan, seandainya orang-orang dari suku yang sama
harus duduk berdekatan?
(b) Selesaikan soal yang sama andaikata mereka duduk mengelilingi sebuah meja.
Penyelesaian :
(a) Empat suku bangsa dapat disusun dalam 4! cara dalam sebuah barisan. Tiga orang Sumatera
dapat mengatur susumnan duduknya dalam 3! cara, empat orang Kalimantan dalam 4! cara,
empat orang Jawa dalam 4! cara, dan dua orang Sulawesi dalam 2! cara. Secara keseluruhan,
mereka dapat membuat susunan duduk sebanyak (4!)(3!)(4!)(4!)(2!) = (24)(6)(24)(24)(2) =
165.888 cara.
(b) Pada suatu lingkaran, empat suku bangsa dapat disusun dalam (4-1)!=3! cara (ingat rumus
permutasi untuk obyek melingkar). Selanjutnya tiga orang Sumatera dapat mengatur
susumnan duduknya dalam 3! cara, empat orang Kalimantan dalam 4! cara, empat orang
Jawa dalam 4! cara, dan dua orang Sulawesi dalam 2! cara. Secara keseluruhan, mereka
dapat membuat susunan duduk sebanyak (3!)(3!)(4!)(4!)(2!) = (6)(6)(24)(24)(2) = 41.472
cara.

10
4. Dalam berapa carakah kata GARUDA dapat dipermutasikan?
Penyelesaian :
Kata GARUDA terdiri dari 6 huruf , yaitu 1 huruf G, 2 huruf A, 1 huruf R, 1 huruf U dan 1
huruf D. Permutasi dari 6 huruf tersebut menghasilkan :
6!
 360 cara
1! 2! 1! 1! 1!
Persoalan tersebut merupakan kasus permutasi dari n obyek yang tidak seluruhnya dapat
dibedakan. Jika suatu himpunan yang terdiri dari n obyek, di mana n1 merupakan kumpulan
obyek yang sama (tidak dapat dibedakan), n2 merupakan kumpulan obyek lain yang sama dan
seterusnya, hingga n kumpulan obyek yang sama, sedangkan n1+n2+ … +nk = n, maka jumlah
permutasi dari n obyek yang meliputi seluruh obyek tersebut adalah
n!
, di mana n1+n2+ … +nk = n
n ! n !... n !
1 2 k
n
Bila n = k, maka k  n!  n Pn
n , n , ..., n
1 2
5. Sebuah delegasi beranggotakan 4 orang pengurus senat mahasiswa, hendak dikirim ke luar kota
untuk mengikuti seminar kepemimpinan mahasiswa. (a) Berapa macam komposisi keanggotaan
dapat dibentuk, jika pengurus senat mahasiswa berjumlah 12 orang? (b) Berapa macam
komposisi keanggotaan dapat dibentuk, jika diantara pengurus yang ada terdapat 2 orang yang
tidak bersedia dimasukkan sebagai anggota delegasi (dikirim) bersama-sama? (c) Berapa macam
komposisi keanggotaan dapat dibentuk, jika diantara pengurus yang ada terdapat dua orang
bersaudara dan hanya akan bersedia dikirim kalau bersama-sama?
Penyelesaian :
12 12! 12! 12.11.10.9
(a)       495 macam
 4  4! (12  4)! 4! 8! 4.3.2.1
Terdapat 495 cara atau komposisi keanggotaan dapat dibentuk

(b)Misalkan kedua orang pengurus senat tidak bersedia diberangkatkan bersama-sama itu adalah
A dan B. Ini berarti kalau A masuk delegasi, B tidak bersedia masuk; sebaliknya kalau B
masuk dalam delegasi, A tidak bersedia masuk.

Metode penyelesaian 1 :
Jika A maupun B tidak masuk dalam delegasi, maka jumlah kemungkinan komposisi
10 
keanggotaan adalah alternatif 4 di antara 10 pengurus selebihnya , yaitu    210 cara
 4
Jika salah satu A atau B masuk dalam delegasi, tetapi tidak keduanya, maka komposisi
10 
keanggotaan delegasi yang dapat dibentuk adalah sebanyak 2    240 cara. Dengan
3
demikian secara keseluruhan, komposisi keanggotaan delegasi yang mungkin terbentuk ada
210 + 240 = 450 cara.

Metode penyelesaian 2 :
Jumlah cara yang dapat dibentuk jika A dan B tidak bersedia masuk delegasi bersama-sama,
pada dasarnya adalah jumlah seluruh cara yang mungkin terjadi. (yaitu 495 cara, lihat kasus
a) dikurangi jumlah cara bila keduanya jelas-jelas masuk delegasi. Seandainya A dan B
sama-sama masuk, maka dua anggota delegasi berikutnya dapat terpilih diantara 10 pengurus
10 
senat yang tersisa, yaitu    45 cara.
2
Jadi kemungkinan komposisi keanggotaan delegasi yang dapat dibentuk, jika A dan B tidak
bersama-sama masuk adalah 495 – 45 = 450 cara.

11
(c) Misalkan C dan D adalah kedua orang pengurus yang bersaudara. Seandainya C dan D sama-
10 
sama tak terpilih, maka delegasi dapat dibentuk dalam    210 cara atau komposisi
4
keanggotaan. Sedangkan bilamana C dan D sama-sama terpilih, maka delegasi dapat dibentuk
10 
dalam    45 cara. Secara keseluruhan, jika C dan D sama-sama terpilih / dikirim, delegasi
2
dapat dibentuk dalam 210 + 45 = 255 cara.

6. Dalam suatu ujian seorang mahasiswa diharuskan menjawab 8 dari 10 pertanyaan yang ada. (a)
Berapa macam cara alternatif pengerjaan ujian yang dimilikinya? (b) Berapa macam cara
alternatif yang dimilikinya andaikan tiga pertanyaan pertama wajib dijawab? (c) Berapa macam
cara alternatif pula jika setidak-tidaknya 4 dari 5 pertanyaan pertama wajib dijawab?
Penyelesaian :
10 10! 10! 10.9
(a)       45 cara
 8  8! (10  8)! 8!.2! 2.1
Ada 45 alternatif penjawaban soal yang dimilikinya

(b) Andaikan tiga pertanyaan pertama wajib dijawab, berarti lima pertanyaan berikutnya dipilih
di antara tujuh sisa pertanyaan yang ada. Hal ini dapat dilakukan dalam :
7 7! 7! 7.6
      21cara
 5  5! (7  5)! 5!.2! 2.1
(c) Jika lima pertanyaan pertama dijawab semua, berarti tiga pertanyaan berikutnya harus
 5
dipilih di antara lima pertanyaan tersisa; hal ini dapat dilakukan dalam    10 cara. Di
 3
lain pihak, jika dari lima pertanyaan pertama dijawab empat, ia dapat melakukan dalam
5
   5 cara. Sedangkan empat pertanyaan berikutnya yang harus dijawanb dipilih diantara
 4
5
lima pertanyaan yang tersisa, juga dapat dilakukan dalam    5 cara. Sehingga untuk
 4
kemungkinan ini, ia dapat menjawab dalam 5 . 5 = 25 cara. Secara keseluruhan, jika setidak-
tidaknya empat dari lima pertanyaan pertama wajib dijawab, mahasiswa tersebut akan
mempunyai 10 + 25 = 35 macam cara alternatif.

7. Sebuah sampel harus terdiri dari 5 orang responden. Jika responden tersebut harus dipilih dari
suatu populasi yang terdiri dari 6 pria dan 3 wanita, dalam berapa cara sampel tersebut dapat
dipilih jika harus memiliki komposisi paling sedikit 3 orang responden pria?
Penyelesaian :
Sampel yang terdiri dari 3 responden pria :
 6  6!
Pemilihan 3 responden pria dari 6 pria menghasilkan     20 cara
 3  3! 3!
 3  3!
Sedangkan pemilihan 2 responden wanita dari 3 wanita menghasilkan     3 cara
 2  2! 1!
Komposisi sampel yang terdiri dari 5 orang responden dan harus terdiri dari 3 orang responden
 6 3 
pria dapat terjadi dalam      60 cara
3 2
Sampel yang terdiri dari 4 responden pria :
 6  6!
Pemilihan 4 responden pria dari 6 pria menghasilkan     15 cara
 4  4! 2!
12
  3  3!
Sedangkan pemilihan 1 responden wanita dari 3 wanita menghasilkan     3 cara
 2  2! 1!
Komposisi sampel yang terdiri dari 5 orang responden dan harus terdiri dari 4 orang responden
 6   3
pria dapat terjadi dalam      45 cara
 4  1 
Sampel yang terdiri dari 5 responden pria :
 6  6!
Pemilihan 5 responden pria dari 6 pria menghasilkan     6 cara
 5  5! 1!
Sedangkan pemilihan terhadap responden wanita tidak usah dilakukan setelah 5 orang
responden pria terpilih, karena sampelnya harus terdiri dari 5 orang responden.

Dengan susunan paling sedikit 3 orang responden pria dan yang dipilih dari suatu populasi yang
63 63   6
terdiri dari 6 pria dan 3 wanita dapat terjadi dalam     +     +   = 111 cara
 3   2   4   1  5 
Untuk dapat menyelesaikan apakah suatu persoalan harus diselesaikan dengan permutasi
atau kombinasi, harus dipahami maksud pertanyaannya. Apabila masalah yang dipersoalkan hanya
mengenai isi dari obyek-obyek yang hendak disusun, berarti cukup diselesaikan dengan
Kombinasi. Sedangkan apabila masalah yang dipersoalkan mengenai isi dan tata urutan dari
obyek-obyek yang hendak disusun, berarti diselesaikan dengan Permutasi.

Soal Latihan
1. Tiga jabatan dalam kepengurusan senat mahasiswa sebuah fakultas lowong akibat pejabat-
pejabat yang menduduki sudah lulus sebagai sarjana. Jabatan-jabatan tersebut adalah ketua
umum, sekretaris umum dan sekretaris dua. Sebagai penggantinya kini sudah tersedia lima orang
calon. Berapa macam cara dapat terjadi dalam pengisian jabatan-jabatan yang lowong tersebut?
Jawab : 5 P3  60

2. (a) Berapa jumlah kata atau cara yang dapat dibentuk dari kata PELUANG
(b) Berapa cara dapat dibentuk seandainya mereka harus diambilkan dari huruf-huruf mati
(konsonan) saja?
(c) Berapa jumlah kata atau cara yang dapat dibentuk dari pengambilan empat huruf di antara
huruf-huruf dalam kata PELUANG?
7!
jawab (a)  7!  5.040 , (b) 4 P4  24 , (c) 7 P4  840
1! 1! 1! 1! 1! 1! 1!
3. Lima buah buku berukuran besar, empat buku berukuran sedang dan tiga buku berukuran kecil
hendak disusun berjajar di atas sebuah rak. (a) Berapa macam cara dapat dibuat dari penyusunan
tersebut, jika buku-buku yang berukuran sama harus saling bertautan? (b) Berapa macam cara
pula dapat dibuat, jika tak ada keharusan tertentu mengenai urutan besar kecilnya buku?
Jawab : (a) 3! 5! 4! 3! = 103.680, (b) 12! = 479.001.600

4. (a) Berapa macam cara dapat dibuat, jika lima orang duduk di kursi secara berjajar? (b) Berapa
macam cara dapat dibuat, jika dua orang di antara mereka bersikeras harus duduk bersebelahan?
(c) Berapa macam cara dapat dibuat, jika mereka duduk mengitari sebuah meja bundar?
Jawab : (a) 5! = 120, (b) (4) (2!) (3!) = 48,
(c) 4! = 24 jika tanpa keharusan, 2! 3! = 12 jika dua orang tertentu harus duduk
bersebelahan
5. Berapa plat nomer kendaraan bermotor dapat dibuat, jika setiap motor terdiri dari 2 huruf dan
diikuti 3 angka yang masing-masing saling berlainan? Berapa nomer pula dapat dibuat,
seandainya khusus untuk angka terdepan tidak boleh angka nol?
Jawab : (26)(25)(10)(9)(8) = 468.000 ; (26)(25)(9)(9)(8) = 421.200

13
6. Kode nomer kendaraan bermotor di Kotamadya Surabaya ialah “ L ……”. Jika titik-titik
diantara huruf-huruf tersebut berisi empat angka dan dua huruf, dan tidak ada ketentuan, bahwa
angka-angka yang digunakan tidak boleh berulang, berapa jumlah plat nomer yang dapat
dibuat? (Kendaraan bernomer L 0000 tidak ada).
Jawab : (10.10.10.10) - (1)(26)(26) = 9.324

7. Seorang pria mempunyai 11 orang sahabat. Ia ingin mengundang 5 orang di antara mereka untuk
menghadiri pesta ulang tahunnya. (a) Berapa macam pilihan dapat terjadi? (b) Jika dua diantara
sahabatnya kembar, dan hanya bersedia datang kalau sama-sama diundang, berapa macam
pilihan dapat dilakukan? (c) Berapa macam pilihan pula dapat dilakukan, kalau dua di antara
sahabatnya tadi sedang bermusuhan dan tidak bersedia datang bersama?
 11 9 9 9 9 
Jawab : (a)    462 ,(b)       210 , (c)    2    378
 5 3 5 5  4
8. Sebuah kelas terdiri dari 9 murid laki-laki dan 3 murid perempuan. (a) Berapa kemungkinan
dapat terjadi, apabila sang guru hendak memilih 4 orang di antara mereka untuk didudukkan di
dalam suatu kepanitiaan? (b) Berapa di antara kemungkinan-kemungkinan tadi yang setidak-
tidaknya terdapat seorang murid perempuan? (c) Berapa pula diantaranya yang hanya terdapat
seorang murid perempuan?
12  12   9  9
Jawab : (a)    495, (b)       369 , (c) 3    252
4  4   4 3
9. Seorang mahasiswa harus menjawab 10 dari 13 pertanyaan yang ada dalam sebuah ujian. (a)
Berapa macam pilihan yang dimilikinya? (b) Apabila dua pertanyaan pertama harus dijawab,
berapa macam pilihan yang dimilikinya? (c) Berapa macam pula yang ia miliki bila hanya salah
satu dari dua pertanyaan pertama yang harus dijawab? (d) Jika 3 dari 5 pertanyaan pertama harus
dijawab, berapa macam pilihan yang dimilikinya? (e) Berapa macam pilihan yang ia miliki jika
setidak-tidaknya 3 dari 5 pertanyaan pertama harus dijawab?
13  13  11 11 11 11 5 8 
Jawab : (a)       286 , (b)       165 , (c) 2   2    110 , (d)      80
10   3   8  3  9  2 3  7 
 5 8   5  8   5 8
(e)                276
 3  7   4  6  5  5

Daftar Kepustakaan
Bowker, Albert H and Lieberman, Gerald J. Engineering Statistics. Prentice Hall Inc., 2nd edition,
New Jersey, 1972 .

Dajan, Anto. Pengantar Metoda Statistik Jilid II. LP3ES, cetakan kedelapan belas, Jakarta, 1996.

Dumairy. Probabilitas : Ikhtisar Teori dan Soal Jawab. BPFE, cetakan kedua, Yogyakarta, 1988.

Lipschutz, Seymour, Theory and Problems of Probability. Schaum’s Outline Series, McGraw Hill,
Inc., New York, 1974.

14
BAB 3
PROBABILITAS KEJADIAN
3.1. Ruang Sampel dan Kejadian
Konsep probabilitas sangat erat kaitannya dengan percobaan (eksperimen), yang
menghasilkan kejadian tidak pasti. Untuk memahami konsep tersebut perlu dijelaskan pengertian
tentang ruang sampel dan kejadian. Karena probabilitas yang dibicarakan adalah probabilitas suatu
kejadian.
Ruang sampel adalah himpunan semua hasil yang mungkin dari suatu percobaan (S).
Percobaan di sini adalah percobaan yang hasilnya tidak bisa diketahui sebelum melakukan
percobaan, tetapi semua hasil yang mungkin dapat diketahui. Selain itu percobaan tidak terbatas
dilakukan di laboratorium, tetapi juga di setiap kejadian yang mungkin terjadi di alam nyata. Ruang
sampel disebut diskrit bila hasil-hasilnya terhitung, misalkan jumlah barang produksi yang kurang
memuaskan tiap hari dengan menggunakan mesin tertentu, S = {0,1,2,…}, jumlah partikel yang
dipancarkan oleh suatu sumber radio aktif dalam satu menit, S = {0,1,2,…}. Ruang sampel disebut
kontinyu, bila hasil-hasilnya dapat diambil sembarang nilai atau dalam interval tertentu,
misalkannya keretakan dinding pesawat terbang, waktu tunggu pelayanan di pasar swalayan, S =
{0,W}, W = jangka waktu toko buka.
Kejadian adalah himpunan bagian dari ruang sampel. Persoalan dalam probabilitas dapat
bersifat sederhana atau kompleks, tunggal atau majemuk, dependen atau independen, mutually
exclusive atau un-mutually exclusive. Masing-masing sifat mempunyai cara penyelesaiannya
tersendiri yang khas. Untuk dapat menyelesaikan suatu persoalan probabilitas sebaiknya segera
diketahui atau dikenali sifat kasus yang dihadapi. Pengenalan terhadap sifat kasus ini dapat
dipahami dengan melihat rangkaian proses kejadian/peristiwanya, atau dengan menyiasati tipe
pertanyaan/masalahnya.

3.2. Probabilitas Suatu Kejadian

Probabilitas suatu kejadian adalah ukuran numerik untuk menyatakan berapa kali dalam
suatu kejadian tertentu akan timbul bila percobaan dilakukan berulang-ulang pada kondisi yang
sama. Probabilitas suatu kejafian A diberi simbol P(A).
Bila suatu ruang sampel yang terdiri dari k elemen (e1, e2, …, ek), di mana setiap elemen
1
mempunyai kesempatan yang sama untuk dipilih. Maka peluang setiap elemen adalah . Jika suatu
k
m
kejadian A terdiri dari m elemen untuk m  k maka : p( A) 
k
Probabilitas suatu kejadian A mempunyai sifat-sifat sebagai berikut :
a. Untuk setiap kejadian A, 0  p(A)  1
b. P(A) adalah jumlah probabilitas setiap elemen yang merupakan anggota dari A, P(A)   ei
semua e i
dalam A

c. P(S)   P(ei )
semua e i
dalam S

3.3. Probabilitas Kejadian Sederhana

Bila suatu kejadian dapat dinyatakan sebagai sebuah himpunan yang hanya terdiri dari satu
anggota, maka kejadian itu disebut kejadian sederhana.

Contoh 3.3.1 :
Sekeping mata uang yang mempunyai sisi gambar dan sisi angka dilemparkan sekali
a. Berapa probabilitas keluarnya gambar?
b. Berapa probabilitas keluarnya bukan gambar?
c. Berapa probabilitas keluarnya gambar atau angka?
Penyelesaian :
1 1 1
a. p(gambar )  b. p(gambar )  p(angka )  1  
2 2 2

15
 1 1
c. p(gambar  angka )  p(gambar )  p(angka )   1
2 2
Contoh 3.3.2 :
Sebuah dadu dilemparkan sekali
a. Berapa probabilitas keluarnya sisi tiga?
b. Berapa probabilitas keluarnya bukan sisi tiga?
c. Berapa probabilitas keluarnya sisi genap?
d. Berapa probabilitas keluarnya sisi kurang dari tiga?
Penyelesaian :
Misalkan : X : sisi dadu
1
a. p( X  3) 
6
1 5
b. p( X  3)  1   atau p( X  1  2  4  5  6)  p( X  1)  p( X  2)  p( X  4)  p( X  5)  p( X  6)
6 6
1 1 1 1 1 5
     
6 6 6 6 6 6
3 1
c. p(X  genap )  p( X  2)  p( X  4)  p( X  6)  
6 2
2 1
d. p(X  3)  p(X  1)  p(X  2)  
6 3

Contoh 3.3.3 :
Dalam pengujian dua buah mesin dalam jangka waktu tertentu, suatu hasil yang mungkin adalah (B,R), di
mana B=Baik dan R=Rusak. Jumlah hasil yang mungkin adalah 22 = 4, yaitu S={BB, BR, RB, RR}.
a. Berapa probabilitas satu mesin yang baik?
b. Berapa probabilitas paling banyak satu mesin yang baik?
Penyelesaian :
Misalkan : X : masin yang baik
2 1
a. p( X  1)  
4 2
1 3
b. p( X  1)  1  
4 4
1 2 3
atau p( X  1)  p(X  0)  p( X  1)   
4 4 4

3.4. Probabilitas Kejadian Majemuk

Bila suatu kejadian dapat dinyatakan sebagai sebuah himpunan yang terdiri dari gabungan beberapa
kejadian sederhana maka kejadian itu disebut kejadian majemuk.

a. Probabilitas Kejadian Mutually Exclusive dan Unmutually Exclusive

Dua kejadian atau lebih dikatakan mutually exclusive (saling bertentangan) apabila hasil
yang diharapkan dari kejadian tersebut tidak mungkin terjadi bersamaan. Kasus mutually exclusive
dan un-mutually exclusive terjadi dalam kejadian majemuk berlangsung secara bersamaan.

A B A B
Mutually Exclusive Unmutually Exclusive
p( A  B)  p( A)  p( B) p( A.B)  p( A).p( B)

Gambar 3.1. Kejadian A dan B Gambar 3.2. Kejadian A dan B

Mutually Exclusive Unmutually Exclusive

16
Contoh 3.4.1 :
Dua keping mata uang masing-masing dilemparkan sekali secara bersamaan. Kejadian sisi gambar
dari mata uang pertama diberi simbul A, dan kejadian sisi gambar dari mata uang kedua diberi
simbul B.
a. Berapa probabilitas kejadian gambar dari kedua mata uang tersebut?
b. Berapa probabilitas kejadian gambar dan angka dari kedua mata uang tersebut?
Penyelesaian :
A : sisi gambar dari mata uang pertama
B : sisi gambar dari mata uang kedua
1 1 1
a. p( A.B)  p( A).p( B)  . 
2 2 4
b. Probabilitas kejadian hasil gambar dan angka bisa terjadi dari alternatif :
gambar dari mata uang pertama dan angka dari mata uang kedua
1 1 1
p( A.B)  p( A).p( B)  . 
2 2 4
angka dari mata uang pertama dan gambar dari mata uang kedua
1 1 1
p( A.B)  p( A ).p( B)  . 
2 2 4
Dengan demikian probabilitas kejadian hasil gambar dan angka dari kedua mata uang :
1 1 1
p( A.B  A.B)  p( A.B)  p( A.B)   
4 4 2
Contoh 3.5.2 :
Dua keping mata uang masing-masing dilemparkan sekali secara bersamaan. Kejadian sisi gambar
dari mata uang pertama diberi simbul A, dan kejadian sisi gambar dari mata uang kedua diberi
simbul B.
Berapa probabilitas kedua mata uang tersebut sama-sama menghasilkan gambar atau sama-sama
menghasilkan angka?
Penyelesaian :
A : sisi gambar dari mata uang pertama
B : sisi gambar dari mata uang kedua
Sama-sama menghasilkan gambar
1 1 1
p( A.B)  p( A).p( B)  . 
2 2 4
Sama-sama menghasilkan angka
1 1 1
p( A.B)  p( A ).p( B)  . 
2 2 4
Sama-sama menghasilkan gambar atau sama-sama menghasilkan angka :
1 1 1
p( A.B  A.B)  p( A.B)  p( A.B)   
4 4 2

b. Probabilitas Kejadian Bersyarat

Kejadian yang tidak saling bertentangan (unmutually exclusive) dapat diklasifikasikan
sebagai kejadian independen (tidak saling tergantung) atau kejadian dependen (saling tergantung).
Untuk mempelajari kejadian independen dan dependen diperlukan pengertian probabilitas kejadian
bersyarat. Probabilitas bahwa B terjadi jika A diketahui disebut probabilitas bersyarat kejadian B
p( B  A )
jika A diketahui, ditulis p( B | A)  . Selanjutnya dapat ditulis p(B  A)  p(A).p(B | A)
p( A )

c. Probabilitas Kejadian Independen dan Dependen

Dua kejadian atau lebih dikatakan independen apabila hasil kejadian satu tidak berpengaruh
terhadap hasil kejadian lain. Kasus dependen dan independen terjadi dalam kejadian majemuk
bersyarat berlangsung secara berurutan.

17
Independen p(B | A)  p(B)
Dependen p(B | A)  p(B)
p(B | A) dibaca probabilitas terjadinya kejadian B setelah kejadian A

Contoh 3.4.2 :
Sekeping mata uang dilempar dua kali. A merupakan kejadian keluarnya sisi angka pada lemparan
pertama, dan B merupakan kejadian keluarnya sisi angka pada lemparan kedua.
Berapa probabilitas keluarnya hasil angka pada lemparan kedua?
Penyelesaian :
A : sisi angka pada lemparan pertama
B : sisi angka pada lemparan kedua
1 1
p( B)  dan p( B | A )  , karena p(B | A)  p(B) , maka kejadian tersebut independen
2 2

Contoh 3.4.3 :
Dari setumpuk kartu bridge ditarik dua kali selembar kartu berturut-turut. A merupakan kejadian
penarikan pertama yang menghasilkan kartu Jack, dan B merupakan kejadian penarikan kedua
yang menghasilkan kartu Queen.
a. Berapa probabilitas pada penarikan kedua diperoleh kartu Queen, jika setelah penarikan pertama
kartunya tidak dikembalikan ke tumpukan?
b. Berapa probabilitas pada penarikan kedua diperoleh kartu Queen, jika setelah penarikan pertama
kartunya dikembalikan ke tumpukan?
Penyelesaian :
A : penarikan pertama yang menghasilkan kartu Jack
B : penarikan kedua yang menghasilkan kartu Queen
4 4
a. p( B | A )  . Kasusnya dependen, mengingat p( B)  ( p(B | A)  p(B) )
51 52
4 4
b. p( B | A)  . Kasusnya independen, mengingat p( B)  ( p(B | A)  p(B) )
52 52

Sifat pertanyaan dalam persoalan probabilitas dapat dibedakan menjadi dua kategori, yakni
kasus pertanyaan hasil tunggal dan kasus pertanyaan hasil majemuk. Yang dimaksud kasus
pertanyaan hasil tunggal adalah hasil yang ditanyakan dalam persoalan hanya mengandung satu
alternatif, misalkannya berapa probabilitas terjadinya X, berapa probabilitas terjadinya Y. Dalam
kasus semacam ini faktor yang perlu diperhatikan hanyalah apakah kejadiannya bersifat dependen
ataukah independen. Sedangkan yang dimaksud kasus pertanyaan hasil majemuk adalah hasil yang
ditanyakan dalam persoalan mengandung lebih dari satu alternatif, misalkannya berapa probabilitas
terjadinya X atau Y. Dalam kasus semacam ini faktor yang perlu diperhatikan bukan saja apakah
kejadiannya bersifat dependen ataukah independen, melainkan juga apakah mutually exclusive atau
unmutually exclusive.

3.5. Probabilitas Kejadian Gabungan (Union)

p(A  B)  p(A)  p(B)  p(A  B)
Dalam kasus mutually exclusive : p(A  B)  0 , sehingga : p(A  B)  p(A)  p(B)

Probabilitas kejadian gabungan untuk kasus di mana unsurnya terdiri atas tiga himpunan :
p(A  B  C)  p(A)  p(B)  p(C)  p(A  B)  p(A  C)  p(B  C)  p(A  B  C)

Jika kejadian A,B,C bersifat mutually exclusive, maka :

p(A  B  C)  p(A)  p(B)  p(C)

18
3.6. Probabilitas Irisan Kejadian (Intersection)
Untuk kejadian yang unmutually exclusive (tidak saling bertentangan), harus dipahami lebih
dulu apakah kejadiannya bersifat independen atau dependen.
p( A  B)
Jika A dan B dependen, maka : p(A  B)  p(B).p(A | B) atau p( A | B) 
p( B)
p( B  A )
p(B  A)  p(A).p(B | A) atau p( B | A ) 
p( A )
Jika A dan B independen, maka : p(A | B)  p(A) , sehingga : p(A  B)  p(A).p(B)
p(B | A)  p(B) , sehingga : p(B  A)  p(B).p(A)
Mengingat p(A  B)  p(B  A) , maka p(A  B)  p(B  A)  p(A).P(B)  p(B).p(A)

Probabilitas Kejadian

Unmutually Exclusive Mutually Exclusive

p(A  B)  p(A)  p(B)  p(A  B) p(A  B)  p(A)  p(B)

Independen Dependen
p(A  B)  p(A).p(B) (Prob.Bersyarat)
p(B  A)  p(B).p(A) p(A  B)  p(B).p(A | B)
p(B  A)  p(A).p(B | A)

Gambar 3.3 Jenis-jenis Probabilitas Kejadian

Untuk menyelesaikan suatu kasus apakah harus diselesaikan dengan probabilitas gabungan
atau probabilitas irisan, dapat dilihat dari kata penghubung yang terdapat pada tiap pertanyaan.
Apabila kejadian yang ditanyakan dihubungkan oleh kata dan, berarti persoalannya diselesaikan
dengan probabilitas irisan. Sedangkan bila kejadian yang ditanyakan dihubungkan oleh kata atau,
berarti persoalannya diselesaikan dengan probabilitas gabungan.
Jika sudah diketahui harus diselesaikan dengan probabilitas irisan, masalah selanjutnya
apakah kejadiannya bersifat mutually exclusive atau unmutually exclusive, serta apakah
independen atau dependen.
Jika sudah diketahui harus diselesaikan dengan probabilitas gabungan, masalah selanjutnya
apakah kejadiannya bersifat mutually exclusive atau unmutually exclusive, dengan kata lain ada
irisan kejadiannya ataukah tidak.

Contoh 3.6.1 :
Dari suatu kelompok pengusaha yang terdiri 100 orang, komposisi mengenai golongan ekonomi
dan keturunannya tercatat sebagai berikut :
Golongan
Keturunan Kuat ( B) Lemah ( B ) Total
Asli daerah ( A ) 15 25 40
Non-Asli daerah ( A ) 5 55 60
Total 20 80 100

Jika salah seorang dari pengusaha tersebut dikabarkan ditahan karena terlibat kasus pemalsuan
merek barang, berapa probabilitas bahwa yang ditahan itu adalah :
a. Seorang pengusaha Asli daerah dan pengusaha kuat?
b. Seorang pengusaha Asli daerah atau seorang pengusaha kuat?
c. Seorang pengusaha Non-Asli daerah atau pengusaha kuat?
d. Seorang pengusaha Non-Asli daerah dan pengusaha lemah?

19
Penyelesaian :
15 40 20 15 45
a. p(A  B)   0,15 b. p( A  B)  p(A)  p( B)  p( A  B)      0,45
100 100 100 100 100
60 20 5 75 55
c. p( A  B)  p( A)  p( B)  p( A  B)      0,75 d. p( A  B)   0,55
100 100 100 100 100

3.7. Aturan Perhitungan Probabilitas

a. Aturan Perkalian
Jika suatu himpunan terdiri atas n1 obyek yang saling berbeda (dapat dibedakan), dan suatu
himpunan lain terdiri atas n2 obyek yang juga saling berbeda, maka jumlah pasangan yang bisa
dibuat dari obyek-obyek tersebut adalah sebanyak n1.n2 pasang. (Catatan : dari masing-masing
himpunan diambil sebuah obyek; Aturan ini berlaku pula untuk rangkaian obyek-obyek yang
jumlah himpunannya lebih dari dua).

Contoh 3.7.1 :
Kode untuk para intelejen pada dinas kepolisian terdiri atas sebuah huruf dan sebuah bilangan
cacah kecuali angka 0 dan 1. Berapa macam pasangan kode bisa dibuat?
Penyelesaian :
Karena setiap kode terditi dari 2 obyek, sebuah huruf dan sebuah angka dengan catatan angka 0 dan
angka 1 tidak digunakan, maka jumlah pasangan kode yang bisa dibuat : 26 x 8 = 208

Contoh 3.7.2 :
Nomer kendaraan bermotor di sebuah daerah terdiri atas dua buah huruf di bagian depan dan dua
buah angka di bagian belakang. Huruf O dan I tidak digunakan, karena mirip dengan angka 0 dan
1. Berapa macam kemungkinan nomer bisa dibuat?
Penyelesaian :
Dalam soal ini setiap nomer kendaraan terdiri dari empat obyek :
(1) sebuah huruf ; ada 24 kemungkinan (A s/d Z kecuali O dan I)
(2) sebuah huruf ; ada 24 kemungkinan (A s/d Z kecuali O dan I)
(3) sebuah angka ; ada 10 kemungkinan (0 s/d 9)
(4) sebuah angka ; ada 10 kemungkinan (0 s/d 9)
Jadi jumlah kemungkinan nomer kendaraan yang bisa dibuat : 24 x 24 x 10 x 10 = 57.600

b. Aturan Hipergeometri
Jika dari suatu himpunan yang terdiri atas n1 obyek yang saling berbeda (dapat dibedakan)
diambil sebanyak r1 obyek, kemudian dari suatu himpunan lain yang terdiri atas n 2 obyek (juga
saling berbeda) diambil sebanyak r2 obyek, maka jumlah pasangan yang bisa dibuat dari obyek-
obyek yang diambil dari kedua himpunan tersebut adalah :  r 1  r 2 
n n
 1  2 
(Catatan : Aturan hipergeometri ini berlaku pula untuk rangkaian obyek-obyek yang jumlah
himpunannya lebih dari dua; bandingkan perbedaan kasusnya dengan Aturan m.n dalam hal jumlah
obyek yang diambil dari setiap himpunan).

Contoh 3.7.3 :
Guna memperkuat stafnya, sebuah perusahaan merencanakan merekrut tiga orang sarjana dan dua
orang ahli madya. Untuk itu telah diuji dan diwawancarai tujuh orang sarjana dan delapan orang
ahli madya. Berapa macam kemungkinan komposisi kelima staf baru yang akan terpilih?
Penyelesaian :
Misalkan ketujuh orang sarjana yang diwawancarai sebagai himpunan n1, tiga yang akan direkrut
sebagai r1; sedangkan delapan ahli madya sebagai n2, dua yang akan direkrut sebagai r 2, Maka
jumlah kemungkinan komponen staf baru yang akan terpilih adalah :

3782 3! (77! 3)! . 2! (88! 2)!  37.2.6.1.5.(.44..33..22..11) . 28.1.7.(.66..55..44..33..22..11)  35. 28  980 cara
20
Contoh 3.7.4 :
Seorang pelatih bola volley bermaksud memilih delapan orang pemain yang akan dimasukkan ke
dalam tim inti (6 pemain utama dan 2 pemain cadangan). Kedelapan pemain tersebut akan berasal
dari empat daerah, dari masing-masing daerah diambil dua orang. Untuk itu telah diseleksi 5 orang
pemain dari daerah utara, 7 dari selatan, 5 dari barat dan 10 dari timur. Bagaimana kemungkinan
komposisi pemain tim inti tersebur?
Penyelesaian :
Misalkan n1 = 5, n2 = 7, n3 = 5, n4 = 10. Dalam soal ini r1 = r2 = r3 = r4 = 2.
527252102  2! (55! 2)! . 2! (77! 2)! . 2! (55! 2)! . 2! (1010! 2)!  20.21.10.45  94.500 cara
Jika dari suatu himpunan yang terdiri atas n1 obyek yang saling berbeda (dapat dibedakan)
diambil sebanyak r1 obyek, kemudian dari suatu himpunan lain yang terdiri dari n2 obyek yang
saling berbeda (dapat dibedakan) diambil sebanyak r2 obyek, maka jumlah pasangan yang bisa
dibuat dari obyek-obyek yang diambil dari kedua himpunan tersebut adalah sebanyak :  r 1  r 2 
n n
 1  2 

c. Aturan Bayes
Aturan Bayes merupakan pengembangan lebih lanjut dari konsep probabilitas bersyarat,
yang digunakan untuk menyelesaikan kejadian bersifat independen atau mutually exclusive.
Jika Aj (j = 1, 2, … ,n) merupakan sekatan-sekatan dari sebuah sampel S dan setiap kejadian
Aj bersifat mutually exclusive serta probabilitasnya tidak sama dengan nol (p(A j)  0), maka
probabilitas terjadinya peristiwa A adalah :
p(A)  p(A1).p(A | A1)  p(A 2 ).p(A | A 2 )  ... p(A n ).p(A | A n )
n
secara ringkas dirumuskan : p( A)   p( A j ).p( A | A j ) (3.1)
j1

A1 A2 A3

Gambar 3.4 Struktur Aturan Bayes

Sedangkan jika Aj (j = 1, 2, … ,n) merupakan sekatan-sekatan dari sebuah sampel S dan
setiap kejadian Aj bersifat mutually exclusive serta probabilitasnya tidak sama dengan nol
(p(Aj)  0), kemudian ada kejadian lain Ak yang merupakan sekatan tertentu dari Aj di mana
1 k  n dan (p(Ak)  0), maka probabilitas terjadinya kejadian A dari setiap sekatan Ak tertentu
adalah :
p( A k ).p( A | A k )
p( A k | A ) 
p( A1 ).p( A | A1 )  p( A 2 ).p( A | A 2 )  ... p( A n ).p( A | A n )

secara ringkas dirumuskan :

p( A ).p( A | A k )
p( A k | A)  n k (3.2)
 p( A j ).p( A | A j )
j1
Penggunaan rumus (3.1) jika kejadian A yang ditanyakan tidak disyaratkan berasal dari
sekatan kejadian tertentu. Jadi boleh berasal dari seluruh Aj (A1 atau A2 … atau An). Sedangkan
rumus (3.2) digunakan jika kejadian A yang ditanyakan disyaratkan berasal dari sekatan kejadian
tertentu. Jadi harus berasal dari dari satu sekatan tertentu Ak (di mana Ak adalah salah satu dari
Aj).

21
Contoh 3.7.5 :
Tiga unit mesin masing-masing menghasilkan 50%, 30% dan 20% dari seluruh produk yang
dihasilkan oleh suatu perusahaan. Persentase produk yang rusak dari mesin pertama adalah 3%,
dari mesin kedua 4% dan dari mesin ketiga 5%. Sebuah produk diambil secara acak, berapa
kemungkinan produk tersebut rusak?
Penyelesaian :
Andaikan produk yang rusak dilambangkan
Aj A = 0,03 (rusak) dengan A, dan masing-masing mesin dilam
A1 = 0,50 bangkan dengan A1, A2 dan A3. Dengan
A =0,97 (sempurna) demikian p( A | A j ) adalah probabilitas produk
rusak yang berasal dari mesin j.
A = 0,04 (rusak) 3
Outrput A2 = 0,30 p ( A )   p ( A j ).p ( A | A j )
Produk j1
A =0,96 (sempurna)
 p ( A1 ).p ( A | A1 )  p ( A 2 ).p ( A | A 2 )

A = 0,05 (rusak)  p ( A 3 ).p ( A | A 3 )

A3 = 0,20  ( 0,50 )(0, 03)  ( 0,30 )(0, 04 )  ( 0, 20 )(0, 05)
A = 0,95 (sempurna)  0, 037

Contoh 3.7.6 :
Tiga unit mesin masing-masing menghasilkan 50%, 30% dan 20% dari seluruh produk yang
dihasilkan oleh suatu perusahaan. Persentase output yang rusak dari mesin pertama adalah 3%, dari
mesin kedua 4% dan dari mesin ketiga 5%. Sebuah produk diambil secara acak, berapa
kemungkinan bahwa produk yang rusak itu dihasilkan dari mesin pertama?
Penyelesaian :
Karena kejadian yang ditanyakan disyaratkan
Aj A = 0,03 (rusak) berasal dari sekatan tertentu, maka digunakan
A1 = 0,50 rumus (2).
A = 0,97(sempurna) p( A ).p( A | A k )
p( A k | A)  n k
A = 0,04 (rusak)  p( A j ).p( A | A j )
Outrput A2 = 0,30 j1
Produk
A = 0,96(sempurna) p ( A1 ).p ( A | A1 )
p ( A1 | A ) 
p ( A1 ).p ( A | A1 )  p ( A 2 ).p ( A | A 2 )
A = 0,05 (rusak)  ( A 3 ).p ( A | A 3 )
A3 = 0,20 ( 0,5)(0, 03)

A = 0,95 (sempurna) ( 0,50 )(0, 03)  ( 0,30 )(0, 04 )  ( 0, 20 )(0, 05)
0, 015 15
   0, 405
0, 037 37

Soal Jawab

Probabilitas Kejadian Sederhana

1. Dari setumpuk kartu bridge yang masih lengkap ditarik satu kartu secara acak. Berapa
probabilitas bahwa yang ditarik itu adalah (a) kartu As?, (b) kartu Spade?, (c) kartu berwarna
hitam?
N : jumlah kartu dalam tumpukan kartu = 52
Penyelesaian :
(a) E : jumlah kartu As dalam setumpuk kartu = 4
E 4 1
p( E )   
N 52 13
(b) E : jumlah kartu Spade dalam setumpuk kartu = 13
E 13 1
p( E )   
N 52 4

22
 (c) E : jumlah kartu berwarna hitam = 26
E 26 1
p( E )   
N 52 2

2. Sebuah dadu dimainkan 100 kali. Frekuensi keluarnya masing-masing sisi selama permainan itu
ditunjukkan oleh tabel berikut :

Sisi 1 2 3 4 5 6
Frekuensi 17 14 20 18 16 15
Berapa frekuensi relative atau rata-rata keluarnya (a) sisi 3?, (b) sisi 6?, (c) sisi bilangan ganjil?,
(d) sisi bilangan prima?
Penyelesaian :
20 15 17  20  16
(a) f ( E  3)   0,20 (b) f ( E  6)   0,15 (c) f ( E  ganjil)   0,53
100 100 100
14  20  16
(d) f ( E  prima )   0,50
100

Probabilitas Kejadian Bersyarat

3. Sebuah kaleng berisi 5 butir kelereng merah, 4 butir kelereng putih, 6 butir kelereng kuning dan
2 butir kelereng biru. Dua butir kelereng diambil secara berturut-turut dari dalam kaleng
tersebut. Hitunglah probabilitas bahwa kelereng-kelereng yang diambil (a) keduanya berwarna
merah, (b) berwarna putih dan biru, (c) berwarna putih dan bukan putih.
Penyelesaian :
(a) Misalkan A adalah kejadian terambilnya kelereng merah pada pengambilan pertama, dan B
adalah kejadian terambilnya kelereng merah pada pengambilan kedua.
Dengan pengembalian :
5 5 5 5 25
p( A )  p( B)  p( A.dan .B)  p( A).p( B)  .   0,086
17 17 17 17 289
Tanpa pengembalian :
5 4 5 4 20
p( A )  p( B)  p( A.dan .B)  p( A).p( B)  .   0,073
17 16 17 16 272

(b) Misalkan A adalah kejadian terambilnya kelereng putih pada pengambilan pertama, dan B
adalah kejadian terambilnya kelereng biru pada pengambilan kedua.
Dengan pengembalian :
4 2 4 2 8
p( A )  p( B)  p( A.dan .B)  p( A).p( B)  .   0,028
17 17 17 17 289
Tanpa pengembalian :
4 2 4 2 8
p( A )  p( B)  p( A.dan .B)  p( A).p( B)  .   0,029
17 16 17 16 272

(c) Misalkan A adalah kejadian terambilnya kelereng putih pada pengambilan pertama, dan B
adalah kejadian terambilnya kelereng bukan putih pada pengambilan kedua.
Dengan pengembalian :
4 13 4 13 52
p( A )  p( B)  p( A.dan .B)  p( A).p( B)  .   0,180
17 17 17 17 289
Tanpa pengembalian :
4 13 4 13 52
p( A )  p( B)  p( A.dan .B)  p( A).p( B)  .   0,191
17 16 17 16 272

23
Probabilitas Gabungan Kejadian dan Irisan Kejadian
3 1 1
4. Andaikan A dan B adalah kejadian, di mana p( A)  , p( B)  dan p( A  B) 
8 2 4
Hitunglah : (a) p(A  B) , (b) p( A ) dan p( B) , (c) p( A  B) , (d) p( A  B) , (e) p(A  B) ,
(f) p(B  A)
Penyelesaian :
3 1 1 5
(a) p(A  B)  p( A)  p( B)  p(A  B)    
8 2 4 8
3 5 1 1
(b) p( A )  1  p( A)  1   , p( B)  1  p( B)  1  
8 8 2 2
(c) Berdasarkan Hukum De Morgan p( A  B)  p(A  B) , maka :
5 3
p( A  B)  p( A  B)  1  p( A  B)  1  
8 8
5 4 3 6 3
(d) p( A  B)  p( A )  p( B)  p( A  B)     
8 8 8 8 4
3 1 1
(e) p( A  B)  p( A)  p( A  B)   
8 4 8
1 1 1
(f) p( B  A )  p(B)  p( B  A)   
2 4 4
3 2 1
5. Andaikan A dan B adalah kejadian, di mana p(A  B)  , p( A)  dan p(A  B) 
4 3 4
Hitunglah : (a) p( A) , (b) p( B) , (c) p(A  B)
Penyelesaian :
2 1
(a) p( A)  1  p( A )  1  
3 3
(b) p(A  B)  p(A)  p(B)  p(A  B)
3 1 1 2
  p( B)  , maka p( B) 
4 3 4 3
1 1 1
(c) p( A  B)  p(A)  p(A  B)   
3 4 12

6. Sebuah kelompok diskusi beranggotakan 10 pria dan 20 wanita, setengah dari jumlah pria dan
setengah dari jumlah wanita adalah orang Indonesia, selebihnya adalah orang asing dari berbagai
bangsa. Hitunglah probabilitas bahwa seorang anggota kelompok yang dipilih secara acak
adalah seorang pria atau seorang Indonesia?

Penyelesaian :
10 1 15 1 5 1
Misalkan A = Pria, B = Wanita, maka p( A)   , p( B)   , p( A  B)  
30 2 30 3 30 6
1 1 1 2
dengan demikian p(A  B)  p( A)  p( B)  p(A  B)    
3 2 6 3
1
7. Probabilitas seorang laki-laki akan hidup 25 tahun lagi adalah , sedangkan probabilitas
4
1
istrinya akan hidup 25 tahun lagi adalah . Hitunglah probabilitas bahwa (a) keduanya akan
3
hidup 25 tahun lagi,
(b) setidak-tidaknya salah seorang akan hidup 25 tahun lagi, (c) tak seorangpun akan hidup 25
tahun lagi, (d) hanya istri yang akan hidup 25 tahun lagi.
Penyelesaian :
24
 Misalkan S = kejadian suami dapat hidup 25 tahun lagi,
I = kejadian istri dapat hidup 25 tahun lagi
Keduanya hidup 25 tahun lagi, berarti mencari p(S  I) . Karena S dan I independen, maka
1 1 1
p(S  I)  p(S).p( I)  . 
4 3 12
Setidak-tidaknya; jadi mungkin hanya si istri atau si suami atau bahkan kedua-duanya dapat
hidup 25 tahun lagi. Berarti mencari p(S  I) .
1 1 1 6 1
p(S  I)  p(S)  p( I)  p(S  I)     
4 3 12 12 2
Tak seorangpun; jadi bukan S dan bukan I. Berarti mencari p( S  I) .
1 3 1 2
p( S )  1  p(S)  1   , p( I )  1  p( I)  1  
4 4 3 3
Karena S dan I independen, maka S dan I independen juga, sehingga :
3 2 6 1
p( S  I )  p( S ).p( I )  .  
4 3 12 2
1 1
atau dengan hokum De Morgan : p( S  I)  p(S  I)  1  p(S  I)  1  
2 2
Hanya sang istri; jadi bukan S melainkan I. Berarti mencari p( S  I) .
1 3
Karena p( S )  1  p(S)  1   , sedangkan S dan I adalah independen, maka :
4 4
3 1 3 1
p( S  I)  p( S ).p( I)  .  
4 3 12 4

8. Data yang dimiliki oleh Badan Koordinasi Penanaman Modal (BKPM) mengenai asal investasi
dan bidang investasi pada suatu periode tertentu tercatat sebagai berikut :

Bidang Investasi
Asal
Sektor Sektor Non Total
Investasi
Industri Industri
Domestik 110 10 120
Asing 50 30 80
Total 160 40 200

Jika ada kabar bahwa salah seorang investor akan memperbesar investasinya, berapa probabilitas
bahwa investor tersebut adalah :
(a) Seorang investor asing yang menanam modalnya di sektor non industri?
(b) Seorang investor asing atau seorang investor yang menanam modalnya di sektor non
industri?
Penyelesaian :
Misalkan A = investor domestik, A = investor asing
B = sektor industri B = sektor non industri
120 80
p( A )   0,60 p( A )  1  p( A )   0,40
200 200
160 40
p( B)   0,80 p( B)   0,20
200 200
30
(a) p( A  B)   0,15 (b) p(A  B)  p(A)  p( B)  p(A  B)
200
= 0,40 + 0,20 - 0,15 = 0,45

25
9. Dari sebuah survei terhadap suatu populasi yang terdiri dari pembaca koran di Surabaya,
diperoleh hasil dalam persentase sebagai berikut :
Pembaca Kompas =18%,
Pembaca Jawa Pos =24%,
Pembaca Surabaya Pos =15%,
Pembaca Kompas dan Jawa Pos =7%,
Pembaca Kompas dan Surabaya Pos = 4%,
Pembaca Jawa Pos dan Surabaya Pos = 6%,
Pembaca Kompas dan Jawa Pos dan Surabaya Pos=2%.
a. Berapa persen dari populasi yang membaca paling sedikit satu dari ketiga koran tersebut?
b. Jika salah seorang dari populasi dipilih secara acak, berapa probabilitasnya bahwa ia adalah
pembaca Kompas atau Jawa Pos?
c. Andaikan jumlah seluruh pembaca koran di Surabaya ada 200.000 orang, berapa yang
membaca paling sedikit satu dari ketiga koran tadi?
Penyelesaian :
a. Paling sedikit membaca satu koran berarti mungkin hanya membaca Kompas, atau hanya
Jawa Pos, atau hanya Surabaya Pos, atau Kompas dan Jawa Pos, atau Kompas dan Surabaya
Pos , atau Jawa Pos dan Surabaya Pos, atau ketiga-tiganya.
p(K  J  S)  p(K)  p(J)  p(S)  p(K  J)  p(K  S)  p(J  S)  p(K  J  S)
= 18% + 24% + 15% - 7% - 4% - 6% - 2% = 42%
Jadi di antara populasi, terdapat 42% yang setidak-tidaknya membaca satu dari ketiga koran
tersebut.
b. Pembaca Kompas atau Jawa Pos, berarti mungkin hanya Kompas atau hanya Jawa Pos, atau
Kompas dan Jawa Pos
p(K  J)  p(K)  p(J)  p(K  J)  18%  24%  7%  35%
c. Jumlah orang yang membaca paling sedikit satu dari ketiga koran tersebut
42% x 200.000 = 84.000 orang

Aturan Perkalian
10. Pada semester ini Bunga menempuh empat mata kuliah. Untuk setiap mata kuliah, nilai ujian
yang mungkin diperoleh adalah A, B, C, D atau F. (a) Berapa macam komposisi nilai-nilai
ujian dapat diperolehnya? (b) Andaikata Bunga merasa yakin bahwa untuk mata kuliah yang
pertama ia tak mungkin memperoleh nilai lebih baik daripada C, berapa macam komposisi nilai
ujian dapat diperolehnya?
Penyelesaian :
(a) Karena untuk masing-masing mata kuliah ada 5 kemungkinan nilai dapat terjadi, maka
jumlah komposisi nilai ujian yang dapat diperolehnya : 5 . 5 . 5 . 5 = 375
(b) Berarti mata kuliah pertama Bunga tinggal memiliki 3 kemungkinan nilai, yakni C. D atau
F. Jumlah komposisi nilai ujian yang dapat diperolehnya untuk keempat mata kuliah
tersebut : 3. 5. 5. 5 = 375 macam.

11. Unit kegiatan mahasiswa bidang musik band bermaksud membeli seperangkat alat musik yang
terdiri dari masing-masing-masing sebuag gitar, drum, terompet, organ, suling dan biola. Bila
di toko yang ia datangi terdapat 6 macam merek gitar, 3 macam merek drum, 4 macam merek
terompet, 3 macam merek organ, 4 macam merek suling dan 5 macam merek biola; berapa
macam komposisi peralatan dapat dibelinya?
Penyelesaian :
Karena untuk setiap jenis alat musik, jumlah macam yang dapat dibeli sama dengan junlah
mereknya; maka berdasarkan kaidah mn, jumlah komposisi peralatan yang dapat dibeli oleh
manajer tersebut adalah 6 . 5 . 4 . 3 . 4 . 5 = 4.320 macam.

26
Aturan Bayes
12. Tiga unit mesin K, L dan M masing-masing menghasilkan 60%, 30% dan 10% dari seluruh
produk yang dihasilkan oleh sebuah pabrik. Persentase produk yang rusak yang dihasilkan oleh
masing-masing mesin tercatat 2%, 3% dan 4%. Sebuah unit produk diambil secara acak, dan
ternyata rusak. Berapa probabilitas bahwa produk rusak itu dihasilkan oleh mesin M ?
Penyelesaian :

Mesin X = 0,02 (rusak) p ( M ).p ( X | M )

K = 0,60 p(M | X) 
p ( K ).p ( X | K )  p ( L ).p ( X | L )  ( M ).p ( X | M )
X = 0,98 (sempurna) ( 0,10 )(0, 04 )

( 0, 60 )(0, 02 )  ( 0,30 )(0, 03)  ( 0,10 )(0, 04 )
X = 0,03 (rusak)
L = 0,30 4
Outrput   0,16
25
Produk X = 0,97 (sempurna)

X = 0,04 (rusak)
M = 0,10
X = 0,96 (sempurna)

13. Komposisi keanggotaan musik angklung mahasiswa terdiri dari 25% mahasiswa fakultas
sastra, 30% mahasiswa fakultas psikologi, 15% mahasiswa fakultas ekonomi, 20% mahasiswa
fakultas ilmu sosial dan selebihnya mahasiswa fakultas teknik. 30% mahasiswa fakultas sastra,
40% mahasiswa fakultas psikologi, 30% mahasiswa fakultas ekonomi, 25% mahasiswa
fakultas ilmu sosial dan 20% mahasiswa fakultas teknik yang menjadi anggota musik angklung
tersebut sudah duduk di semester tujuh. Bila seorang mahasiswa anggota musik angklung
tersebut dipilih secara acak, berapa probabilitasnya bahwa (a) ia adalah mahasiswa semester
tujuh? (b) ia adalah seorang mahasiswa semester tujuh berasal dari fakultas teknik?
Penyelesaian :
Andaikan A adalah kejadian mahasiswa yang terpilih sudah semester tujuh, dan A1, A2, A3, A4
dan A5 merupakan kejadian mahasiswa terpilih adalah mahasiswa fakultas sastra, fakultas
psikologi, fakultas ekonomi, fakultas ilmu sosial dan fakultas teknik.

Aj : Mhs A = 0,30 (semester 7) n

A1 = 0,25 (a) p( A)   p( A ).p( A | A )
j j1 j
Sastra A = 0,70 5
p ( A )   p ( A j ). p ( A | A j )
j1
A = 0,40 (semester 7)  p ( A ). p ( A | A )  p ( A ). p ( A | A )
A2 = 0,30 1 1 2 2
 p ( A ). p ( A | A )  p ( A ). p ( A | A )
Psikologi A = 0,60 3 3 4 4
 p ( A ). p ( A | A )
5 5
A = 0,30 (semester 7)  ( 0 , 25)( 0 , 30)  ( 0 , 30)( 0 , 40)  ( 0 ,15)( 0 , 30)
Mahasiswa A3 = 0,15  ( 0 , 20)( 0 , 25)  ( 0 ,10)( 0 , 20)
Anggota musik
angklung Ekonomi A = 0,70  0 , 075  0 ,120  0 , 045  0 , 050  0 , 020

 0 , 310
A = 0,25 (semester 7)
A4 = 0,20 p( A k ).p( A | A k )
(b) p( A
k | A)  n
Ilmu Sosial A = 0,75  p( A j ).p( A | A j )
j1
A = 0,20 (semester 7)
A5 = 0,10
Teknik A = 0,80

27
 p ( A ).p ( A | A )
1 1
p ( A1 | A ) 
p ( A ).p ( A | A )  p ( A ).p ( A | A )  ( A ).p ( A | A )  p ( A ).p ( A | A )  p ( A ).p ( A | A )
1 1 2 2 3 3 4 4 5 5
( 0,10 )(0, 20 )

( 0, 25)(0,30 )  ( 0,30 )(0, 40 )  ( 0,15)(0,30 )  ( 0, 20 )(0, 25)  ( 0,10 )(0, 20 )
0, 020 0, 02
   0, 0645
0, 075  0,120  0, 045  0, 050  0, 020 0,31

Soal Latihan
1. Dari setumpuk kartu bridge yang masih lengkap ditarik satu kartu secara acak. Berapa
probabilitas bahwa yang ditarik itu adalah (a) kartu King ?, (b) kartu Queen atau Jack?, (c) kartu
bercorak spade?, (d) kartu berwarna hitam atau kartu As?, (e) bukan kartu bernomer 10?
4 2 1 15 12
Jawab : (a) , (b) , (c) , (d) , (e)
52 13 4 26 13
2. Dua buah kotak berisi bola pingpong terletak di atas sebuah rak. Kotak pertama berisi 5 bola
kuning dan 3 bola putih, kotak kedua berisi 2 bola kuning dan 6 bola putih. (a) Apabila dari
masing-masing kotak diambil sebuah bola, berapa probabilitas bahwa keduanya berwarna
sama? (b) Apabila dari masing-masing kotak diambil dua buah bola, berapa probabilitas bahwa
keempatnya berwarna sama?
7 55
Jawab : (a) , (b)
16 784
3. Sebuah dadu dimainkan. Apabila yang muncul adalah sisi ganjil, berapa probabilitas bahwa ia
adalah bilangan prima?
2
Jawab :
3
4. Sepasang dadu dimainkan. Kalau sisi-sisi yang terjadi dari kedua dadu itu berlainan, hitunglah
probabilitas bahwa jumlahnya genap.
1
Jawab :
3
5. Tiga keping mata uang logam dilemparkan. Jika sisi gambar maupun sisi angka timbul, berapa
probabilitas bahwa hanya satu sisi gambar yang timbul
3
Jawab :
8
6. Tiga keping mata uang logam dilemparkan. Hitunglah probabilitas bahwa semua yang timbul
adalah isi angka, seandainya (a)sisi-sisi dari mata uang pertama semuanya angka, (b) sisi-sisi
dari salah satu mata uang semuanya angka.
1 1
Jawab : (a) , (b)
4 7
7. Andaikan diambil 5 kartu dari setumpuk kartu bridge, berapa probabilitas bahwa kelima kartu
yang terambil adalah kartu Heart semuanya atau kartu Spade semuanya?
9
Jawab :
230
8. Dari suatu tumpukan kartu bridge, Bambang mengambil 3 lembar kartu Clover. Kemudian ia
mengambil lagi empat lembar kartu. Hitunglah probabilitas bahwa setidak-tidaknya dua diantara
kartu susulan yang diambil juga kartu Clover.
 39   39 
4  3 
Jawab : 1 
  
 49   49 
4  4 
   

28
9. Dua angka dipilih secara acak dari angka 1 sampai 9.
(a) Jika jumlahnya ganjil, berapa probabilitas bahwa angka 2 merupakan salah satu angka yang
terambil? (b) Jika angka 2 merupakan salah satu angka yang terambil, berapa probabilitas
bahwa jumlahnya ganjil?
1 5
Jawab : (a) , (b)
4 8
10.Tujuh orang calon pegawai baru suatu bank, tiga diantaranya wanita, dipanggil satu per satu
oleh tim penyeleksi untuk diwawancarai. Berapa probabilitas bahwa mereka dipanggil secara
berselang-seling pria dan wanita?
1
Jawab :
35

11.Regu terjun payung mahasiswa beranggotakan 10 pria dan 5 wanita. Tiga di antara mereka
dipilih secara acak satu per satu, untuk ditampilkan dalam suatu demonstrasi terjun payung.
Hitunglah probabilitas bahwa (a) dua orang yang terpilih pertama adalah pria dan yang ketiga
wanita, (b) orang pertama dan ketiga terpilih adalah pria sedangkan orang kedua wanita, (c)
orang pertama dan ketiga terpilih berasal dari jenis kelamin yang sama sedangkan orang yang
kedua dari jenis kelamin lainnya.
10 9 5 15 10 9 5 15 15 20 5
Jawab : (a) . .  , (b) . .  , (c)  
15 14 13 91 15 14 13 91 91 273 21

12.Andi, Budi, Citra dan Dimas masing-masing memperoleh 13 lembar kartu dari 52 lembar kartu
bridge. (a) Seandainya Andi memperoleh sebuah As, berapa probabilitas bahwa pasangan
mainnya (Budi) memperoleh ketiga As yang lain? (b) Seandainya Andi dan Budi bersama-sama
memperoleh 10 lembar kartu Clover, berapa probabilitas bahwa 3 lembar Clover sisanya
diperoleh Citra dan Dimas?
 36   23 
  2 
10 
Jawab : (a)    22 , (b) 10  11

 39  703  26  50
   
13  13 
   
7 1 5
13.Andaikan A dan B adalah kejadian di mana p( A  B)  , p( A  B)  dan p( A )  .
8 4 8
Hitunglah : p(A), p(B) dan p(A  B)

Jawab : p(A)  3 , p(B)  5 , p(A  B)  1

8 4 3
1 3 5
14.Andaikan X dan Y adalah kejadian di mana p( X)  , p( X  Y )  dan p( Y )  . Hitunglah :
2 4 8
p(X  Y), p( X  Y), p( X  Y) dan p(Y  X)

Jawab : p(X  Y)  1 , p( X  Y )  1 , p( X  Y)  7 , p(Y  X )  1

8 4 8 4
1 1 1
15.Andaikan A dan B adalah kejadian di mana p( A)  , p( B)  dan p( A  B)  . Hitunglah :
3 4 2
(a ) p(A | B), (b) p(B | A), (c) p(A  B), (d) p(A | B)

Jawab : (a ) p(A | B)  1 , (b) p(B | A)  1 , (c) p(A  B)  1 , (d) p(A | B)  1

3 4 4 3
1 2
16.Andaikan V dan W adalah kejadian di mana p( V)  dan p( V  W )  . Hitunglah :
2 3
(a ) p( W), (b) p(V | W), (c) p( W | V)

Jawab : (a ) p( W)  1 , (b) p(V | W)  1 , (c) p( W | V)  2

3 2 3

29
 1 1 1 3 1
17.Andaikan S = {a,b,c,d,e,f} di mana p(a )  , p( b)  , p ( c)  , p(d )  , p ( e) 
16 16 8 16 4
5
dan p(f )  . Andaikan pula A = {a,c,e}, B = {c,d,e,f} dan C = {b,c,f}
16
Hitunglah : (a ) p(A | B), (b) p(B | C), (c) p(C | A), (d) p(A | C)

Jawab : (a ) p(A | B)  3 , (b) p(B | C)  7 , (c) p(C | A)  2 , (d) p( A | C)  3

7 8 3 4
1 1
18.Andaikan G dan H adalah kejadian di mana p(G )  , p(G  H )  dan p( H)  x. . Hitunglah x
4 3
jika (a) G dan H bersifat mutually Exclusive, (b) G dan H bersifat independen (c) G merupakan
sub himpunan dari H
1 1 1
Jawab : (a) x  , (b) x  , (c) x 
12 9 3
19.Probabilitas seorang penembak akan menembak dengan tepat mengenai sasaran adalah 0,4,
sedangkan probabilitas tembakannya meleset dari sasaran adalah 0,6. Orang tersebut melakukan
tembakan empat kali. Hitunglah probabilitas bahwa pada peristiwa penembakan-penembakan
tersebut ia : (a) dua kali menembak tepat mengenai sasaran, (b) setidak-tidaknya satu kali tepat
mengenai sasaran.
Jawab : (a) 0,3456, (b) 0,8704

20.Lima belas dari dua puluh tujuh orang finalis pemilihan “Putri Indonesia” berambut panjang,
selebihnya berambut pendek. Masing-masing sepuluh orang dari kedua kelompok tadi dapat
berenang. Berapa probabilitas bahwa yang terpilih sebagai “Putri Indonesia” adalah (a) finalis
yang berambut panjang dan pandai berenang, (b) finalis yang berambut panjang atau pandai
berenang.
10 25
Jawab : (a) , (b)
27 27

21.40% anggota kontingan PON Jatim adalah mahasiswa (putra maupun putri), 25% adalah wanita,
dan 15% adalah putri yang masih kuliah. Seorang anggota kontingen dipanggil secara acak
untuk diperiksa kesehatannya. (a) Jika ia seorang mahasiswa, berapa probabilitasnya ia adalah
mahasiswa putri? (b) Jika ia seorang putri, berapa probabilitasnya ia bukan mahasiswa putri? (c)
Berapa probabilitas bahwa ia bukan mahasiswa dan bukan pula putri?
3 2 1
Jawab : (a) , (b) , (c)
8 5 2
22.Sejumlah mahasiswa Program Studi Teknik Industri dan Program Studi Teknik Informatika
mengadakan Kuliah Kerja Lapangan di daerah Lamongan. 60% peserta berasal dari Program
Studi Teknik Informatika. 25% peserta dari Program Studi Teknik Industri dan 10% peserta dari
Program Studi Teknik Informatika adalah mahasiswa putri. Jika seorang peserta putri dipilih
secara acak sebagai pemimpin rombongan, berapa probabilitasnya bahwa ia berasal dari
Program Studi Teknik Informatika?
3
Jawab :
8
23.Tiga orang perenang X, Y dan Z bertemu di final suatu kejuaraan renang. X dan Y mempunyai
peluang yang sama untuk memenangkan kejuaraan, masing-masing dua kali lebih besar dari
pada peluang Z. Berapa probabilitas Y atau Z memenangkan kejuaraan tersebut?
3
Jawab :
5
24.Seorang mahasiswa yang brilian menempuh tujuh mata kuliah pada semester ini. Nilai-nilai
ujiannya senantiasa tak pernah kurang dari C (selalu A dan B). (a) Berapa macam komposisi
nilai bakal diperolehnya pada akhir semester kelak? Seandainya hanya 3 mata kuliah pertama
yang dipastikannya dapat memperoleh nilai A atau B, sedangkan nilai-nilai mata kuliah
selebihnya berkisar antara A sampai E. (b) Berapa macam komposisi nilai pula bakal ia
peroleh?
Jawab : (a) 2.2.2.2.2.2.2 = 128, (b) 2.2.2.5.5.5.5 = 5.000
30
25.Untuk kelengkapan kuliahnya pada semester ini, seorang mahasiswa Teknik Industri bermaksud
membeli enam buah buku sesuai dengan jumlah mata kuliah yang ditempuhnya. Di toko buku
yang dimasukinya terdapat 4 judul buku matematika, 5 judul buku statistik, 2 judul buku
ergonomi, 6 judul buku manajemen pemeliharaan, serta masing-masing 3 judul buku
perencanaan produksi dan manajemen kualitas. Bila masing-masing buku akan dibeli, berapa
macam pilihan dimilikinya?
Jawab : 4.5.2.6.3.3 = 2.160

26.Persatuan Bulutangkis Seluruh Indonesia (PBSI) akan mengirimkan satu tim terdiri dari 5
pemain putra dan 3 pemain putri untuk mengikuti kejuaraan All England. Untuk itu 12 orang
pemain kini sedang diseleksi. (a) Berapa macam tim dapat dibentuk jika jumlah pemain putra
yang diseleksi sama dengan jumlah pemain putri? (b) Seandainya jumlah pemain putri yang
diseleksi hanya separo dari jumlah pemain putra, berapa macam pula tim dapat dibentuk?
 6  6   8  4 
Jawab : (a)     120 , (b)     224
 5  3   5  3 
27.Suatu universitas bermaksud mengirimkan 12 orang karatekanya mengikuti kejuaraan karate
antar perguruan tinggi di Bandung. Delapan karateka dari fakultas teknik, enam dari fakultas
ekonomi, empat dari fakultas psikologi dan enam dari fakultas hukum kini sedang diseleksi
untuk membentuk regu universitas. Jika dari setiap fakultas akan diambil tiga orang karateka,
berapa macam regu dapat dibentuk?
 8  6  4  6 
Jawab :       89.600
 3  3  3  3 

28.Berdasarkan catatan sebuah perusahaan asuransi, 20% dari polisnya beredar di rayon utara, 30%
beredar di rayon selatan, 35% beredar di rayon barat dan hanya 15% beredar di rayon timur.
Seperempat dari jumlah polis yang beredar di utara adalah polis asuransi beasiswa, selebihnya
polis asuransi jiwa. Di selatan jumlah polis asuransi jiwa sama dengan polis asuransi beasiswa.
Di barat hanya seperlima yang merupakan polis asuransi beasiswa, adapun di timur 40% dari
polis yang beredar adalah polis asuransi beasiswa. Jika secara acak diambil sebuah dari polis-
polis yang beredar, berapa probabilitasnya bahwa ia adalah : (a) polis asuransi beasiswa? (b)
polis asuransi yang beredar di rayon selatan?
Jawab : (a) p(A) = 0,33, (b) p(Ak|A) = 0,45

29. Suatu pabrik notebook, memberi jaminan kepada konsumennya bahwa setiap pembelian
notebook yang rusak/cacat dapat ditukarkan. Jumlah produksinya 100.000 unit per tahun,
dengan distribusi pemasaran sebagai berikut :

Daerah Distribusi per tahun (unit) Rata-rata rusak / cacat

Jawa 40.000 5%
Sumatra 30.000 5%
Sulawesi 10.000 2%
Daerah pulau lain 20.000 4%

a. Berapa probabilitas ditemukannya sebuah notebook yang rusak / cacat setiap tahun?
b. Secara rata-rata, berapa unit jumlah notebook yang rusak / cacat setiap tahun?
c. Berapa probabilitas sebuah notebook yang rusak / cacat adalah notebook yang dipasarkan di
pulau Sumatra ?
Jawab : (a) p(A) = 0,045, (b)   450 , (c) p(Ak|A) = 0,33

31
Daftar Kepustakaan
Bhattacharyya, Gouri K. Statistical Concepts and Methods. John Willey and Son. Inc., New York,
1977 .

Bowker, Albert H and Lieberman, Gerald J. Engineering Statistics. Prentice Hall Inc., 2nd edition,
New Jersey, 1972 .

Dajan, Anto. Pengantar Metoda Statistik Jilid II. LP3ES, cetakan kedelapan belas, Jakarta, 1996.

Dumairy. Probabilitas : ikhtisar teori dan soal jawab. BPFE, cetakan kedua, Yogyakarta, 1988.

Lipschutz, Seymour, Theory and Problems of Probability. Schaum’s Outline Series, McGraw Hill,
Inc., New York, 1974.

32
BAB 4
STATISTIKA DESKRIPTIF
Statistika deskriptif yang disebut juga statistika deduktif, yaitu statistika yang mempelajari
metode meringkas dan menggambarkan hal yang penting dari data, sehingga data tersebut dapat
memberikan informasi. Informasi tersebut dapat berupa bentuk tabel, gambar maupun nilai
numerik.

4.1. Pengumpulan Data

Dalam setiap usaha mengumpulkan informasi selalu ada keinginan untuk menyajikan dalam
bentuk dan cara yang sederhana tetapi tetap memiliki kandungan informasi tinggi. Pengumpulan
informasi dapat dilakukan melalui observasi langsung dan obsevasi tidak langsung. Dengan
observasi langsung, data didapatkan dari wawancara maupun pengukuran obyek secara langsung.
Sedangkan melalui observasi tidak langsung, data didapatkan dari hasil observasi sebelumnya yang
pernah dilakukan terhadap obyek. Statistika deskriptif sangat dibutuhkan terutama bila data yang
dikumpulkan sangat banyak dan memiliki struktur yang kompleks.

a. Variabel Kontinyu
Data dapat dikategorikan sebagai data kontinyu atau data diskrit. Suatu variabel yang
memuat semua bilangan pada skala kontinyu dalam suatu rentang nilai tertentu disebut sebagai
variabel kontinyu. Contoh data variabel kontinyu adalah diameter karet mesin pemotong rumput,
kekentalan suatu cairan damar, berat toner yang digunakan mesin photo copy, ketebalan lempeng
logam, waktu penerimaan pasien di rumah sakit. Ketepatan (presisi) suatu data ditentukan oleh
ketepatan pengukuran peralatan (instrumen). Sebagai contoh ketebalan suatu lempeng logam bila
diukur dengan jangka lengkung tebalnya 12,5 mm, bila diukur dengan mikro meter tebalnya 12,52
mm, bila diukur dengan sensor optik tebalnya 12,523 mm.

b. Variabel Diskrit
Suatu variabel yang memuat nilai terbatas atau tidak terbatas dan dapat dihitung, hasilnya
berupa bilangan bulat disebut sebagai variabel diskrit. Contoh data variabel diskrit adalah jumlah
produk paku keling yang cacat dalam suatu proses produksi, jumlah pengoperasian kapasitor dalam
suatu instrumen elektronik, jumlah pelanggan yang puas pada sebuah bengkel perbaikan mobil.

c. Akurasi dan Presisi

Akurasi suatu kelompok data atau pengukuran instrumen adalah derajat keseragaman
seluruh nilai observasi, seperti rata-rata, nilai sasaran yang terealisasi. Contoh nilai sasaran
pengukuran ketebalan lempeng logam adalah 5,25 mm.

x x
x x
x x
Jumlah Kejadian

Jumlah Kejadian

Jumlah Kejadian

x x x x x x
x x x x x x x
x x x x x x x x x
x x x x x x x x x x x
x x x x x x x x x x x x x
x x x x x x x x x x x x x x x

5,25 mm 5,25 mm 5,25 mm

Nilai pengukuran Nilai pengukuran Nilai pengukuran
(a) (b) (c)
Gambar 4.1 Akurasi dan Presisi dari Observasi : (a) akurat (b) presisi (c) akurat dan presisi

Gambar 4.1.a menunjukkan penyebaran observasi pada masing-masing sisi dari nilai sasaran
dengan proporsi yang hampir sama. Observasi ini disebut akurat. Meskipun secara individu
observasi berbeda dari nilai sasaran, kelompok data tersebut dikatakan akurat, karena rata-ratanya
merapat ke sasaran.
33
 Presisi suatu kelompok data atau pengukuran instrumen adalah derajat keragaman (variasi)
dari observasi. Observasi mungkin jauh dari sasaran tapi tetap dikatakan presisi, seperti yang
ditunjukkan gambar 4.1.b. Pengukuran instrumen yang teliti, nilai outputnya harus menunjukkan
variasi yang sangat kecil.
Akurasi dan presisi sangat diharapkan. Gambar 4.1.c menggambarkan keadaan tidak hanya
menunjukkan variasi yang kecil, tapi juga cenderung berkelompok di tengah di sekitar nilai sasaran
yang diharapkan. Dalam perlengkapan dan pengukuran instrumen, akurasinya biasanya berubah
karena penyesuaian tertentu, seperti penyesuain baling-baling, pengungkit. Bagaimanapun juga,
presisi adalah fungsi yang melekat dari peralatan dan tidak dapat diperbaiki bila keadaannya
berubah.

4.2. Skala Pengukuran Variabel

Sebelum dilakukan pendeskripsian, perlu dipertimbangkan skala pengukuran dari variabel
data yang diukur dan dikumpulkan. Secara umum skala pengukuran mempunyai ciri-ciri : dapat
membedakan, dapat menunjukkan tingkatan, mempunyai interval dan mempunyai nilai 0 mutlak.
Berdasarkan ciri-ciri tersebut ada empat macam skala pengukuran, yaitu :
a. Skala Nominal
Merupakan skala pengukuran variabel yang menyatakan suatu kategori yang membedakan
secara kualitatif diantaranya subyek/obyek yang diukur. Misalnya variabel jenis kelamin, dapat
dikelompokkan menjadi dua kategori yaitu laki-laki dan perempuan (dapat dinyatakan dengan
kode 1 dan 0).
b. Skala Ordinal
Merupakan skala pengukuran variabel yang tidak hanya menyatakan suatu kategori, melainkanm
juga menyatakan peringkat (urutan ranking) berdasarkan suatu tingkat preferensi dari
subyek/obyek yang diukur. Misalnya : nilai prestasi mahasiswa mempunyai urutan rangking
A=baik sekali, B=Baik, C=Sedang, D=Kurang, E=Gagal. Skala A sampai E merrupakan skala
yang mengukur kategori kualitatif yang mempunyai urutan atau rangking preferensi.
c. Skala Interval
Merupakan skala pengukuran variabel yang tidak hanya menyatakan suatu kategori dan
preferensi, melainkan juga menunjukkan besaran atau jarak (magnitude) dan perbedaan di antara
subyek/obyek yang diukur. Misalnya seorang responden diminta menyatakan seberapa besar
kontribusinya dalam penyusunan anggaran perusahaan. Responden dapat memilih nilai 1 sampai
dengan 7, di mana nilai ekstrim terkecil 1 menyatakan sangat kecil sampai nilai ekstrim terbesar
7 menyatakan sangat besar. Nilai tengah 4 dapat diartikan bahwa responden mempunyai
kontribusi yang moderat (tidak kecil dan tidak besar).
d. Skala Rasio
Merupakan skala pengukuran variabel yang tidak hanya menyatakan, kategori, preferensi dan
jarak dari perbedaan subyek/obyek yang diukur, tetapi juga menunjukkan proporsi dari
perbedaan di antara subyek/obyek yang diukur. Misalnya seorang responden diminta untuk
menjawab jumlah bawahan yang dipimpinnya. Responden dapat menjawab dengan angka mulai
dari 0

Tabel 4.1 Ciri-ciri Skala Pengukuran

Skala pengukuran
Ciri-ciri
Nominal Ordinal Interval Rasio
Dapat dibedakan Ya Ya Ya Ya
Urutan menurut besar Tidak Ya Ya Ya
Interval-interval sama Tidak Tidak Ya Ya
Mempunyai nol mutlak Tidak Tidak Tidak Ya

Data yang berskala nominal dan ordinal disebut data kualitatif (kategorikal) atau diskrit. Sedangkan
data berskala interval dan rasio disebut data kuantitatif atau kontinyu. Mengetahui jenis skala
pengukuran auatu variabel sangat penting, karena menentukan analisis, interpretasi dan pengujian
hipotesis yang akan dilakukan.

34
4.3. Notasi Penjumlahan
Suatu kelompok data yang terdiri dari sejumlah observasi hasil pengukuran dilambangkan
dengan x1, x2, ...,xn. Lambang tersebut menunjukkan data hasil observasi pertama, observasi kedua,
sampai hasil observasi ke n. Jika ada lima hasil observasi pengukuran, yaitu 2,1 3,2 4,1 5,6 3,7,
maka dilambangkan dengan x1,x2,x3,x4,x5 di mana x1 = 2,1, x2 = 3,2, x3 = 4,1, x4 = 5,6, x5 = 3,7.
Secara statistika hasil observasi pengukuran tersebut dijumlahkan satu per satu, yaitu
x1+x2+x3+x4+x5. Untuk menghindari pengulangan penulisan operasi penjumlahan, operasi dapat
dipersingkat dengan menggunakan notasi  (sigma) yang merupakan huruf besar Yunani.
n
Notasi xi menunjukkan jumlah dari n nilai x1, x2, ...,xn dan dibaca sebagai jumlah semua
i 1
n
xi dengan rentang 1 sampai n, atau  x i  x1  x 2 ... x n .
i 1
Contoh 4.3.1 :
Diketahui empat nilai hasil pengukuran dalam suatu kelompok adalah x 1 = 3, x2 = 5, x3 = 4, x4 = 3
4 4 4 4 4
Hitunglah : (a) xi (b)  3 x i (c)  (x i  2) (d)  x i2 (e)  (x i  2) 2
i 1 i 1 i 1 i 1 i 1
Penyelesaian :
4
(a) xi = x1+x2+x3+x4 = 3+5+4+3 =15
i 1
4  4 
(b) 3x i = 3x1+3x2+3x3+3x4=3   x i  =3 x 15 = 45
i 1  i 1 
4 4
(c)  (x i  2) = (x1-2)+(x2-2)+(x3-2)+(x4-2) =  x i - 4(2) = 15 - 8 = 7
i 1 i 1
4
(d)  x i2 = x12  x 22  x 32  x 24 = 32+52+42+32 = 59
i 1
4 4
(e)  (x i  2) 2 =  (x i2  4x i  4)
i 1 i 1

= (x12  4x1  4)  (x 22  4x 2  4)  (x 32  4x 3  4)  (x 24  4x 4  4)
4  4 
=  x i2 - 4   x i  + 4(4)
i 1  i 1 
= 59 – 4(15) + 4(4) = 15

Jika a dan b adalah konstanta, maka :

n n
bxi = b x i (4.1)
i 1 i 1
n n
 (bx i  a ) = b x i  na (4.2)
i 1 i 1
n n n
 (x i  a ) 2 =  x i2  2a  x i  na 2 (4.3)
i 1 i 1 i 1

35
4.4. Ukuran Kecenderungan Nilai Tengah
Ukuran nilai tengah dari sekumpulan nilai adalah nilai yang dipandang dapat
menggambarkan ukuran pemusatan data yang berkaitan dengan letak (lokasi). Ukuran nilai tengah,
yaitu rata-rata, median, modus, kuartil dan persentil. Data nilai pemusatan berskala rasio.

a. Rata-rata Hitung, Ukur dan Harmonis

Rata-rata Hitung
Rata-rata hitung adalah nilai penjumlahan suatu deretan nilai, dibagi oleh jumlah nilai. Jika
terdapat n deretan nilai yang dinyatakan dengan x 1 , x2 , ..., xn , maka nilai rata-rata hitungnya
adalah :
n
xi
X  i 1 (4.4)
n
Contoh 4.4.1 :
Suatu sampel acak yang terdiri dari pengukuiran 5 waktu menunggu nasabah di suatu bank (dalam
menit) adalah 3, 2, 4, 1, 2.
Berapa rata-rata sampel waktu menunggu nasabah?
Penyelesaian :
Rata-rata sampel waktu menunggu nasabah adalah X  3  2  4 1 2  2,4 menit.
5
Informasi tersebut dapat digunakan oleh manajemen bank untuk meningkatkan layanan kepada
nasabah, misalnya menambah jumlah teller bila waktu menunggu nasabah dianggap masih lama.

Rata-rata Ukur
Rat-rata ukur digunakan untuk mengukur tingkat perubahan (rate of change). Jika terdapat n
deretan nilai yang dinyatakan dengan x1 , x2 , ..., xn , maka nilai rata-rata ukurnya adalah :
1
x n
Gm  n  (4.5)
x 
 1 
Contoh 4.4.2 :
Diketahui pemakaian tenaga listrik (dalam KwH) suatu industri rumah tangga adalah sebagai
berikut :
Tabel 4.2 Penggunaan Pemakaian Tenaga Listrik
(dalam KwH)
Jumlah Pemakaian % Pertambahan
Bulan (KwH) Pemakaian (KwH)
Januari 252.374
Februari 287.954 14,098
Maret 336.299 16,789
April 414.654 23,299
Mei 488.719 17,862
Juni 543.229 11,154
Juli 583.716 7,453
Agustus 633.573 8,541
September 680.251 7,367
Oktober 723.654 6,380
November 752.698 4,014
Desember 801.254 6,451
Jumlah 123,409
Berapa rata-rata pertambahan pemakaian tenaga listrik (dalam KwH) per bulan?
Penyelesaian :
1

G m   801.254  1,10106
12
 252.374 
Bila dinyatakan dengan persentase, maka hasilnya adalah 1,10106 x 100% = 110,106%.
Jadi rata-rata pertambahan pemakaian tenaga listrik (dalam KwH) adalah 10,106%.per bulan
Jika dihitung dengan menggunakan rata-rata hitung, rata-rata pertambahan pemakaian tenaga
123,409
listrik (dalam KwH) adalah X  11,219% per bulan
11

36
Cara menghitung tersebut berselisih 1,113%. Selisih tersebut terjadi karena dalam komponen nilai-
nilai observasi xi terdapat nilai-nilai ekstrim seperti penurunan pemakaian antara bulan Juni dan
Juli. Jika tidak terdapat nilai-nilai yang ekstrim dalam observasi xi, maka selisih kedua perhitungan
tersebut tidak berarti.

Rata-rata Harmonis
Rata-rata harmonis digunakan untuk menghitung rata-rata rasio. Jika terdapat n deretan nilai
yang dinyatakan dengan x1 , x2 , ..., xn , maka nilai rata-rata harmonisnya adalah :
rh  n (4.6)
n
xi
i 1
Contoh 4.4.3 :
Tiga karyawan bagian pembelian dari suatu perusahaan memperoleh tugas mengadakan pembelian
tepung tapioka. Setiap karyawan memperoleh uang sebesar Rp 450.000.000. Dari hasil pembelian
telah diketahui bahwa karyawan pertama membeli tepung tapioka dengan harga Rp 3.000/kg,
karyawan kedua membeli tepung tapioka dengan harga Rp 1.000/kg, sedangkan karyawan ketiga
membeli tepung tapioka dengan harga Rp 5.000/kg. Berapakah harga rata-rata tepung tapioka per
kilogram yang telah dibayar oleh perusahaan?
Penyelesaian :
rh  3  Rp1.956,52 per kg
1  1  1
3.000 1.000 5.000
Secara keseluruhan, perusahaan telah membayar harga rata-rata tepung tapioka sebesar Rp
1.956,52 per kg. Logika penggunaan rata-rata harmonis dapat diperiksa sebagai berikut :

Rp 450.000.000 : Rp 3.000 / kg = 150.000 kg

Rp 450.000.000 : Rp 1.000 / kg = 450.000 kg
Rp 450.000.000 : Rp 5.000 / kg = 900.000 kg
Rp 1.350.000.000 1.500.000 kg

Harga rata-rata tepung tapioka per kilogram menjadi Rp 1.350.000.000 per 1.500.000 kg = Rp
1.956,52 per kg. Jika dihitung dengan menggunakan rata-rata hitung, harga rata-rata tepung
tapioka per kilogram adalah :
X  3.000 1.000  5.000  Rp3.000 per kg . Ternyata hasil rata-rata hitungnya berlebihan.
3

b. Median
Median adalah nilai yang terletak di tangah deretan nilai-nilai yang telah diurutkan. Bila
deretan nilai berjumlah genap, maka nilai tengahnya adalah rata-rata dari dua nilai yang di tengah.

Contoh 4.4.4 :
Suatu sampel acak yang terdiri dari pengukuran 10 diameter cincin piston (dalam mm) adalah 52,3,
51,9, 52,6, 52,4, 52,4, 52,1, 52,3, 52,0, 52,5, dan 52,5.
Penyelesaian :
Setelah diurutkan, nilainya menjadi 51,9 52,0 52,1 52,3 52,3 52,4 52,4 52,5 52,5 52,6
Karena deretan nilai berjumlah genap, maka nilai tengahnya adalah 52,3 dan 52,4. Maka
mediannya adalah (52,3 52,4)  2,35 mm
2
Contoh 4.4.5 :
Manajemen suatu department store tertarik untuk melakukan perluasan fasilitas. Untuk itu
diperlukan suatu studi analisis pendahuluan tentang jumlah pelanggan yang datang dan dilayani.
Pengamatan dilakukan secara acak selama lima minggu, hasilnya adalah 3.000, 3.500, 500, 3.300,
3.800.
Berapa nilai mediannya?
Penyelesaian :
Setelah diurutkan, nilainya menjadi 500 3.000 3.300 3.500 3.800

37
Karena deretan nilai berjumlah ganjil, maka nilai tengahnya adalah 3.300, dan nilai rata-ratanya
adalah 500  3.000  3.300  3.500  3.800 = 2.820 orang
5
Pada minggu ke 3 jumlah pelanggan yang datang hanya 500 orang, yang merupakan nilai ekstrim
dibandingkan dengan jumlah pelanggan pada minggu yang lain. Hal itu disebabkan departemen
store hanya buka selama dua hari, karena ada liburan hari raya selama lima hari.
Untuk kasus tersebut nilai median 3.300 lebih baik dibandingkan dengan nilai rata-ratanya.
Meskipun misalnya nilai 500 diganti oleh 100, maka nilai mediannya tetap 3.300, sedangkan nilai
rata-ratanya menjadi lebih kecil dari 2.820. Jika ada data yang ekstrim (nilainya lebih besar atau
lebih kecil dibandingkan dengan nilai yang lain), nilai rata-rata dipengaruhi oleh nilai ekstrim
tersebut. Sedangkan nilai mediannya tetap.

c. Modus
Modus adalah nilai yang sering terjadi dalam suatu kumpulan nilai. Modus digunakan untuk
menentukan nilai yang khas dari suatu proses.

Contoh 4.4.6 :
Manajer suatu toko peralatan ingin menambah jumlah gergaji bundar yang akan disimpan sebagai persediaan.
Dari data penjualan gergaji bundar, diambil secara acak transaksi penjualan bulan lalu dan didapatkan 30
transaksi sebagai berikut (dalam mm) :

80, 120, 100, 100, 150, 120, 80, 150, 120, 80,
120, 100, 120, 120, 150, 80, 120, 100, 120, 80,
100, 120, 120, 150, 120, 100, 120, 120, 100, 100
Penyelesaian :

14
13 Nilai modusnnya adalah 120, terjadi 13
12 kali transaksi penjualan. Jadi manajer
11 memutuskan menambah jumlah gergaji
10 bundar ukuran 120 mm sebagai persediaan
Frekuensi penjualan

9 penjualan.
8
7
6
5
4
3
2
1
0 ukuran
80 100 120 150 (mm)
Gambar 4.2 Frekuensi Penjualan Gergaji Bundar

d. Kuartil
Kuartil adalah titik atau nilai yang membagi seluruh distribusi data menjadi empat bagian
yang sama setelah data diurutkan, sehingga didapatkan tiga buah kuartil, yaitu : kuartil bawah (Q1),
kuartil tengah (Q2) dan kuartil atas (Q3). Jika terdapat n deretan nilai yang dinyatakan dengan x 1 , x2
, ..., xn , dan diurutkan dari kecil ke besar, maka :
 Kuartil bawah yang disebut juga kuartil pertama (Q 1) adalah nilai x yang sedemikian rupa hingga
1/4 jumlah data berada di bawahnya, sedangkan 3/4 sisanya berada di atasnya.
 Kuartil tengah yang disebut juga kuartil kedua (Q 2) adalah nilai x yang sedemikian rupa hingga
membagi dua bagian yang jumlah datanya sama besarnya.
 Kuartil atas yang disebut juga kuartil ketiga (Q 3) adalah nilai x yang sedemikian rupa hingga 3/4
jumlah data berada di bawahnya, sedangkan 1/4 sisanya berada di atasnya.

Contoh 4.4.7 :
Hasil pencatatan 10 hari kecepatan angin maksimum setiap hari di suatu kota tertentu (dalam km
per jam, kph) adalah sebagai berikut : 78,2 75,8 81,8 85,2 75,9 78,2 72,3 69,3 76,1 74,8
Berapa nilai Q1, Q2 dan Q3 ?
38
Penyelesaian :
Data yang telah diurutkan : 69,3 72,3 74,8 75,8 75,9 76,1 78,2 78,2 81,8 85,2
 Urutan data untuk Q1, adalah data ke 1 (n 1)  1 (10 1)  2,75
4 4
Jadi nilai Q1=data ke 2 + 0,75(74,8-72,3)=72,3+1,875=74,175 km per jam
 Urutan data untuk Q2, adalah data ke 1 (n 1)  1 (10 1)  5,5
2 2
Jadi nilai Q2=data ke 5 + 0,5(76,1-75,9)=75,9+0,1=76 km per jam
 Urutan data untuk Q3, adalah data ke 3 (n 1)  3 (10 1)  8,25
4 4
Jadi nilai Q3=data ke 8 + 0,25(81,8-78,2)=78,2+0,9=79,1 km per jam

e. Persentil
Nilai persentel ke 100 p adalah suatu nilai sedemikian hingga paling sedikit 100 p persen
dari semua data berada di bawahnya dan paling sedikit 100(1-p)% lebih dari nilai tersebut.

Contoh 4.4.8 :
Nilai berikut menunjukkan hasil survei curah hujan tahunan pada suatu wilayah (dalam mm)
selama 30 tahun :
123 117 83 140 97 110 117 86 116 79 130 63 95 103 98
119 84 136 87 91 107 122 74 98 80 82 90 125 105 97
Berapa nilai persentil ke 40?
Penyelesaian :
Nilai curah hujan setelah diurutkan :
63 74 79 80 82 83 84 86 87 90 91 95 97 97 98
98 103 105 107 110 116 117 117 119 122 123 125 130 136 140
Urutan data untuk P40, adalah data ke 40 (n 1)  2 (30 1) 12,4
100 5
Jadi nilai P40=data ke 12 + 0,4(97-95)=95+0,8=95,8
Hal tersebut berarti bahwa 40% selama 30 tahun, curah hujan kurang dari 95,8 mm

4.5. Memperbaiki Nilai Rata-rata Hitung

Sering terjadi nilai rata-rata hitung dihasilkan dari data observasi yang nilainya terdapat nilai
pencilan (ekstrim), yaitu nilai yang terlalu kecil maupun nilai yang terlalu besar. Sehingga nilai
rata-rata hitungnya tidak menggambarkan karakteristik yang sebenarnya dari hasil observasi
tersebut. Untuk mengatasi hal tersebut, diperlukan upaya perbaikan nilai rata-rata hitung dengan
mengabaikan nilai-nilai ekstrim. Metode yang digunakan untuk memperbaiki rata-rata hitung
adalah metode Trimmed sample mean dan Winzorized sample mean.

a. Trimmed Sample Mean Berdasarkan Persentase

Trimmed sample mean dengan persentase dilambangkan dengan Trm(  ), dimana  adalah
persentase jumlah data ekstrim yang diabaikan.

Contoh 4.5.1 :
Suatu sampel waktu tune up mobil (dalam menit) didapatkan dari 20 mobil yang terpilih, yaitu :
15 10 12 20 16 18 30 14 16 15
18 40 20 19 17 15 22 20 19 22
Tentukan 5% nilai Trimmed sample mean
Penyelesaian :
Sampel data waktu tune up mobil diurutkan :
10 12 14 15 15 15 16 16 17 18
18 19 19 20 20 20 22 22 30 40
Jumlah data ekstrim yang diabaikan 20(0,05)=1.
Data ekstrim terkecil yang diabaikan adalah 10 dan data ektrim terbesar yang diabaikan adalah 40.
Sehingga yang tersisa ada 18 data, yaitu :
12 14 15 15 15 16 16 17 18
18 19 19 20 20 20 22 22 30
39
Jadi Trm(5)  12 14 ... 30 18,222 menit, merupakan penduga lebih baik jika dibandingkan dengan
18
nilai rata-rata X  12 14  ... 40 19,9
10 menit
20

b. Trimmed Sample Mean Berdasarkan Interkuartil

Trimmed sample mean dengan interkuartil, perhitungannya dengan menghilangkan
(mengabaikan) data ekstrim yang berada di bawah kuartil pertama dan data di atas kuartil ketiga :
 (antara Q1 dan Q 3 )
Trm  (4.7)
n (antara Q1 dan Q 3 )

Contoh 4.5.2 :
Didapatkan data dari suatu perusahaan tentang hasil uji kekuatan baja sebagai berikut :
132,1 93,9 105,8 116,6 152,4 125 128,3 136,7 106,5
Dapatkan nilai Trm nya
Penyelesaian :
Setelah data diurutkan, didapatkan :
93,9 105,8 106,5 116,6 125 128,3 132,1 136,7 152,4
Q1 Q2 Q3
106,5 116,6 125 128,3 132,1
Trm 121,7
5

c. Winsorized Sample Mean

Winsorized sample mean pada dasarnya sama dengan Trimmed sample mean, yaitu
menghilangkan pengaruh data ekstrim. Perhitungannya dengan cara menggantikan semua data
yang berada di bawah kuartil pertama dengan nilai kuartil pertama. Demikian juga dengan data
yang berada di atas kuartil ketiga diganti dengan nilai kuartil ketiga.

Contoh 4.5.3 :
Didapatkan data dari suatu perusahaan tentang hasil uji kekuatan baja sebagai berikut :
132,1 93,9 105,8 116,6 152,4 125 128,3 136,7 106,5
Dapatkan nilai Winzorized sample mean (Wsm) nya

Penyelesaian :
Setelah data diurutkan, didapatkan :
93,9 105,8 106,5 116,6 125 128,3 132,1 136,7 152,4
Q1 Q2 Q3
106,5 106,5 106,5 116,6 125 128,3 132,1132,1132,1
Wsm 120,6
9

4.6. Ukuran Penyebaran Data

Nilai tengah kurang bermanfaat bila tidak disertasi penyebaran (dispersi) atau penyimpangan
(deviasi) tiap nilai data terhadap nilai tengahnya. Jika nilai penyimpangan terhadap nilai tengahnya
sangat besar, maka nilai tengah tersebut kurang berguna sebagai indikator yang menggambarkan
suatu keadaan. Beberapa ukuran penyebaran meliputi : rentang (range), varians, standar deviasi dan
deviasi kuartil.

a. Rentang (Range)
Rentang adalah ukuran nilai deviasi yang memberikan gambaran seberapa jauh data
menyebar. Didefinisikan sebagai perbedaan antara nilai hasil observasi tertinggi dengan nilai
terendah.
R  x maks  x min (4.8)

40
Contoh 4.6.1 :
Diambil secara acak 10 hasil observasi waktu menerima barang bagasi pesawat (dalam menit) yang
baru turun di bandara udara, sebagai berikut : 15 12 20 13 22 18 19 21 17 20
Berapa nilai rentangnya?
Penyelesaian :
R = 22 – 11 = 10 menit
Nilai tersebut menunjukkan variabilitas dalam observasi

b. Varians
Varians adalah ukuran nilai deviasi yang menggambarkan deviasi setiap nilai hasil observasi
terhadap nilai rata-ratanya (mean). Didefinisikan sebagai jumlah kuadrat deviasi hasil observasi
terhadap nilai rata-rata dibagi besar data observasi.
n
 ( x i  ) 2
S 2  i 1 (4.9)
N
Rumus tersebut untuk ukuran varians populasi, dengan nilai parameter mean (  ) sudah diketahui.
Pada umumnya nilai parameter mean (  ) belum diketahui, dan diduga oleh rata-rata hitung sampel
( X ) sebagai statistiknya.
n
 (x i  X) 2
S 2  i 1 (4.10)
n 1
Untuk lebih memudahkan perhitungan, rumus tersebut diuraikan menjadi bentuk yang sederhana :
n n n n n
 (x i  X) 2  (x i2  2x i X  X 2 )  x i2  2X x i  nX 2  x i2  2nX 2  X 2
S 2  i 1  i 1  i 1 i 1
 i 1
n 1 n 1 n 1 n 1
n
 x i2  nX 2

S 2  i 1 (4.11)
n 1

c. Standar Deviasi
Standar deviasi adalah ukuran nilai deviasi yang menggambarkan deviasi setiap nilai hasil
observasi terhadap nilai rata-ratanya (mean). Didefinisikan sebagai akar jumlah kuadrat dari deviasi
hasil observasi terhadap nilai rata-rata dibagi besar data observasi. Nilai standar deviasi didapatkan
dari nilai varians.
n
 ( x i  ) 2
S i 1 (4.12)
N
Rumus tersebut untuk ukuran standar deviasi populasi, dengan nilai parameter mean (  ) sudah
diketahui. Pada umumnya nilai parameter mean (  ) belum diketahui, dan diduga oleh rata-rata
hitung sampel ( X ) sebagai statistiknya.
n
 (x i  X) 2
S i 1 (4.13)
n 1
Untuk lebih memudahkan perhitungan, rumus tersebut diuraikan menjadi bentuk yang sederhana :
n
 x i2  nX 2
i 1 (4.14)
S
n 1

Contoh 4.6.2 :
Diambil secara acak 10 hasil observasi tegangan output dari suatu transformator sebagai berikut :
9,2 8,9 8,7 9,5 9,0 9,3 9,4 9,5 9,0 9,1
Berapa nilai varians dan standar deviasinya?
Penyelesaian :
9,2  8,9  8,7  9,5  9,0  9,3  9,4  9,5  9,0  9,1
X  9,16 volt
10

41
 Tabel 4.3 Perhitungan Varians dan Standar Deviasi
Observasi Deviasi terhadap rata-rata Deviasi kuadrat
xi ( x i  X) ( x i  X) 2
9,2 0,04 0,0016
8,9 - 0,26 0,0676
8,7 - 0,46 0,2116
9,5 0,34 0,1156
9,0 - 0,16 0,0258
9,3 0,14 0,0196
9,4 0,24 0,0576
9,5 0,34 0,1156
9,0 - 0,16 0,0256
9,1 - 0,06 0,0036
10 10
 (x i  X)  0  (x i  X) 2  0,644
i 1 i 1
n
(x i  X) 2 0,644
S 2  i1   0,0715 volt 2 S 0,0715  0,2675 volt
n 1 9

Tabel 4.4 Perhitungan Kuadrat Hasil Obsevasi

Tegangan Output Transformator
Kuadrat Data Observasi
Observasi
xi x i2
9,2 84,64
8,9 79,21
8,7 75,69
9,5 90,25
9,0 81,00
9,3 86,49
9,4 88,36
9,5 90,25
9,0 81,00
9,1 82,81
10 10
 x i  91,60  x i2  839,70
i 1 i 1
Dengan menggunakan rumus :
n
 x i2  nX 2
839,70  (10)(9,16) 2 0,644
S 2  i 1    0,0715 volt 2
n 1 9 9
S 0,0715  0,2675 volt

d. Deviasi Kuartil
Pada distribusi kuartil, 50 persen dari semua nilai observasi seharusnya terletak antara Q 1
dan Q3. Rentang antara Q1 dan Q3 dinamakan rentang interkuartil (interquartil range). Makin kecil
rentang tersebut, makin tinggi konsentrasi distribusi tengah seluas 50 persen dari seluruh distribusi
nilai observasi. Pengukuran deviasi kuartil sebuah sampel dirumuskan sebagai berikut :
Q 3  Q1
dQ  (4.15)
2
Contoh 4.6.3 :
Hasil pencatatan 10 hari kecepatan angin maksimum setiap hari di suatu kota tertentu (dalam km
per jam, kph) adalah sebagai berikut : 78,2 75,8 81,8 85,2 75,9 78,2 72,3 69,3 76,1 74,8
Berapa nilai deviasi kuartilnya?
Penyelesaian :
Data yang telah diurutkan : 69,3 72,3 74,8 75,8 75,9 76,1 78,2 78,2 81,8 85,2
Q1= 74,175 km per jam, Q2= 76 km per jam, Q3= 79,1 km per jam

42
 79,1  74,175
dQ   2,4625
2
Jika mediannya sebesar 76 km per jam, maka deviasi kuartilnya adalah  2,4625 km per jam dari
mediannya.

4.7. Ukuran Penyebaran Data Relatif

Pengukuran rentang, varians, standar deviasi, deviasi kuartil adalah pengukuran deviasi
absolut. Pengkuran sedemikian itu, sebetulnya hanya dapat digunakan untuk penggambaran deviasi
nilai observasi secara pasti. Bila 2 distribusi sampel hasil observasi yang dinyatakan dalam unit
yang sama dan memiliki rata-rata hitung yang kurang lebih sama, perbandingan variasi kedua
distribusi tersebut dapat ditentukan langsung dari hasil perbandingan antara standar deviasi masing-
masing distribusi. Tetapi bila 2 distribusi tersebut memiliki rata-rata hitung yang jauh berbeda,
rata-rata dari masing-masing distribusi digunakan sebagai dasar pengukur variasinya secara relatif.
Ada dua metode pengukuran deviasi relatif, yaitu koefisien variasi dan koefisien variasi kuartil

a. Koefisien Variasi
Koefisien variasi dirumuskan sebagai berikut :
V S (4.16)
X
di mana :
S = standar deviasi X = rata-rata hitung

Contoh 4.7.1 :
Battery merek A dan B memiliki daya tahan yang berbeda. Serangkaian pengujian secara sampel
acak telah dilakukan, didapatkan untuk battery merek A rata-rata daya tahannya 160 jam dengan
standar deviasi 25 jam, untuk battery merek B rata-rata daya tahannya 120 jam dengan standar
deviasi 20 jam. Selidiki apakah variasi battery merek A memang lebih besar dibandingkan variasi
battery merek B?
Penyelesaian :
VA  25  0,15625 atau 15,625% VB  20  0,1666 atau 16,66%
160 120
Ternyata variasi battery merek A lebih kecil dibandingkan variasi battery merek B

b. Koefisien Variasi Kuartil

Bila rata-rata hitung dan standar deviasi tidak diketahui dari hasil observasi, maka variasi
observasi dihitung rentang deviasi kuartil dan mediannya. Perumusan yang sering digunakan
adalah koefisien variasi kuartil, sebagai berikut :

(Q 3  Q 1 ) / 2 Bila nilai median tidak diperoleh, maka rumus koefisien variasi

VQ  (4.17) kuartil, sebagai berikut :
md
di mana : (Q 3  Q1 )
VQ  (4.18)
Q1 = kuartil 1 (Q 3  Q1 )
Q3 = kuartil 3
md = median

Contoh 4.7.2 :
Diambil secara acak 20 hasil observasi waktu pemgelasan (dalam menit) sebagai berikut :
2,2 2,5 1,8 2,0 2,1 1,7 1,9 2,6 1,8 2,3
2,0 2,1 2,6 1,9 2,0 1,8 1,7 2,2 2,4 2,2

Berapa nilai koefisien variasi kuartilnya?

Penyelesaian :
Data setelah diurutkan :
1,7 1,7 1,8 1,8 1,8 1,9 1,9 2,0 2,0 2,0
2,1 2,1 2,2 2,2 2,2 2,3 2,4 2,5 2,6 2,6

43
 Urutan data untuk Q1, adalah data ke 1 (n 1)  1 (20 1)  5,25
4 4
Jadi nilai Q1=data ke 5 + 0,25(1,9-1,8)=1,8+0,025=1,825 menit
 Urutan data untuk Q3, adalah data ke 3 (n 1)  3 (20 1) 15,75
4 4
Jadi nilai Q3=data ke 15 + 0,75(2,3-2,2)=2,2+0,075=2,275 menit
(Q 3  Q1 ) 2,275 1,825 0,450
VQ     0,109756
(Q 3  Q1 ) 2,275 1,825 4,100

4.8. Ukuran Kemencengan dan Peruncingan

a. Kemencengan (Skewness)
Kemencengan (Skewness) adalah ukuran yang menunjukkan derajat penyimpangan bentuk
distribusi hasil observasi dari bentuk simetris. Bila suatu distribusi hasil observasi berbentuk
simetris, maka nilai rata-rata, median dan modus akan sama besar dan berhimpit dalam satu titik
nilai, sehingga koefisien kemencengannya bernilai nol. Sebaliknya bila suatu distribusi hasil
observasi berbentuk tidak simetris, maka nilai rata-rata, median dan modus tidak sama besar,
sehingga koefisien kemencengannya tidak bernilai nol.
1
 2 2
 n  n (x  X) 3  
   i   (4.19)
 i  1  
S   
k
  n  
3
   (x  X)  
2
 i  1 i  
Bila nilai modus diperoleh, maka : Bila nilai median diperoleh, maka :
S  X  mo (4.20) S 
3(X  md)
(4.21)
k S k S
di mana : di mana :
mo = modus md = median
X = rata-rata hitung X = rata-rata hitung
S = standar deviasi S = standar deviasi
Karena nilai rata-rata sangat dipengaruhi oleh nilai yang terlalu besar (atau terlalu kecil), maka
nilai rata-rata tersebut cenderung bergeser ke arah nilai yang terlalu besar (atau terlalu kecil).
Dengan demikian nilai rentang antara rata-rata dan modus dapat digunakan sebagai nilai yang
mengukur kemencengan bentuk distribusi hasil observasi.
 Bila Sk = 0, maka dikatakan distribusi berbentuk simetris
 Bila Sk > 0 (positip), maka dikatakan distribusi berbentuk menceng ke kanan
 Bila Sk < 0 (negatip), maka dikatakan distribusi berbentuk menceng ke kiri
Frekuensi Relatif

Frekuensi Relatif

Frekuensi Relatif

x md mo mo md x md x mo
(a) (b) (c)
Gambar 4.3 Bentuk Kemencengan Distribusi
(a) Menceng ke Kiri (negatip) (b) Menceng ke Kanan (positip) (c) Simetris terhadap mean

b. Peruncingan (Kurtosis)
Peruncingan (Kurtosis) adalah ukuran yang menunjukkan derajat peruncingan dari distribusi
hasil observasi. Peruncingan juga menggambarkan ukuran kepadatan dari distribusi hasil observasi.
n
n  (x i  X) 4
i 1
Kt  2
(4.22)
 n 
  ( x i  X ) 2 
 i 1 
44
 Frekuensi Relatif

Frekuensi Relatif

Frekuensi Relatif
(a) (b) (c)
Gambar 4.4 Bentuk Peruncingan Distribusi
(a) Mesokurtik (normal) (Kt = 3) (b) Leptokurtik (Kt > 3) (c) Platikurtik (Kt < 3)

Contoh 4.8.1 :
Diambil secara acak hasil observasi 50 coil dalam sirkuit elektrik, yang diukur ketahanannya,
didapatkan sebagai berikut :
35,1 22,5 34,7 26,4 33,2 27,6 31,8 28,5 30,8 28,5
35,4 23,7 34,2 25,5 33,6 26,5 32,1 28,4 30,6 30,2
36,3 25,0 34,4 25,8 32,3 26,9 31,5 27,6 30,4 30,1
38,8 25,3 34,7 26,4 32,6 26,7 31,3 27,6 30,5 30,1
39,0 25,0 34,3 25,6 32,2 27,2 31,4 28,2 30,5 28,9
Tentukan kemencengan dan peruncingan dari hasil observasi 50 coil tersebut
Penyelesaian :

Tabel 4.5 Perhitungan Kemencengan dan Peruncingan Hasil Observasi Ketahanan Coil
No xi ( x i  X) 2 (x i  X) 3 (x i  X) 4 No xi ( x i  X) 2 (x i  X) 3 (x i  X) 4
1 35,1 24,820 123,655 616,048 26 27,6 6,340 -15,965 40,200
2 35,4 27,900 147,365 778,383 27 26,5 13,090 -47,359 171,346
3 36,3 38,217 236,258 1460,549 28 26,9 10,356 -33,324 107,237
4 38,8 75,377 654,424 5681,711 29 26,7 11,683 -39,932 136,486
5 39,0 78,890 700,700 6223,620 30 27,2 8,515 -24,846 72,501
6 22,5 58,034 -442,102 3367,936 31 31,8 2,829 4,759 8,004
7 23,7 41,191 -264,362 1696,676 32 32,1 3,928 7,786 15,432
8 25,0 26,194 -134,061 686,122 33 31,5 1,910 2,640 3,648
9 25,3 23,213 -111,841 538,849 34 31,3 1,397 1,651 1,952
10 25,0 26,194 -134,061 686,122 35 31,4 1,644 2,107 2,701
11 34,7 20,995 96,198 440,778 36 28,5 2,618 -4,236 6,854
12 34,2 16,663 68,017 277,646 37 28,4 2,952 -5,071 8,711
13 34,4 18,336 78,513 336,191 38 27,6 6,340 -15,965 40,200
14 34,7 20,995 96,198 440,778 39 27,6 6,340 -15,965 40,200
15 34,3 17,489 73,140 305,869 40 28,2 3,679 -7,056 13,533
16 26,4 13,824 -51,396 191,090 41 30,8 0,465 0,317 0,216
17 25,5 21,326 -98,483 454,795 42 30,6 0,232 0,112 0,054
18 25,8 18,645 -80,510 347,641 43 30,4 0,080 0,022 0,006
19 26,4 13,824 -51,396 191,090 44 30,5 0,146 0,056 0,021
20 25,6 20,412 -92,223 416,663 45 30,5 0,146 0,056 0,021
21 33,2 9,499 29,275 90,226 46 28,5 2,618 -4,236 6,854
22 33,6 12,124 42,217 146,999 47 30,2 0,007 0,001 0,000
23 32,3 4,761 10,389 22,668 48 30,1 0,000 0,000 0,000
24 32,6 6,160 15,290 37,950 49 30,1 0,000 0,000 0,000
25 32,2 4,335 9,025 18,790 50 28,9 1,484 -1,807 2,201
Jumlah 1.505,9 728,214 723,975 26.133,568

45
 1.505,9 n
X  30,118  (x i  X)  26.133,568
4
50 i 1
n
 ( x i  X)  728,214
2 50(26.133,568)
Kt   2,464058
i 1 728,214 2
n
 (x i  X)  723,975 Nilai peruncingan distribusi ketahanan coil masih
3
i 1 di bawah nilai peruncingan distribusi normal. Jadi
50(723,975) 2 termasuk Platikurtik (Kt < 3)
S   0,260508
k
728,2143
Bentuk distribusi ketahanan coil menceng
ke kanan

4.9. Ukuran Keeratan

Ukuran keeratan digunakan untuk menunjukkan sejauh mana dua variabel atau lebih
berhubungan satu dengan yang lainnya. Jika satu variabel nilainya makin naik, bagaimana
pengaruhnya secara rata-rata terhadap variabel yang lain? Kadang-kadang dua variabel tidak saling
berhubungan satu dengan yang lain, atau ukuran keeratannya kecil, menunjukkan mempunyai
hubungan yang lemah.

Koefisien Korelasi
Koefisien korelasi adalah ukuran keeratan hubungan secara linier antar dua variabel. Jika
ada dua variabel X dan Y, maka koefisien korelasi sampel hasil observasi dirumuskan sebagai :
n
 ( x i  X )( y i  Y )
i 1
r (4.23)
n n
 (x i  X)  ( y i  Y)
2 2
i 1 i 1
di mana (x i,yi) menunjukkan koordinat observasi ke i, X adalah rata-rata sampel dari nilai xi, Y
adalah rata-rata sampel dari nilai yi dan n adalah besar sampel.

Rumus tersebut dapat diuraikan menjadi bentuk yang mudah dihitung :

n n
n
 (x i )  ( y i )
i 1 i 1
 (x i y i ) 
i 1 n
r (4.24)
n n
n
(xi ) 2
n
(  yi ) 2
i 1 i 1
xi   yi 
2 2
i 1 n i 1 n
Koefisien korelasi sampel r nilainya antara –1 dan 1.
 Nilai r = 1, menunjukkan keeratan hubungan linier positip yang sempurna antara variabel X dan
Y. Jika nilai variabel X makin naik, nilai variabel Y juga makin naik. Jika nilai variabel X makin
turun, nilai variabel Y juga makin turun.
 Nilai r mendekati 1, menunjukkan keeratan hubungan linier positip yang kuat antara variabel X
dan Y. Jika nilai variabel X makin naik, nilai variabel Y juga makin naik. Jika nilai variabel X
makin turun, nilai variabel Y juga makin turun.
 Nilai r = -1, menunjukkan keeratan hubungan linier negatip yang sempurna antara variabel X dan
Y. Jika nilai variabel X makin naik, nilai variabel Y makin turun. Jika nilai variabel X makin
turun, nilai variabel Y makin naik.
 Nilai r mendekati -1, menunjukkan keeratan hubungan linier negatip yang kuat antara variabel X
dan Y. Jika nilai variabel X makin naik, nilai variabel Y makin turun. Jika nilai variabel X makin
turun, nilai variabel Y makin naik.
 Nilai r = 0, menunjukkan tidak ada hubungan antara variabel X dan Y.
Jika nilai variabel X makin naik, nilai variabel Y mungkin tidak berubah.
 Nilai r mendekati 0, menunjukkan keeratan hubungan linier positip yang lemah antara variabel X
dan Y

46
 Y Y Y

x x x x x
x x x x x x
x x x x xx
x x x x x
X X X
(a) (b) (c)

Y Y
x
x x x x x x x x
x xx x x x x x
xx x x x x xxx x
xx x x x x
X X
(d) (e)
Gambar 4.5 Gambar Titik Pencar yang Menunjukkan Perbedaan Beberapa Derajat Korelasi
a) Keeratan hubungan linier positip yang sempurna r = 1 (b) Keeratan hubungan linier
negatip yang sempurna (c) X dan Y berkorelasi positip (d) X dan Y berkorelasi negatip
(e) X dan Y tidak berkorelasi

Contoh 4.9.1 :
Didapatkan data kedalaman pemotongan (mm) dan lama pemotongan (jam) dalam suatu proses
pembubutan, sebagai berikut :

Kedalaman Pemotongan
2,1 2,3 3,4 4,1 4,8 5,6 3,2 2,0 1,9 4,1
(mm) :
4,2 3,8 4,5 3,0 5,3 4,7 3,4 2,9 5,1 4,3
1,5 2,6 2,6 2,2 3,9 1,9 3,8 3,0 4,7 3,8
1,6 4,3 5,2 4,6 3,5 2,4 2,2 3,6 5,2 3,6

Lama Pemotongan (jam) : 0,035 0,033 0,040 0,048 0,060 0,073 0,039 0,033 0,032 0,048
0,041 0,045 0,058 0,037 0,068 0,064 0,038 0,035 0,052 0,049
0,031 0,038 0,039 0,028 0,048 0,030 0,040 0,032 0,050 0,042
0,027 0,047 0,056 0,057 0,036 0,029 0,031 0,038 0,058 0,045
Dapatkan koefisien korelasinya

Penyelesaian :
Tabel 4.6 Perhitungan Koefisien Korelasi Kedalaman Pemotongan (mm) dan Lama Pemotongan (jam)
No xi yi xi * yi x i2 y i2 No xi yi xi * yi x i2 y i2
1 2,1 0,035 0,074 4,410 0,001 21 5,6 0,073 0,409 31,360 0,005
2 4,2 0,041 0,172 17,640 0,002 22 4,7 0,064 0,301 22,090 0,004
3 1,5 0,031 0,047 2,250 0,001 23 1,9 0,030 0,057 3,610 0,001
4 1,6 0,027 0,043 2,560 0,001 24 2,4 0,029 0,070 5,760 0,001
5 2,3 0,033 0,076 5,290 0,001 25 3,2 0,039 0,125 10,240 0,002
6 3,8 0,045 0,171 14,440 0,002 26 3,4 0,038 0,129 11,560 0,001
7 2,6 0,038 0,099 6,760 0,001 27 3,8 0,040 0,152 14,440 0,002
8 4,3 0,047 0,202 18,490 0,002 28 2,2 0,031 0,068 4,840 0,001
9 3,4 0,040 0,136 11,560 0,002 29 2,0 0,033 0,066 4,000 0,001
10 4,5 0,058 0,261 20,250 0,003 30 2,9 0,035 0,102 8,410 0,001
11 2,6 0,039 0,101 6,760 0,002 31 3,0 0,032 0,096 9,000 0,001
12 5,2 0,056 0,291 27,040 0,003 32 3,6 0,038 0,137 12,960 0,001
13 4,1 0,048 0,197 16,810 0,002 33 1,9 0,032 0,061 3,610 0,001
14 3,0 0,037 0,111 9,000 0,001 34 5,1 0,052 0,265 26,010 0,003
15 2,2 0,028 0,062 4,840 0,001 35 4,7 0,050 0,235 22,090 0,003
16 4,6 0,057 0,262 21,160 0,003 36 5,2 0,058 0,302 27,040 0,003
17 4,8 0,060 0,288 23,040 0,004 37 4,1 0,048 0,197 16,810 0,002
18 5,3 0,068 0,360 28,090 0,005 38 4,3 0,049 0,211 18,490 0,002
19 3,9 0,048 0,187 15,210 0,002 39 3,8 0,042 0,160 14,440 0,002
20 3,5 0,036 0,126 12,250 0,001 40 3,6 0,045 0,162 12,960 0,002
Jumlah 140,9 1,730 6,568 547,570 0,080

47
 (140,9)(1,730)
6,568 
r 40  0,91459
140,9 2 1,730 2
547,570  0,080 
40 40

Nilai r mendekati 1, menunjukkan keeratan hubungan linier positip yang kuat antara kedalaman
pemotongan dan lama pemotongan. Jika kedalaman pemotongan makin dalam, lama pemotongan
juga makin lama. Jika kedalaman pemotongan makin berkurang, lama pemotongan juga makin
berkurang.

4.10. Distribusi Frekuensi

Data kasar umumnya langsung diperoleh dari hasil pengukuran atau observasi. Data
demikian itu dapat juga diperoleh dari hasil pengumpulan data sekunder yang sudah ada.

Contoh 4.10.1 :
Data tentang hasil produksi padi kering per hektar dalam kwintal di 111 desa adalah sebagai
berikut :
20,07 44,88 50,94 55,27 61,50 26,87 45,01 51,13 55,54 61,61 74,63 60,48
27,43 45,09 51,31 55,78 62,66 29,10 45,41 51,54 56,00 62,98 34,38
32,61 45,77 51,61 56,23 63,14 33,88 46,33 51,74 56,31 63,28 35,54
39,19 46,98 51,77 56,34 63,48 34,88 47,54 52,26 56,57 63,49 37,57
40,48 47,76 52,26 56,71 63,85 36,41 47,83 52,43 56,72 64,00 50,09
43,01 47,92 52,49 57,07 65,41 38,87 48,10 52,94 57,29 66,12 50,37
44,06 48,67 53,02 58,21 66,19 41,22 48,97 53,53 58,77 67,48 73,55
44,14 48,75 53,35 58,63 66,60 42,59 49,03 53,94 58,87 67,79 54,31
50,74 54,09 58,94 69,65 44,48 50,75 54,96 59,84 71,16 73,53 54,51
59,06 69,79 44,54 50,84 55,05 60,36 59,16 70,51 44,82 50,91 55,15
Dari data tersebut masih sukar dilihat hasil produksi padi kering oleh sebagian besar dari seratus
sebelas desa tersebut. Tidak dapat dilihat berapa hasil produksi terletak antara 40,00 kw sampai
dengan 50,00 kw, berapa desa yang hasil produksinya lebih tinggi dari 55,00 kw, berapa desa yang
hasil produksinya kurang dari 50,00 kw dan sebagainya. Untuk dapat menjawab pertanyaan-
pertanyaan tersebut, dapat dilakukan pengelompokan data melalui distribusi frekuensi.

a. Pembentukan Distribusi Frekuensi

 Menentukan Jumlah Kelas dan Interval Kelas
Penentuan jumlah kelas distribusi frekuensi dihitung dari rumus Sturges sebagai berikut :
k = 1 + 3,322 log n (4.25)
atau dengan rumus :
k= n (4.26)
di mana : k = jumlah kelas
n = besar data sampel
Untuk data hasil produksi padi kering per hektar dapat dihitung jumlah kelasnya sebagai berikut :
k = 1 + 3,322 log (111)
= 1 + 3,322 (2,04532)
= 7,79455  8
atau k = n = 101 =10,05  10

Berikutnya adalah penentuan interval kelas sebagai berikut :

Rentang
i , di mana rentang adalah selisih nilai tertinggi dan nilai terendah
k
Bila menggunakan k = 8, didapatkan nilai terendah 20,00 kw dan nilai tertinggi 80,00 kw, sehingga :
80,00- 20,00
i  7,5
8

48
 Pembentukan Tabel Distribusi Frekuensi
Setelah menentukan junlah kelas dan interval kelas, kemudian menentukan penggolongan
data ke dalam 8 kelas dengan interval kelas sebesar 7,5, dengan cara menghitung frekuensi jumlah
desa yang menghasilkan padi kering per hektar sesuai dengan interval kelasmya, sebagai berikut :

Tabel 4.7 Distribusi Frekuensi Hasil Produksi Padi Kering per Hektar
Hasil Produksi Jumlah Desa
20,00 – 27,50 3
27,50 – 35,00 5
35,00 – 42,50 7
42,50 – 50,00 23
50,00 – 57,50 40
57,50 – 65,00 20
65,00 – 72,50 10
72,50 – 80,00 3
Jumlah 111
b. Penyajian Grafik Frekuensi
Penyajian data statistik dengan grafik frekuensi sederhana umumnya lebih menarik perhatian
dan mengesankan. Dalam statistika, grafik frekuensi yang sering digunakan sebagai analisis
statistik adalah histogram frekuensi, poligon frekuensi dan kurva frekuensi yang diratakan.

 Histogram Frekuensi
Histogram sering kali dianggap sebagai grafik frekuensi yang bertangga. Salah satu fungsi
histogram yang terpenting adalah menggambarkan beda antara kelas-kelas dalam sebuah distribusi.
Penggambaran histogram akan dipermudah bila distribusi frekuensinya memiliki interval kelas
yang sama bagi tiap kelasnya. Histogram merupakan serangkaian empat persegi panjang yang
memiliki alas sepanjang interval antara kedua tepi kelas dan memiliki luas yang sebanding dengan
frekuensi yang terdapat dalam kelas-kelas yang bersangkutan.
Histogram Hasil Produksi Padi Kering per Hektar
40

30
Frekuensi

20

10

0
20 27.5 35 42.5 50 57.5 65 72.5 80

Hasil Produksi (Kwintal)

Gambar 4.6 Histogram Frekuensi
Hasil Produksi Padi Kering per Hektar di 111 Desa
 Poligon Frekuensi
Distribusi frekuensi dapat juga digambarkan dalam bentuk poligon frekuensi. Pengambaran
demikian itu sangat berguna bila ingin dilakukan perbandingan antara dua atau beberapa distribusi
frekuensi. Dara penggambaran poligon dilakukan dengan jalan menentukan nilai tengah bagi tiap
persegi panjang, yang merupakan nilai tengah dari interval kelas, kemudian menghubungkannya
dengan sebuah garis linier.
Tabel 4.8 Penentuan Nilai Tengah Distribusi Frekuensi
Hasil Produksi Padi Kering per Hektar
Hasil Produksi Jumlah Desa Nilai Tengah
20,00 – 27,50 3 23,75
27,50 – 35,00 5 31,25
35,00 – 42,50 7 38,75
42,50 – 50,00 23 46,25
50,00 – 57,50 40 53,75
57,50 – 65,00 20 61,25
65,00 – 72,50 10 68,75
72,50 – 80,00 3 76,25
Jumlah 111

49
 Poligon Hasil Produksi Padi Kering per Hektar
40

30

Frekuensi
20

10

0
23.75 31.25 38.75 46.25 53.75 61.25 68.75 76.25

Hasil Produksi (Kwintal)

Gambar 4.7 Poligon Frekuensi Hasil Produksi
Padi Kering per Hektar di 111 Desa

 Kurva Frekuensi yang Diratakan

Tujuan pengrataan grafik frekuensi adalah guna menghilangkan bentuk yang tidak
beraturan, yang sifatnya kebetulan saja sebagai akibat fluktuasi sampel. Kurva frekuensi yang telah
diratakan mencerminkan secara umum ciri-ciri populasi dari mana sampel tersebut dipilih.

Kurva Frekuensi Hasil Produksi Padi Kering per Hektar

40

30
Frekuensi

20

10

0
20 27.5 35 42.5 50 57.5 65 72.5 80

Hasil Produksi (Kwintal)

Gambar 4.8 Kurva Frekuensi yang Diratakan
Hasil Produksi Padi Kering per Hektar di 111 Desa

 Distribusi Frekuensi Kumulatif

Dalam beberapa jenis analisis statistik, distribusi frekuensi kumulatif lebih banyak
digunakan daripada distribusi biasa.

Tabel 4.9 Distribusi Frekuensi Kumulatif Hasil Produksi Padi Kering per Hektar
Hasil Produksi Jumlah Desa Hasil Produksi Dalam Kwintal Jumlah Kumulatif Desa
20,00 – 27,50 3 Kurang dari 27,50 3
27,50 – 35,00 5 Kurang dari 35,00 8
35,00 – 42,50 7 Kurang dari 42,50 15
42,50 – 50,00 23 Kurang dari 50,00 38
50,00 – 57,50 40 Kurang dari 57,50 78
57,50 – 65,00 20 Kurang dari 65,00 98
65,00 – 72,50 10 Kurang dari 72,50 108
72,50 – 80,00 3 Kurang dari 80,00 111
Jumlah 111

50
 Histogram Kumulatif Hasil Produksi Padi Kering per Hektar
120

100

Frekuensi
80

60

40

20

0
20 27.5 35 42.5 50 57.5 65 72.5 80

Hasil Produksi (Kwintal)

Gambar 4.9 Histogram Frekuensi Kumulatif
Hasil Produksi Padi Kering per Hektar di 111 Desa

Poligon Kumulatif Hasil Produksi Padi Kering per Hektar

120

100
Frekuensi

80

60

40

20

0
23.75 31.25 38.75 46.25 53.75 61.25 68.75 76.25

Hasil Produksi (Kwintal)

Gambar 4.10 Poligon Frekuensi Kumulatif
Hasil Produksi Padi Kering per Hektar di 111 Desa

 Distribusi Frekuensi Relatif

Ada kalanya, analisis statistik berhubungan erat dengan persoalan yang berkaitan dengan
perbandingan secara persentasi. Dengan demikian frekuensi dari distribusi dinyatakan dalam
bentuk persentasi atau proporsi.

Tabel 4.10 Distribusi Frekuensi Relatif Hasil Produksi Padi Kering per Hektar
Hasil Produksi Jumlah Desa % Jumlah Desa
20,00 – 27,50 3 2,70
27,50 – 35,00 5 4,50
35,00 – 42,50 7 6,31
42,50 – 50,00 23 20,72
50,00 – 57,50 40 36,04
57,50 – 65,00 20 18,02
65,00 – 72,50 10 9,01
72,50 – 80,00 3 2,70
Jumlah 111 100,00
Histogram Relatif Hasil produksi Padi Kering per Hektar
40

30
Persentasi

20

10

0
20 27.5 35 42.5 50 57.5 65 72.5 80

Hasil Produksi (Kwintal)

Gambar 4.11 Histogram Frekuensi Relatif

Hasil Produksi Padi Kering per Hektar di 111 Desa

51
 Tabel 4.11 Distribusi Frekuensi Relatif Kumulatif Hasil Produksi Padi Kering per Hektar
Hasil Produksi Jumlah Desa Hasil Produksi Dalam Kwintal % Jumlah Kumulatif Desa
20,00 – 27,50 3 Kurang dari 27,50 2,70
27,50 – 35,00 5 Kurang dari 35,00 7,21
35,00 – 42,50 7 Kurang dari 42,50 13,51
42,50 – 50,00 23 Kurang dari 50,00 34,23
50,00 – 57,50 40 Kurang dari 57,50 70,27
57,50 – 65,00 20 Kurang dari 65,00 88,29
65,00 – 72,50 10 Kurang dari 72,50 97,30
72,50 – 80,00 3 Kurang dari 80,00 100,00
Jumlah 111
Histogram Relatif Kumulatif Hasil produksi Padi Kering per Hektar
100

80
Persentasi

60

40

20

0
20 27.5 35 42.5 50 57.5 65 72.5 80

Hasil Produksi (Kwintal)

Gambar 4.12 Histogram Frekuensi Relatif Kumulatif
Hasil Produksi Padi Kering per Hektar di 111 Desa

c. Ukuran Kecenderungan Nilai Tengah

Bila data disusun ke dalam bentuk distribusi frekuensi, tiap nilai observasi x i yang
dinyatakan dalam angka-angka, akan kehilangan identitasnya sebagai akibat pengelompokan ke
dalam interval kelas. Dalam proses mengukur nilai tengah, nilai titik tengah tiap interval kelas
dianggap sebagai nilai tunggal yang mewakili bagi semua nilai yang dikelompokkan ke dalam
interval kelas. Selain nilai titik tengah interval kelas, untuk mengukur nilai tengah diperlukan juga
informasi frekuensi kumulatif dan frekeunsi relatif.
Sebagai contoh, data tentang hasil produksi padi kering per hektar di 111 desa telah
didapatkan distribusi frekuensi secara lengkap sebagai berkut :

Tabel 4.12 Distribusi Frekuensi Hasil Produksi Padi Kering per Hektar di 111 Desa
Jumlah Desa Nilai Tengah Jumlah % Jumlah % Jumlah
Hasil Produksi fi mi Kumulatif Desa Desa Kumulatif Desa
20,00 – 27,50 3 23,75 3 2,70 2,70
27,50 – 35,00 5 31,25 8 4,50 7,21
35,00 – 42,50 7 38,75 15 6,31 13,51
42,50 – 50,00 23 46,25 38 20,72 34,23
50,00 – 57,50 40 53,75 78 36,04 70,27
57,50 – 65,00 20 61,25 98 18,02 88,29
65,00 – 72,50 10 68,75 108 9,01 97,30
72,50 – 80,00 3 76,25 111 2,70 100,00
Jumlah 111 100,00

 Rata-rata Hitung
Proses mengukur rata-rata hitung dari distribusi frekuensi, membutuhkan asumsi bahwa
jumlah nilai-nilai observasi xi yang terdapat dalam interval kelas tertentu betul-betul didistribusikan
seara merata. Rumus rata-rata hitungnya adalah :
k
 mi fi
X  i1 (4.27)
n
di mana :
mi : nilai titik tengah interval kelas
fi : frekuensi kelas
k : jumlah kelas
n : besar sampel

52
Contoh 4.10.2 :
Dari data hasil produksi padi kering per hektar di 111 desa, berapa rata-rata produksi padi kering
per hektar di setiap desa?
Penyelesaian :
Tabel 4.13 Pengukuran Rata-rata Hitung Hasil Produksi Padi Kering per Hektar
Nilai Tengah Jumlah Desa
mi fi
Hasil Produksi mi fi
20,00 – 27,50 23,75 3 71,25
27,50 – 35,00 31,25 5 156,25
35,00 – 42,50 38,75 7 271,25
42,50 – 50,00 46,25 23 1.063,75
50,00 – 57,50 53,75 40 2.150,00
57,50 – 65,00 61,25 20 1.225,00
65,00 – 72,50 68,75 10 687,50
72,50 – 80,00 76,25 3 228,75
Jumlah 5.853,75
8
 mi f i
5.853,75
X  i1   52,73649 kwintal per hektar
n 111

 Median
Median sebagai nilai rata-rata posisi, karena memang ditentukan atas dasar posisi tengahnya
dari sejumlah observasi yang telah disusun dalam rangkaian urutan nilai. Rumus median adalah :
n U
Md  L M  2 xL (4.28)
fM
di mana :
LM : batas bawah interval yang memuat median
n : besar sampel
U : frekuensi kumulatif sebelum interval median
fM : frekuensi interval median
L : interval kelas

Contoh 4.10.3 :
Dari data hasil produksi padi kering per hektar di 111 desa, berapa nilai median produksi padi
kering per hektar di setiap desa?
Penyelesaian :
Tabel 4.14 Pengukuran Median Hasil Produksi Padi Kering per Hektar
Nilai Tengah Jumlah Desa Jumlah
Hasil Produksi mi fi Kumulatif Desa
20,00 – 27,50 23,75 3 3
27,50 – 35,00 31,25 5 8
Letak Nilai 35,00 – 42,50 38,75 7 15
Median 42,50 – 50,00 46,25 23 38
50,00 – 57,50 53,75 40 78
57,50 – 65,00 61,25 20 98
65,00 – 72,50 68,75 10 108
72,50 – 80,00 76,25 3 111
Jumlah 111

n U 111  38
Md  L M  2 x L  50  2 x 7,5  53,28125 kwintal per hektar
fM 40

 Modus
Nilai dari observasi yang memiliki frekuensi tertinggi dinamakan modus (mode). Bila
sebuah distribusi memiliki modus tunggal dan dapat digambarkan dengan kurva frekuensi yang
telah diratakan, modusnya adalah titik tertinggi dari kurva tersebut. Rumus modus adalah :

53
 a
Mod  L MOD  xL (4.29)
ab
di mana :
LMOD : batas bawah interval yang memuat modus
n : besar sampel
a : beda frekuensi antara interval yang memuat modus dengan
frekuensi sebelumnya
b : beda frekuensi antara interval yang memuat modus dengan
frekuensi sesudahnya
L : interval kelas

Contoh 4.10.3 :
Dari data hasil produksi padi kering per hektar di 111 desa, berapa hasil produksi padi kering yang
tertinggi per hektar?
Penyelesaian :
Tabel 4.15 Pengukuran Modus Hasil Produksi Padi Kering per Hektar
Nilai Tengah Jumlah Desa Jumlah Kumulatif
Hasil Produksi mi fi Desa
20,00 – 27,50 23,75 3 3
27,50 – 35,00 31,25 5 8
35,00 – 42,50 38,75 7 15
42,50 – 50,00 46,25 23 38
50,00 – 57,50 53,75 40 78
57,50 – 65,00 61,25 20 98
65,00 – 72,50 68,75 10 108
72,50 – 80,00 76,25 3 111
Jumlah 111

a (40  23)
Mod  L MOD  x L  50  x 7,5  53,44595 kwintal per hektar
ab (40  23)  (40  20)

 Kuartil
Kuartil adalah titik atau nilai yang membagi seluruh distribusi data menjadi empat bagian
yang sama dari data suatu distribusi, sehingga didapatkan tiga buah kuartil, yaitu : kuartil bawah
(Q1), kuartil tengah (Q2) dan kuartil atas (Q3). Rumus kuartil adalah :
i n U
Qi  L Q  4 xL (4.30)
fQ
di mana :
Qi : kuartil ke i, i = 1,2,3,4
LQ : batas bawah interval yang memuat kuartil ke i
n : besar sampel
U : frekuensi kumulatif sebelum interval quartil ke i
fQ : frekuensi interval kuartil ke i
L : interval kelas

Contoh 4.10.4 :
Dari data hasil produksi padi kering per hektar di 111 desa, berapa kwintal 25% dari hasil produksi
padi kering per hektar?

54
Penyelesaian :
Tabel 4.16 Pengukuran Kuartil Hasil Produksi Padi Kering per Hektar
Nilai Tengah Jumlah Desa Jumlah Kumulatif
Hasil Produksi mi fi Desa
20,00 – 27,50 23,75 3 3
27,50 – 35,00 31,25 5 8
35,00 – 42,50 38,75 7 15
42,50 – 50,00 46,25 23 38
50,00 – 57,50 53,75 40 78
57,50 – 65,00 61,25 20 98
65,00 – 72,50 68,75 10 108
72,50 – 80,00 76,25 3 111
Jumlah 111

1 n U 1 (111) 15
Q1  L Q  4 x L  42,5  4 x 7,5  46,65761 kwintal per hektaar
fQ 23
Hal tersebut berarti bahwa 25% hasil produksi padi kering per hektar kurang dari 46,66 kwintal

 Persentil
Nilai persentel ke 100 p adalah suatu nilai sedemikian hingga paling sedikit 100 p persen
dari semua data dalam distribusi berada di bawahnya dan paling sedikit 100(1-p)% lebih dari nilai
tersebut. Rumus persentil adalah :
i n U
Pi  L P  100 xL (4.31)
fP
di mana :
Pi : persentil ke i, i = 1,2,3, ..., 100
LP : batas bawah interval yang memuat persentil ke i
n : besar sampel
U : frekuensi kumulatif sebelum interval persentil ke i
fP : frekuensi interval persentil ke i
L : interval kelas

Contoh 4.10.5 :
Dari data hasil produksi padi kering per hektar di 111 desa, berapa kwintal 40% dari hasil produksi
padi kering per hektar?
Penyelesaian :
Tabel 4.17 Pengukuran Persentil Hasil Produksi Padi Kering per Hektar
Nilai Tengah Jumlah Desa Jumlah Kumulatif
Hasil Produksi mi fi Desa
20,00 – 27,50 23,75 3 3
27,50 – 35,00 31,25 5 8
35,00 – 42,50 38,75 7 15
42,50 – 50,00 46,25 23 38
50,00 – 57,50 53,75 40 78
57,50 – 65,00 61,25 20 98
65,00 – 72,50 68,75 10 108
72,50 – 80,00 76,25 3 111
Jumlah 111

40 n  U 40 (111)  38
P40  L P  100 x L  50   100 x 7,5  51,2 kwintal per hektar
fP 40
Hal tersebut berarti bahwa 40% hasil produksi padi kering per hektar kurang dari 51,2 kwintal per hektar

55
d. Ukuran Penyebaran Data
 Varians
k
 mi fi
2

S 2  i 1 X2 (4.32)
n

Contoh 4.10.6 :
Dari data hasil produksi padi kering per hektar di 111 desa, berapa varians hasil produksi padi
kering per hektar?
Penyelesaian :
Tabel 4.18 Pengukuran Penyebaran Data Hasil Produksi Padi Kering per Hektar
Nilai Tengah Jumlah Desa Jumlah Kumulatif 2
Hasil Produksi mi fi Desa
mi fi mi fi
20,00 – 27,50 23,75 3 3 71,25 1.692,19
27,50 – 35,00 31,25 5 8 156,25 4.882,81
35,00 – 42,50 38,75 7 15 271,25 10.510,94
42,50 – 50,00 46,25 23 38 1.063,75 49.198,44
50,00 – 57,50 53,75 40 78 2.150,00 115.562,50
57,50 – 65,00 61,25 20 98 1.225,00 75.031,25
65,00 – 72,50 68,75 10 108 687,50 47.265,63
72,50 – 80,00 76,25 3 111 228,75 17.442,19
Jumlah 111 5.853,75 321.585,94

k
 mi fi
2
321.585,94
S 2  i 1 X2   52,73649 2 116,0336 kwintal per hektar 2
n 111

 Standar Deviasi
k
mi fi
2

i 1
S2  X2 (4.33)
n

Contoh 4.10.7 :
Dari data hasil produksi padi kering per hektar di 111 desa, berapa standar deviasi hasil produksi
padi kering per hektar?

Penyelesaian :

k
 mi fi
2

i 1
s n
 X 2  116,0336 10,77189 kwintal per hektar

Soal Latihan
1. Pengambilan suatu sampel acak waktu proses kawat baja (dalam menit), didapatkan 10 hasil
observasi sebagai berukut :
5,4 6,2 7,9 4,8 7,5 6,2 5,5 4,5 7,2 6,2
a. Dapatkan mean, median, dan modusnya. Beri komentar dari perbedaan ukuran tersebut
b. Hitung rentang, varians, standar deviasi dari waktu proses kawat baja tersebut dan beri
komentar

2. Suatu sampel acak dari 50 observasi pemakaian suatu bahan bakar (satuan jarak per gallon)
didapatkan sebagai berikut :

56
 33,2 29,4 36,5 38,1 30,0
29,1 32,2 29,5 36,0 31,5
34,5 33,6 27,4 30,4 28,4
32,6 30,4 31,8 29,8 34,6
30,7 31,9 32,3 28,2 27,5
34,9 32,8 27,7 28,4 28,8
30,2 26,8 27,8 30,5 28,5
31,8 29,2 28,6 27,5 28,5
30,8 31,8 29,1 26,9 34,2
33,5 27,4 28,5 34,8 30,5

a. Dapatkan mean, median, dan standar deviasinya. Beri komentar dari perbedaan ukuran
tersebut
b. Hitung deviasi kuatil, koefisien kecondongan dan peruncingan dan beri komentar

3. Suatu perusahaan asuransi, tertarik untuk menentukan apakah besar pertanggungan dipengaruhi
oleh pendapatan penjualan polis. Suatu sampel acak sebesar 20 didapatkan hasil observasi
sebagai berikut :

Pendapatan Pendapatan
Penjualan Pertanggungan Penjualan Pertanggungan
(x $1.000) (x $1.000) (x $1.000) (x $1.000)
45 60 65 80
40 58 60 90
65 100 45 50
50 50 40 50
70 120 55 70
80 100 55 60
70 80 60 80
40 50 75 100
50 70 45 50
45 60 65 70

Dapatkan koefisien korelasinya, dan beri komentar. Bagaimana pihak manajemen menggunakan
informasi ini untuk pengambilan keputusan

Daftar Kepustakaan
Bhattacharyya, Gouri K. Statistical Concepts and Methods. John Willey and Son. Inc., New York,
1977 .

Dajan, Anto. Pengantar Metoda Statistik Jilid II. LP3ES, cetakan kedelapan belas, Jakarta, 1996.
Dumairy. Probabilitas : ikhtisar teori dan soal jawab. BPFE, cetakan kedua, Yogyakarta, 1988.

Mitra, Amitava. Fundamentals of Quality Control and Improvement. Macmillan Publishing

Company, New York, 1993

57
BAB 5
DISTRIBUSI PROBABILITAS
5.1. Variabel Acak dan Distribusi Probabilitas
Pemilihan suatu unsur atau observasi dari suatu populasi akan menimbulkan sembarang
hasil (kejadian) dari sejumlah hasil (kejadian) yang mungkin dapat terjadi. Jika dilakukan
pemilihan sampel secara acak sejumlah n unsur dari suatu populasi, sebenarnya terjadi sejumlah n
pemilihan dari suatu percobaan acak. Jadi setiap kali melakukan pemilihan sampel secara acak,
sebenarnya sama dengan melakukan suatu percobaan acak yang hasilnya adalah nilai-nilai sampel.
Jika X menyatakan sembarang nilai-nilai yang mungkin terjadi dan nilai-nilai tersebut tidak
semuanya sama, maka nilai X sebagai suatu kuantitas variabel yang nilainya tergantung pada hasil
percobaan acak tersebut. Variabel tersebut dinamakan variabel acak (random variable). Jadi
variabel acak adalah variabel yang nilainya merupakan suatu bilangan yang ditentukan oleh hasil
suatu percobaan.
Variabel acak dapat berupa variabel acak diskrit dan variabel acak kontinyu. Variabel acak
diskrit hanya dapat dinyatakan dengan nilai-nilai yang terbatas jumlahnya. Nilai variabelnya
dinyatakan dengan bilangan bulat. Sedangkan variabel acak kontinyu dapat dinyatakan dengan
sembarang nilai yang terdapat dalam suatu interval tertentu.
Dalam proses pengambilan sampel, nilai-nilai variabel acak diskrit umumnya terdiri dari
hasil perhitungan sederhana dari sejumlah unsur yang memiliki atribut atau ciri yang ingin diduga.
Sedangkan untuk variabel acak kontinyu, nilai-nilia hasil perhitungan diperoleh dari hasil
pengukuran atribut atau ciri yang ingin diduga atas dasar skala yang kontinyu.
Probabilitas terjadinya nilai variabel acak X yang meliputi semua nilai, ditentukan oleh
distribusi probabilitas. Distribusi probabilitas suatu variabel acak X adalah himpunan nilai
probabilitas yang ditampilkan dalam bentuk tabel atau gambar. Distribusi probabilitas dapat
memberikan informasi yang akurat mengenai probabilitas suatu kejadian, rata-rata dan variansnya.
Distribusi probabilitas dinyatakan dengan fungsi matematika dari suatu variabel acak.
Fungsi tersebut digunakan untuk menentukan nilai probabilitas suatu variabel acak dalam rentang
nilai tertentu.

5.2. Distribusi Probabilitas Variabel Acak Diskrit

Variabel acak diskrit X, dengan nilai-nilai x1, x2, … fungsi massa probabilitas p(x) nya
mempunyai sifat-sifat sebagai berikut
1. p(xi)  0 untuk semua x, di mana p(xi) = P(X = xi), i = 1, 2, …
2.  p( x )  1
semua i
i

Contoh 5.2.1 :
Diketahui variabel acak X adalah jumlah chips yang cacat dalam suatu perakitan elektronik.
Distribusi probabilitas variabel acak diskrit X diberikan sebagai berikut :
x 0 1 2 3
P(x) 0,3 0,4 0,2 0,1
Gambarkan grafik distribusi probabilitasnya!

Penyelesaian :
Nilai dari tabel tersebut diambil dari variabel acak X dan berhubungan dengan probabilitasnya.
P(X=1) = 0,4 menyatakan bahwa 40 persen ditemukan satu chip yang rusak, demikian seterusnya
sampai pada P(X=3) = 0,1 menyatakan bahwa 10 persen ditemukan tiga chip yang rusak. Grafik
distribusi probabilitas variabel acak diskrit digambarkan sebagai berikut :

58
 p(xi)

0,4 -

0,3 -

0,2 -

0,1 -
x
0 1 2 3
Gambar 4.1 Distribusi probabilitas variabel acak diskrit

5.3. Distribusi Probabilitas Variabel Acak Kontinyu

Variabel acak kontinyu X, fungsi padat probabilitasnya mempunyai sifat-sifat sebagai
berikut
a
1. f(x)  0 untuk semua x, di mana P(a  X  b)   f ( x ) dx
b

2.  f ( x ) dx  1


Contoh 5.3.1 :
Variabel acak kontinyu X adalah waktu perakitan komponen di suatu perusahaan elektronik. Nilai
variabel X diketahui antara 0 dan 2 menit, dan fungsi padat probabilitas (fpp) nya adalah

 x , untuk 0  x  2
f (x)   2

0 , untuk yang lain
Hitung probabilitasnya, bila nilai X antara 1 dan 2 serta gambarkan grafik fungsi padat
probabilitasnya!

Penyelesaian :
 2
2

Probabilitas X antara 1 dan 2 adalah P(1  X  2)   x dx   x    4  1   3

2

 
2  4  4 4 4
1 1
f(x)

1-

0,5 -

0 x
1 2
x
Gambar 4.2 Fungsi padat probabilitas, f ( x )  , untuk 0  x  2
2
5.4. Fungsi Distribusi Kumulatif Variabel Acak
Fungsi distribusi kumulatif (fdk) variabel acak ditulis F(x), yang menggambarkan
probabilitas variabel acak X mulai dari nilai terkecil sampai nilai x, yaitu F( x )  P(X  x ) .
Fungsi distribusi kumulatif (fdk) variabel acak diskrit adalah
F( x )   p( x i ), untuk x i  x (5.1)
semua i

59
 x
Fungsi distribusi kumulatif (fdk) variabel acak kontinyu adalah F( x )   f ( t ) dt (5.2)

F(x) adalah fungsi tidak menurun untuk x, sehingga lim F( x )  1 dan lim F( x )  0
x x x  

5.5. Nilai Harapan

Nilai harapan ialah harapan untuk memperoleh sejumlah nilai tertentu berkenaan dengan
probabilitasnya. Apabila nilai tertentu tadi sebesar X merupakan variabel acak diskrit dan fungsi
distribusinya adalah p(x), maka nilai harapan (expected value) yang diperoleh adalah :
  EX    x i p( x i ) (4.7)
semua i
Sedangkan apabila nilai tertentu tadi sebesar X merupakan variabel acak kontinyu dengan fungsi
padat probabilitasnya f(x), maka nilai harapan (expected value) yang diperokeh adalah :

  EX    x f ( x ) dx . (4.8)


Varians variabel acak X adalah  2 = Var(X) = E[{X-  )2] = E(X2) – [E(X)]2 (5.3)

Nilai harapan pada dasarnya merupakan suatu cara lain menghitung nilai rata-rata dari segugus
variabel acak.

Contoh 5.5.1 :
Diketahui variabel acak X adalah jumlah chips yang cacat dalam suatu perakitan elektronik.
Distribusi probabilitas variabel acak diskrit X diberikan sebagai berikut :
x 0 1 2 3
P(x) 0,3 0,4 0,2 0,1
Tentukan nilai harapan, varians dan standar deviasinya!.
Penyelesaian :
  EX    x i p( x i )  0(0,3)  1(0,4)  2(0,2)  3(0,1)  1,1
semua i
2
 = Var(X) = E[{X-  )2] = E(X2) – [E(X)]2

 x i2 p( x i )  0 (0,3)  1 (0,4)  2 (0,2)  3 (0,1)  2,1

2 2 2 2 2
E(X ) 
semua i
2
Jadi  = E(X2) – [E(X)]2 = 2,1 – (1,1)2 = 0,89 , sehingga standar deviasinya   0,89  0,943

Contoh 5.5.2 :
Variabel acak kontinyu X adalah waktu perakitan komponen di suatu perusahaan elektronik. Nilai
variabel X diketahui antara 0 dan 2 menit, dan fungsi padat probabilitas (fpp) nya adalah

 x , untuk 0  x  2
f (x)   2

0 , untuk yang lain
Tentukan nilai harapan, varians dan standar deviasinya!.

Penyelesaian :
x4 
2

E ( X )   x f ( x ) dx   x   dx  
2 2 3
2 2 x x
2 16
dx     2
 0 2 0 2
8 8
0

x3 
2

μ  EX    x f ( x ) dx   x 
2
x 2 2
x 4
 dx   dx      1,33
 0 2 0 2
 
6 3
0

Jadi  = E(X ) – [E(X)] = 2 – (1,33) = 0,22 , sehingga standar deviasinya   0,22  0,471
2 2 2 2

60
Contoh 5.5.3 :
Dalam suatu permainan ketangkasan dengan menggunakan dadu, seorang pemain akan
memenangkan hadiah sebesar Rp 15.000 apabila sisi dadu yang keluar lebih besar dari empat.
(a) Berapa nilai harapan seorang pemain akan memenangkan hadiah tersebut?
(b) Berapa seorang pemain harus membayar taruhannya pada setiap kali permainan, agar
permainan tersebut dapat dikatakan adil?
Penyelesaian :
(a) Andaikan X adalah nilai hadiah kemenangan, dan x i adalah sisi setiap dadu di mana i =
1
1,2,3,4,5,6. Dengan demikian X= Rp 15.000 dan p(xi) = . Seorang pemain akan
6
memenangkan hadiah bila i > 4, berarti jika x i = 5 dan xi = 6.
6
EX  15.000    x i .p( x i )  x 5 .p( x 5 )  x 6 .p( x 6 )
i5
1 1
 (15.000)( )  (15.000)( )  Rp 5.000
6 6
Jadi nilai harapan seorang pemain akan memenangkan hadiah sebesar Rp 15.000 adalah
sebesar Rp 5.000

(b) Permainan dapat dikatakan adil apabila dalam jangka panjang, kesempatan untuk menang (atau
kemungkinan akan kalah) bagi kedua belah pihak yakni pemain dan bandar adalah sama.
Dalam statistik, kesempatan yang sama untuk memenangkan sejumlah nilai tertentu tersebut
ditunjukkan oleh nilai harapannya. Dengan demikian berarti seorang pemain harus
mempertaruhkan uangnya atau membayar sebesar Rp 5.000 pada setiap kali main, agar
permainan ketangkasan tersebut seimbang.
Dalam kasus soal ini, jika pada setiap kali permainan seorang pemain membayar kurang dari
Rp 5.000, ia beruntung mengingat nilai harapannya untuk memperoleh hadiah dalam setiap kali
permainan adalah Rp 5.000. Sebaliknya jika pemain membayar lebih dari Rp 5.000 ia rugi dan
pihak bandar beruntung.

Contoh 5.5.4 :
Seorang pedagang es akan memperoleh keuntungan sebesar Rp 60.000 jika cuaca cerah, tetapi jika
cuaca buruk ia akan rugi sebesar Rp 15.000. Probabilitas cuaca akan cerah adalah 0,70. Berapa
nilai harapan keuntungannya?
Penyelesaian :
x1 = Rp 60.000 p(x1) = 0,70.
x2 = - Rp 15.000 p(x2) = 1 - 0,70 = 0,30
2
EX    x i .p( x i )  x1 .p( x1 )  x 2 .p( x 2 )
i1
 ( Rp 60.000)( 0,70)  (  Rp 15.000)( 0,30)
 Rp 42.000  Rp 4.500  Rp 37.500
Jadi nilai harapan keuntungan pedagang tersebut adalah Rp 37.500

Soal Jawab

Nilai Harapan
1. Seorang pengusaha pizza di Jakarta bermaksud membuka cabang usahanya di salah satu kota
Bandung, Semarang, atau Surabaya. Dengan membuka cabang di Bandung ia akan memperoleh
keuntungan Rp 40 juta setahun, keuntungan di Semarang Rp 60 juta setahun dan di Surabaya
Rp 50 juta setahun. Tetapi bila usahanya gagal, setiap tahunnya ia akan menderita kerugian Rp
10 juta di Bandung, Rp 20 juta di Semarang dan Rp 14 juta di Surabaya. Probabilitas ia akan
memperoleh keuntungan di ketiga kota tersebut masing-masing 0,80 dan 0,65 serta 0,75. Di
mana sebaiknya pengusaha tadi membuka cabang usahanya?

61
 Penyelesaian :
Bandung :
x1 = Rp 40 juta p(x1) = 0,80.
x2 = - Rp 10 juta p(x2) = 1 - 0,80 = 0,20
EX    x i .p( x i )  x 1 .p( x 1 )  x 2 .p( x 2 )
2

i 1
 ( Rp 40 juta)( 0,80)  (  Rp 10 juta)( 0,20)
 Rp 32 juta  Rp 2 juta  Rp 30 juta
Semarang :
x1 = Rp 60 juta p(x1) = 0,65.
x2 = - Rp 20 juta p(x2) = 1 - 0,65 = 0,35
EX    x i .p( x i )  x 1 .p( x 1 )  x 2 .p( x 2 )
2

i 1
 ( Rp 60 juta)( 0,65)  (  Rp 20 juta)( 0,35)
 Rp 39 juta  Rp 7 juta  Rp 32 juta
Surabaya :
x1 = Rp 50 juta p(x1) = 0,75.
x2 = - Rp 14 juta p(x2) = 1 - 0,75 = 0,25
EX    x i .p( x i )  x 1 .p( x 1 )  x 2 .p( x 2 )
2

i 1
 ( Rp 50 juta)( 0,75)  (  Rp 14 juta)( 0,25)
 Rp 37,5 juta  Rp 3,5 juta  Rp 34 juta
Ternyata nilai harapan untuk memperoleh keuntungan bersih, di Surabaya adalah yang terbesar
dibandingkan dua kota yang lainnya. Maka pengusaha tersebut sebaiknya membuka cabang
usahanya di Surabaya.

2. Dalam suatu pertaruhan menggunakan butir dadu, seorang pemain akan memenangkan hadiah
sebesar Rp 1 juta jika jumlah kedua sisi yang timbul tidak kurang dari sepuluh. Untuk satu kali
permainan, pemain membayar Rp 200 ribu. Adilkah pertaruhan tersebut?
Penyelesaian :
Suatu pertaruhan dapat dikatakan adil apabila nilai harapan untuk menang (atau kalah) adalah
sama bagi kedua belah pihak, pemain dan Bandar. Dari permainan sepasang dadu, jumlah dari
kedua sisi dadu tinbul ada 36 kemungkinan, yaitu

Sisi yang Dadu B

timbul dari 1 2 3 4 5 6
1 2 3 4 5 6 7
2 3 4 5 6 7 8
Dadu A

3 4 5 6 7 8 9
4 5 6 7 8 9 10
5 6 7 8 9 10 11
6 7 8 9 10 11 12
Jika yang diminta jumlah kedua sisi tidak kurang dari 10, berarti harus 10 dan 11 atau 12; untuk
ini ada 6 kemungkinan yang bisa terjadi. Probabilitas bahwa jumlahnya tidak kurang dari
6 1
sepuluh =  . Nilai harapan untuk memenangkan hadiah Rp 1 juta tersebut adalah :
36 6
1
E( X)  X.p(X)  (Rp1 juta) ( )  Rp166.666,67
6
Karena untuk jangka panjang, nilai harapan seorang pemain untuk memenangkan hadiah
hanyalah Rp 166.666,67, sedangkan untuk sekali main harus membayar Rp 200.000,00, maka
pertaruhan tersebut tidak adil.

62
Soal Latihan
1. Dalam suatu permainan dadu, seorang pemain akan memenangkan hadiah sebesar Rp 150.000
jika yang keluar adalah sisi enam. Berapa seorang pemain harus membayar untuk setiap kali
main agas permainan dapat dikatakan adil?
Jawab : Rp 25.000

2. Berdasarkan penelitian, kemungkinan seseorang berusia 25 tahun dapat hidup selama setahun
lagi adalah 99,2 %. Sebuah perusahaan asuransi menjual polis asuransi senilai Rp 100 juta untuk
jangka waktu setahun kepada seorang pria berusia 25 tahun dengan premi Rp 1 juta. Berapa nilai
harapan keuntungan perusahaan asuransi tersebut dari penjualan polis?
Jawab : Rp 200.000

3. Dari pengalaman yang bertahun-tahun seorang penjual TV produk pabrik tertentu berhasil
menyusun fungsi probabilitas jumlah penjualan TV setiap minggu, sebagai berikut :

x 0 2 4 6 8 10 >10
p(x) 0,3 0,4 0,5 0,7 0,7 0,4 0,2

x : jumlah TV yang terjual (buah per minggu)

p(x) : probabilitas x

Berapa buah rata-rata TV yang terjual per minggu dan berapa standar deviasinya?
Jawab : E(X) = 4   1.975  44,5

4. Seorang pengusaha mobil di Surabaya bermaksud membuka cabang gerainya di salah satu kota
Banjarmasin, Denpasar dan Makasar. Dengan membuka cabang di Banjarmasin ia akan
memperoleh keuntungan Rp 300 juta setahun, keuntungan di Denpasar Rp 350 juta setahun dan
di Makasar Rp 400 juta setahun. Tetapi bila usahanya gagal, setiap tahunnya ia akan menderita
kerugian Rp 50 juta di Banjarmasin, Rp 60 juta di Denpasar dan Rp 75 juta di Makasar.
Probabilitas ia akan memperoleh keuntungan di ketiga kota tersebut masing-masing 0,60 dan
0,55 serta 0,55. Di kota mana sebaiknya pengusaha tadi membuka cabang gerainya?
Jawab : di Denpasar, E(X) = Rp 165,5 juta

Daftar Kepustakaan
Bhattacharyya, Gouri K. Statistical Concepts and Methods. John Willey and Son. Inc., New York,
1977 .

Dajan, Anto. Pengantar Metoda Statistik Jilid II. LP3ES, cetakan kedelapan belas, Jakarta, 1996.

Dumairy. Probabilitas : ikhtisar teori dan soal jawab. BPFE, cetakan kedua, Yogyakarta, 1988.
Mitra, Amitava. Fundamentals of Quality Control and Improvement. Macmillan Publishing
Company, New York, 1993.

63
BAB 6
DISTRIBUSI PROBABILITAS DISKRIT
Dari sejumlah model distribusi probabilitas yang dapat dibentuk dari suatu fenomena, ada
beberapa model distribusi yang penting. Model-model probabilitas ini dapat dibedakan menjadi
model distribusi probabilitas diskrit untuk variabel acak diskrit dan model distribusi probabilitas
kontinyu untuk variabel acak kontinyu.

6.1. Distribusi Hipergeometrik

Kemungkinan aplikasi :
Distribusi Hipergeometrik diterapkan pada persoalan penarikan sampel, di mana penarikannya
tidak dikembalikan lagi ke populasinya. Dalam pengendalian kualitas, untuk menghitung
probabilitas penerimaan suatu kiriman yang terjadi atas N unit barang. Model distribusi ini
merupakan pengembangan lebih lanjut dari kaidah hipergeometri dan probabilitas bersyarat. Dalam
model ini suatu populasi yang berisi sejumlah N obyek dapat dipilah-pilah menjadi dua kelompok
(sub populasi), yaitu sub populasi “sukses” dan sub populasi “gagal”, yang sifatnya berlainan
bahkan berlawanan. Pengertian “sukses” dan “gagal” di sini tidak selalu sama maknanya dengan
istilah sukses dan gagal dalam pembicaraan sehari-hari, tetapi hanya sekedar menunjukkan adanya
dua katetgori hasil yang berbeda.
Jika X adalah suatu variabel acak hipergeometri, maka fungsi massa probabilitas dari X
adalah

p( X  x ) 
   , x = 0,1,2, … n
N1
x
N2
n x

  N
n
(6.1)

di mana : N1 = sub populasi yang diharapkan (“sukses”)

N2 = sub populasi yang tidak diharapkan (“gagal”)
N = N1 + N2
n = jumlah pengambilan dari populasi
x = jumlah terjadinya gejala “sukses” dari n

Nilai rata-rata yang diharapkan (expected value) dan varians dari suatu fungsi distribusi
hipergeometri adalah :
E ( X)  n. 
N  n    N1  N1 
V( X)   . n  1  
N1
(6.2) (6.3)
N  N  1    N  N 

Contoh 6.1.1 :
Suatu perusahaan yang memproduksi alat pengukur regangan (strain gage) mengirimkan
produknya kepada pemesan. Dalam proses transaksinya pemesan menuntut mutu 10% cacat dari
satu peti yang berisi 30 komponen. Dengan menggunakan sampel pemeriksaan sebesar 5 buah, jika
ditemukan cacat lebih dari 2 dalam sampel, maka peti kemas ditolak, selain itu diterima.
a. Berapa probabilitas terdapat tiga produk yang cacat?
b. Berapa probabilitas peti kemas diterima?
c. Berapa probabilitas peti kemas ditolak?
Penyelesaian :
Misalkan X : alat pengukur regangan cacat (buah)
Diketahui : N = 30, N1 (produk cacat) = 3, N2 (produk yang sempurna) = 27, dan n = 5
Ditanya : (a) p(X=3) (b) p(X  2) (c) p(X  2)

: (a) Untuk x =3, maka p(X  3) 

   0,00246
3 27

 
3 2
Jawab 30
5
(b) Untuk x = 2, maka p(X  2)  p(X  0)  p(X 1)  p(X  2)


          0,997
3 27 3 27 3 27

 
0 5 1 4 2 3
30
5
(c) p(X  2) 1 p(X  2) 10,997  0,003

64
Contoh 6.1.2 :
Akibat kecerobohannya, seorang pelayan toko telah mencampur adukkan 3 bola lampu yang mati
dengan 12 bola lampu yang masih baik. Ia ingin memisahkan kembali ketiga bola lampu yang mati
tadi dari keseluruhan lima belas bola lampu tersebut. Untuk itu semua bola lampu diujinya satu per
satu. Agar tidak merepotkan, tentu saja setiap bola lampu yang telah diuji dipisahkannya di tempat
tersendiri.
Berapa probabilitas bola lampu mati yang terakhir (ketiga) ditemukan tepat pada pengujian /
pemeriksaan ke sepuluh?

Penyelesaian :
Misalkan X : produk bola lampu mati (buah)
Diketahui : bola lampu mati yang ke tiga ditemukan pada pemeriksaan ke sepuluh, berarti sampai
dengan pemeriksaan ke sembilan sudah ditemukan 2 buah bola lampu yang mati.
Dalam kasus ini terdapat dua kejadian, katakanlah kejadian A dan kejadian B.
Keduanya bersifat dependen mengingat pengambilan dilakukan tanpa pengembalian.
Ditanya : probabilitas bola lampu mati yang terakhir (ketiga) ditemukan tepat pada pengujian /
pemeriksaan ke sepuluh
Jawab :
Kejadian A :
Ditemukan 2 bola lampu mati setelah 9 dari 15 bola lampu diuji.
Di sini N=15, N1 (bola lampu mati) = 3, (bola lampu baik) = 12
 3  12 
 2  7  (3)( 792) 2.376
p(X A  2)   
 15  5.005 5.005
9 
Setelah 9 bola lampu diperiksa, kini hanya tinggal 6 bola lampu dan 1 di antaranya adalah bola
lampu yang mati.

Kejadian B :
ditemukan 1 bola lampu mati pada pemeriksaan pertama dari 6 bola lampu ysng tersisa.
Di sini N=6, N1 (bola lampu mati) = 1, N2 (bola lampu baik) = 5
  
1 5


1
p( X B  1)  1 0

6 6
1
Dengan demikian probabilitas ditemukannya bola lampu mati yang ketiga tepat pada pemeriksaan
ke sepuluh dari lim belas bola lampu adalah :
2.376 1
p( X A  X B )  .  0,079 atau 7,9%
5.005 6

6.2. Distribusi Binomial

Kemungkinan aplikasi :
Distribusi Binomial, merupakan perluasan dari distribusi Bernoulli, digunakan untuk model jumlah
hasil produk cacat dalam suatu proses produksi, menghitung probabilitas penerimaan dalam
pengendalian kualitas, perhitungan probabilitas kerusakan mesin dan sebagainya. Koefisien
binomial menunjukkan probabilitas kejadian yang diharapkan (kejadian “sukses”) dari sejumlah n
kejadian. Model distribusi ini diterapkan pada kasus-kasus percobaan Bernoulli.
Ciri-ciri percobaan Bernoulli :
1. Tiap percobaan hanya memiliki dua kemungkinan hasil, yakni “sukses” dan “gagal” (tidak
selalu sama maknanya dengan pengertian sukses dan gagal dalam pembicaraan sehari-hari).
2. Probabilitas “sukses” selalu sama pada tiap-tiap kejadian; akan tetapi probabilitas “sukses” tidak
sama dengan probabilitas “gagal”.
3. Setiap percobaan bersifat independen.
4. Jumlah percobaan yang merupakan komponen rangkaian binomial adalah tertentu, dinyatakan
dengan n.

65
 Jika X adalah sebuah variabel acak binomial, maka fungsi massa probabilitas dari X adalah
p(X  x )   n  p x (1 p) n  x , x = 0,1,2, …, n (6.4)
x
di mana : n = jumlah percobaan
x = jumlah terjadinya gejala yang diharapkan (“sukses”)
p = probabilitas terjadinya gejala yang tidak diharapkan (“gagal”)

Nilai rata-rata yang diharapkan (expected value) dan varians dari suatu fungsi distribusi binomial
adalah :
E(X)  n p (6.5) V(X)  n p (1  p) (6.6)
Untuk n dan p tertentu, koefisien binomialnya selain diperoleh melalui perhitungan rumus
tersebut, bisa pula dilihat pada tabel distribusi binomial.

Contoh 6.2.1 :
Untuk merencanakan sistem pengendalian banjir di suatu sungai, diperlukan informasi mengenai
banjir maksimum tahunan dari sungai tersebut. Sistem pengendalian ini dibangun setinggi h 0.
Andaikan probabilitas banjir maksimum tahunan dapat melewati sistem sebesar 0,10.
a. Berapa probabilitas banjir maksimum akan melewati ketinggian h0 hanya sekali dalam lima
tahunan berikutnya?
b. Berapa rata-rata banjir maksimum tahunan akan melewati sistem tersebut?
Penyelesaian :
Misalkan X : jumlah banjir yang dapat melampaui sistem pengendalian setinggi h0
Diketahui : p=0,10 n = 5
Ditanya : (a) p(X=1) (b) E(X)
Jawab : (a) p(X 1)   15 0,11 0,94  0,328
 
(b) E(X) = n.p = 5(0,10) = 0,5 1
Rata-rata banjir maksimum akan melampaui sistem setinggi h0 adalah satu kali

Contoh 6.2.2 :
Untuk mengetahui tingkat kesuksesan terhadap produk yang dihasilkannya, sebuah perusahaan
mengirimkan kuesioner lewat pos kepada 5 orang responden. Kemungkinan seorang responden
akan mengirimkan kembali kuesioner yang telah diisi adalah 20%.
Berapa probabilitas perusahaan akan :
a. memperoleh 2 berkas jawaban?
b. memperoleh setidak-tidaknya 4 berkas jawaban?
c. Tidak memperoleh berkas jawaban sama sekali?
Penyelesaian :
Misalkan X : jawaban kuesioner dikembalikan (berkas)
Diketahui : n=5, p=0,2
Ditanya : (a) p(X=2) (b) p(X  4) (c) p(X=0)
Jawab :

(a) Untuk x = 2, maka p(X  2)  52 (0,2) 2 1 0,23 10.(0,04)(0,8)  0,2048  20,48%
(b) Setidak-tidaknya empat berkas jawaban, berarti memperoleh 4 berkas atau 5 berkas
p(X  4)  p(X  4)  p(X  5)
5 5
  (0,2) 4 (0,8)1   (0,2) 5 (0,8) 0  0,0064  0,0003  0,0067  0,67%
 4 5
(c) Untuk x = 0, maka p(X  0)   5 (0,2) 0 0,85 1.(1)(0,3277)  0,3277  32,77%
0

66
6.3. Distribusi Poisson
Kemungkinan aplikasi :
Distribusi Poisson digunakan untuk model kejadian dalam interval waktu tertentu, model sistem
antrian yang sederhana. Model ini merupakan pendekatan untuk menghitung probabilitas
timbulnya kejadian yang diharapkan (kejadian “sukses”) dari sejumlah n kejadian atau sampel,
khusus untuk persoalan n yang sangat besar dan p yang sangat kecil. Untuk persoalan n yang
sangat besar dan p yang sangat kecil, sukar sekali menghitung probabilitasnya dengan model
distribusi binomial, oleh karenanya dihitung dengan pendekatan distribusi Poisson.
Jika X adalah sebuah variabel acak Poisson, maka fungsi massa probabilitas dari X adalah :
x 
 .e
p( X  x )  , x = 0,1,2, … n ;   n.p ; e = 2,71828 (6.5)
x!
di mana : n = jumlah percobaan
x = jumlah terjadinya gejala yang diharapkan (“sukses”)
p = probabilitas terjadinya gejala yang tidak diharapkan (“gagal”)

Nilai rata-rata yang diharapkan (expected value) dan varians dari suatu fungsi distribusi binomial
adalah :
E( X)   (6.6) V( X)   (6.7)
Untuk  dan p tertentu, koefisien Poissonnya selain diperoleh melalui perhitungan rumus
tersebut, bisa pula dilihat pada tabel distribusi Poisson.

Contoh 6.3.1 :
Seorang operator telepon rata-rata menerima satu deringan telepon untuk permintaan sambung
setiap menit. Berapa probabilitasnya :
a. Ia tidak menerima satu deringpun?
b. Ia menerima kurang dari empat deringan dalam satu menit?
Penyelesaian :
Misalkan X : deringan telepon (kali per menit)
Diketahui :   1
Ditanya : (a) p(X=0) (b) p(X< 4)
0 1
1 .(2,71828) 1
Jawab : (a) Untuk x = 0, maka p( X  0)    0,3679
0! 2,72
(b) Menerima kurang dari empat deringan dalam satu menit
p(X  4)  p(X  0)  p(X 1)  p(X  2)  p(X  3)
 0,3679  0,3679  0,1839  0,0613  0,9810  98,10%
Contoh 6.3.2 :
Menurut pengalaman, sebuah mesin off set setiap mencetak 2.000 lembar kertas membuat selembar
kerusakan. Sebanyak 1.000 lembar kertas diambil dari populasi kertas yang telah diproses cetak
oleh mesin tersebut. Berapa probabilitasnya : bv
a. Ditemukannya 5 lembar kertas yang rusak di antara 1.000 lembar tersebut?
b. Ditemukannya antara 1 sampai 3 lembar kertas yang rusak?
Penyelesaian :
Misalkan X : hasil cetakan offset yang rusak (lembar)
1
Diketahui : n =1.000 ; p  ;   n.p  1
2.000 2
Ditanya : (a) p(X=5) (b) p(1 X  3)
1
5 
 1  .(2,71828)
  2
2
Jawab : (a) Untuk x = 5, maka p(X  5)   1  0,0001579
5! 2,72
(b) Menerima antara 1 sampai 3 lembar yang rusak
p(1 X  3)  p(X 1)  p(X  2)  p(X  3)
 0,30326  0,075816  0,012636  0,391717  39,17%

67
Soal Jawab

Distribusi Hipergeometrik
1. Seorang dealer menerima kiriman 10.000 busi buatan pabrik tertentu dengan perjanjian kualitas
1% cacat (kurang memuaskan). Sebelum itu telah ada kesepakatan, bahwa kiriman tersebut
dapat diterima bila dari 20 pengujian yang dilakukan maksimal ada 2 busi yang tidak memenuhi
syarat. Produsen busi tersebut melakukan manipulasi dengan memasukkan 300 busi yang cacat
dalam pengiriman 10.000 busi. Hitung resiko produsen dan konsumen
Penyelesaian :
Misalkan X : busi yang kurang memuaskan/cacat (buah)
Diketahui :
 : Resiko produsen, yaitu probabilitas kiriman ditolak bila kualitas memenuhi syarat
 : Resiko konsumen, yaitu probabilitas kiriman diterima bila kualitas tidak memenuhi
syarat
N = 10.000, n=20, x=2 (bilangan penerimaan), yaitu jumlah cacat maksimum yang diijinkan
Ditanya :  = p(kiriman ditolak) = p(X>2)
 = p(kiriman diterima) = p(X  2)
Jawab :
 300 9.700  300 9.700  300 9.700
 = p(X  2)  p(X  0)  p(X 1)  p(X  2)   
0 20   1  19   2  18 
   0,9791
 10.000  10.000  10.000
 20   20   20 
 = 1-  = 1- 0,9791 = 0,0209
Dalam hal ini, meskipun produsen mengirim dengan kualitas 3% (sesuai dengan perjanjian), ada
kemungkinan kiriman tersebut diterima. Demikian juga, walaupun produsen mengirim sesuai
dengan kualitas 1% (cacat 1%), ada kemungkinan kiriman tersebut ditolak. Untuk
menyederhanakan hitungan, digunakan pendekatan Binomial atau Poisson.

2. Seorang kontraktor bangunan merasa jengkel pada pihak penyuplai materialnya, karena pada
setiap permintaan 10 material pihak pensuplai seringkali dengan nakal menyusupkan 3 unit
material kualitas nomer dua, padahal kontrak jual belinya adalah untuk material kualitas
nomer satu. Sehubungan dengan itu, ia mengambil 2 unit material dari 10 unit yang baru
dipesan untuk diperiksa dan mengancam pihak pensuplai : bahwa apabila di antara sampel yang
diperiksa tersebut terdapat kualitas nomer dua, maka kontrak jual beli akan dibatalkan. Berapa
probabilitas kontrak tersebut dibatalkan?
Penyelesaian :
Misalkan X : material kualitas nomer dua (unit)
Diketahui : N = 10, N1 (material kualitas nomer dua) = 3, N2 (material baik) = 7, dan n = 2
Kontrak akan dibatalkan jika di antara dua unit sampel ditemukan material
kualitas nomer dua
Ditanya : p(X 1)
Jawab : p(X 1)  p(X 1)  p(X  2)


       0,5332
3 7 3 7

   
1 1 2 0
10 10
2 2

3. Untuk mengetahui pengaruh kebisingan yang ditimbulkan pesawat-pesawat jet terhadap getaran
telinga penduduk yang bermukim di sekitar sebuah lapangan terbang, seorang professor
melakukan eksperimen analogi terhadap tikus putih. Dua puluh lima ekor tikus putih
dimasukkan ke dalam ruang eksperimen, dan secara berkala dikejutkan dengan kebisingan suara
mesin tertentu. Kemudian satu per satu diteliti getaran telinganya. Karena kelalaian sang
profesor, lima ekor tikus yang telah ditelitinya tercampur kembali dengan tikus-tikus yang belum
diteliti. Agar tidak mengacaukan kesimpulan penelitian selanjutnya, ia ingin memisahkan lagi
tikus-tikus yang sudah diteliti tadi. Untuk itu ditelitinya dulu satu per satu tikus-tikus yang sudah

68
 diteliti. Berapa probabilitas bahwa tikus yang terakhir yang pernah diteliti sebelumnya akan
ditemukan tepat pada penelitian ulang ke 18?
Penyelesaian :
Misalkan X : tikus putih percobaan
Diketahui : Dua puluh lima ekor tikus putih dimasukkan ke dalam ruang eksperimen, dan
secara berkala dikejutkan dengan kebisingan suara mesin tertentu. Kemudian satu
per satu diteliti getaran telinganya. Karena kelalaian, lima ekor tikus yang telah
ditelitinya tercampur kembali dengan tikus-tikus yang belum diteliti.
Ditanya : Probabilitas bahwa tikus yang terakhir yang pernah diteliti sebelumnya akan
ditemukan tepat pada penelitian ulang ke 18
Jawab :
Kejadian A :
Karena tikus terakhir (kelima) ysng pernah diteliti ditemukan (dianggap ditemukan) tepat pada
penelitian ulang ke 18, berarti sampai dengan penelitian ulang ke 17 telah ditemukan 4 ekor
tikus yang pernah diteliti sebelumnya.
N=25, N1 (jumlah tikus yang pernah diteliti sebelumnya) = 5, N2 (jumlah tikus yang belum
pernah diteliti sebelumnya) = 20, n=17

p ( x A  4) 
    37.600  0,0348
5 20

  1.081.575
4 13
25
17
Kejadian B :
Selanjutnya, dalam penelitian ulang terhadap 8 ekor tikus selebihnya di mana seekor di
antaranya adalah tikus yang pernah diteliti sebelumnya pada pemeriksaan pertama (ke 18 dari
keseluruhan) ditemukan tikus yang pernah diteliti sebelumnya.
N(jumlsh tikus yang tersisa)=8, N1 (jumlah tikus yang pernah diteliti sebelumnya) = 1, N2
(jumlah tikus yang belum pernah diteliti sebelumnya) = 7, n=1

p( x B  1) 
    1
1 7

 8
1 0
8
1
Dengan demikian probabilitas ditemukannya tikus terakhir yang pernah diteliti sebelumnya tepat pada
penelitian ulang ke 18 adalah :
387.600 1
p( x A  x B )  .  0,0448
1.081.575 8

Distribusi Binomial
4. Suatu lot memuat 200 komponen buatan pabrik tertentu yang memuat 5 komponen yang tidak
memenuhi syarat (cacat). Jika diambil sampel sebesar 10, berapa probabilitas sampel tersebut
yang memenuhi syarat?
Penyelesaian :
Misalkan X : kompunen yang tidak memenuhi syarat/cacat (buah)
Diketahui : p : probabilitas tidak memenuhi syarat/cacat = 5 = 0,025, n=10,
200
Ditanya : p(X=0)
Jawab 
: p(X  0)  50 (0,025) 0 0,975100  0,7763

5. Dalam sebuah keluarga merencanakan mempunyai tiga orang anak, berapa probabilitas bahwa
dua diantaranya adalah anak laki-laki, jika probabilitas kelahiran anak laki-laki adalah sama
dengan probabilitas anak perempuan dan kejadian-kejadian kelahiran bersifat independen?
Penyelesaian :
Misalkan X : kejadian kelahiran laki-laki
Diketahui : p : probabilitas kelahiran anak laki-laki = 0,5, n=3,
Ditanya : p(X=2)
Jawab 
: p(X  2)  32 (0,5) 2 1 0,51  (3)(0,25)(0,5)  0,375

69
6. Berdasarkan hasil pemeriksaan, 10% arloji merek Rolex yang beredar di suatu kota adalah palsu.
Seandainya 10 buah arloji Rolex yang beredar itu disampel secara acak, berapa probabilitas
bahwa di dalam sampel tersebut : (a) tidak terdapat arloji yang palsu? (b) terdapat sebuah arloji
yang palsu? (c) paling sedikit terdapat sebuah arloji palsu? (d) paling banyak terdapat sebuah
arloji palsu? (e) secara teoritis, berapa buah arloji palsu dalam sampel tersebut?
Penyelesaian :
Misalkan X : arloji merek Rolex palsu (buah)
Diketahui : p : probabilitas arloji merek Rolex palsu= 0,1, n = 10
Ditanya : (a) p(X  0) (b) p(X 1) (c) p(X 1) (d) p(X 1) (e) E(X)
Jawab : (a) p(X  0)  (0,1) 0,9  (1)(1)(0,3487)  0,3487
10
0
0 10

(b) p(X 1)   (0,1) 0,9  (10)(0,1)(0,3874)  0,3874

10
1
1 9

(c) p(X 1)  p(X 1)  p(X  2) ... p(X 10)

1 p(X  0) 1 0,3487  0,6513
(d) p(X 1)  p(X  0)  p(X 1)
 0,3487  0,3874  0,7361
(e) E(X)  n p 10(0,1) 1

Distribusi Poisson
7. Sebuah pabrik susu bermaksud menarik kembali 375 kaleng produknya yang sudah kedaluwarsa
dari 15.000 kaleng yang sudah beredar di suatu daerah pemasaran tertentu. Jika 200 kaleng susu
yang beredar di daerah pemasaran tadi diambil secara acak, hitunglah probabilitas bahwa di
antaranya terdapat produk kedaluwarsa sebanyak (a) 5 kaleng, (b) lebih dari 5 kaleng.
Penyelesaian :
Misalkan X : susu yang kedaluwarsa (kaleng)
Diketahui : p : probabilitas susu yang kedaluwarsa = 375  0,025 , n=200,   200.(0,025)  5
15.000
Ditanya : (a) p(X  5) (b) p(X  5)
Jawab : (a) p(X  5)  5
5
.(2,71828) 5
 0,1755
5!
(b) p(X 5) 1 p(X 5) 1 (p(X  0)  p(X 1)  p(X  2)  p(X 3)  p(X  4)  p(X 5))
5 5x .(2,71828) 5
1    1 0,51068  0,48932
x!
x 0

8. Probabilitas terdapat kerusakan dalam 1 mil kawat baja buatan pabrik tertentu adalah 0,01.
Sebuah kabel baja yang terdiri dari 100 helai kawat, yang direncanakan dapat menahan beban
paling sedikit 99 kawat yang baik. Berapakah probabilitas kabel tersebut dapat menahan beban
yang direncanakan?
Penyelesaian :
Misalkan X : kawat yang rusak dalam kabel 1 mil
Diketahui : p : probabilitas kawat yang rusak = 0,01, n=100,  100.(0,01) 1
Ditanya : p(X 1)
.(2,71828) 1 11 .(2,71828) 1
: p(X 1)  p(X  0)  p(X 1)  1
0
Jawab   0,736
0! 1!

9. Untuk merancang jalur belok kanan pada suatu persimpangan jalan raya, diasumsikan jumlah
kendaraan yang melewati jalur ini mengikuti proses poisson. Waktu hidup lampu lalu lintas
untuk belok kanan adalah 1 menit dan rata-rata ada 100 mobil yang belok kanan per jam. Jika
kriteria perancangan mensyaratkan suatu jalur belok kanan yang cukup untuk 96% mobil pada
setiap waktu, berapakah panjang jalur belok kanan dalam satuan jumlah mobil?
Penyelesaian :
Misalkan X : mobil yang lewat jalur belok kanan (buah)
Diketahui :  100.mobilper jam 1,6667 mobil per menit

70
 Ditanya : berapakah panjang mobil yang lewat, bila disyaratkan jalur belok kanan cukup
untuk 96% mobil?
p(X  x)  0,96 . x = ?
Jawab : bila x = 4, maka p(X  4)  p(X  0)  p(X 1)  p(X  2)  p(X 3)  p(X  4)
4 1,6667 x .(2,71828) 1,6667
   0,97245
x!
x 0
bila x = 3, maka p(X 3)  p(X  0)  p(X 1)  p(X  2)  p(X 3)
3 1,6667 x .(2,71828) 1,6667
   0,91173
x!
x 0
Dalam hal ini yang dipilih adalah x = 4, berarti panjang jalur belok kanan adalah 4 buah mobil.

Soal Latihan

Distribusi Hipergeometri

1. Dari selusin DVD yang dibeli oleh Herman, dua diantaranya berisi lagu-lagu berbahasa Jepang.
Bia dua buah DVD diambil secara acak dari tumpukan selusin CD tadi, tanpa melihat
kemasan/sampulnya, (a) Berapa probabilitas keduanya adalah CD lagu-lagu berbahasa Jepang?
(b) Berapa pula probabilitas bahwa tak satupun di antaranya berisi lagu-lagu berbahasa Jepang?
Jawab : (a) p(X=2) = 0,0151, (b) p(X=0) = 0,6818

2. Enam dari 16 grandmaster yang mengikuti suatu turnamen catur antar grandmaster di Jakarta
adalah pecatur dari Indonesia. (a) Berapa probabilitasnya bahwa semua pecatur yang menduduki
urutan lima besar pada akhir turnamen adalah pecatur Indonesia? (b) Berapa probabilitas bahwa
hanya dua di antaranya yang merupakan grandmaster Indonesia? (c) Berapa rata-rata harapan
para grandmaster Indonesia menduduki tempat lima besar tersebut?
Jawab : (a) p(X=5) = 0,0014, (b) p(X=2) = 0,4121, (c) E(X) = 1,875

3. Seorang nelayan telah menangkap 10 ekor ikan dan di antara kesepuluh ekor ikan tersebut, 3
ekor sebenarnya terlalu kecil untuk dapat diterima oleh koperasi perikanan laut. Meskipun
demikian, nelayan tersebut ingin mengadu untung dengan jalan memasukkan saja ketiga ekor
ikan tersebut bersama-sama dengan ketujuh ekor ikan lainnya. Bila pengawas ikan dari koperasi
nelayan memilih secara acak 2 ekor ikan dari kesepuluh ekor ikan tersebut, berapakah
probabilitas pengawas tersebut tidak akan memilih ikan yang terlalu kecil tersebut?
Jawab : 0,4666

4. Jumlah rusa yang terdapat dalam sebuah hutan diduga dengan metode “tangkap-lepas-tangkap-
pula”. Pertama kali 10 ekor rusa tertangkap secara acak dan setelah ditandai, kesepuluh rusa
tersebut dilepaskan pula. Pada kedua kalinya, 12 ekor rusa tertangkap (dianggap sebagai sebuah
sampel acak dari semua rusa yang terdapat dalam hutan) dan ternyata 4 ekor dari kedua belas
rusa tersebut adalah rusa yang telah tertangkap sebelumnya. Bila terdapat 30 ekor rusa dalam
hutan tersebut, berapakah probabilitas 4 ekor rusa akan tertangkap dua kali?
Jawab : 0,305847

5. Kertas photo copy per rim berisi 500 lembar. Jumlah tersebut digunakan sebagai pedoman oleh
suatu lembaga penerbit. Lembaga tersebut mengadakan perjanjian guna membeli kertas photo
copy sebanyak 200 rim dengan distributor kertas, dengan syarat bila secara acak dipilih
sebanyak 5 rim dari jumlah pengiriman dan bila dihitung isinya kurang dari 500 lembar, maka
seluruh pengiriman akan dibatalkan. Pemilik distributor kertas memiliki beberapa keterangan,
yaitu berdasarkan pengalamannya sebagai pedagang kertas, ia tahu bahwa kemungkinan kertas
per rim kurang dari 5.000 lembar ialah sebesar 3%.
Haruskah distributor kertas menerima kontrak dengan syarat-syaratnya? Berilah komentar !

71
Distribusi Binomial
6. Sebuah toko alat tulis mengirimkan 50 buah vulpen kepada panitia seminar sebagai hadiah
sponsor, 5 diantaranya merupakan vulpen berkualitas nomer dua. Bila secara acak panitia
mengambil 4 buah vulpen, berapakah probabilitas bahwa diantaranya terdapat (a) 2 buah vulpen
kualitas nomer dua? (b) tidak ada vulpen kualitas nomer dua? (c) semuanya vulpen kualitas
nomer dua?
Jawab : (a) p(X=2)=0,04299 (b) p(X=0)=0,64696 (c) p(X=4)=0,00002

7. Dua puluh orang sarjana calon pegawai Departemen Perindustrian dan Perdagangan, tujuh di
antaranya lulusan Teknik Industri, sedang antri menunggu panggilan wawancara satu per satu.
Apabila pemanggilan dilakukan secara acak, berapa probabilitas bahwa sarjana lulusan Teknik
Industri yang terakhir dipanggil tepat pada giliran ke 15?
Jawab : p = 0,0115

8. Angkatan Udara mengadakan percobaan menembak suatu sasaran tertentu dengan 5 pucuk
meriam penangkis pesawat udara. Tiap kali menembak selalu dilakukan oleh kelima pucuk
meriam tersebut. Percobaan tembak tersebut dilakukan secara berturut-turut sebanyak 100 kali.
Hasil percobaan tersebut ditabelkan sebagai berikut :

X 0 1 2 3 4 5 X : jumlah target yang tertembak

fi 3 10 25 40 15 7 fi : frekuensi menembak
Berapakah probabilitas sebuah meriam penangkis pesawat udara akan mengenai target dengan
jitu?
Jawab : p=0,550

9. Mobil sport baru merek “PALAPA” mempunyai persoalan tentang jalannya mesin dalam
keadaan berhenti. Kira-kira 10% dari mobil jenis ini mempunyai kecepatan mesin yang tidak
stabil dalam keadaan berhenti. Perbaikan teknis dilakukan pada produksi percobaan sebanyak
100 mobil.
a. Jika perbaikan tidak berpengaruh terhadap persoalan tersebut, berapakah banyak mobil
dengan persoalan tersebut yang diharapkan?
b. Jika hanya 2 produksi percobaan mempunyai persoalan seperti itu, sedangkan 98 mobil
lainnya tidak, beri kesimpulan, apakah perbaikan memberikan pengaruh yang berarti atau
tidak?
Petunjuk : Buktikan probabilitas terdapat dua atau kurang dari mobil-mobil itu rusak dalam
sampel sebesar 100 adalah kecil, jika diketahui perbaikan tersebut tidak berpengaruh).

10. Telah ditemukan bahwa 4% sekrup yang dihasilkan oleh suatu pabrik adalah cacat. Setiap jam
diambil sampel sebesar 10 sekrup dan juimlah yang cacat dicatat.
a. Berapakah probabilitas terdapat paling sedikit 2 yang cacat dari sampel yang diambil?
b. Apa dugaan saudara, jika sampel tertentu memuat 5 buah yang cacat?

Distribusi Poisson
11. Dua persen dari seluruh mahasiswa yang menempuh mata kuliah statistik pada semester lalu,
gagal dalam ujian mata kuliah tersebut. Seandaiya 100 orang mahasiswa yang menempuh mata
kuliah statistik semester lalu disampel secara acak, berapa probabilitas ditemukannya (a) 3
orang gagal dalam ujian statistik? (b) lebih dari 2 orang gagal dalam ujian statistik?
Jawab : (a) p(X=3) = 0,1803, (b) p(X>2) = 0,3240

12. Berdasarkan pengalaman peternak, jumlah ikan yang mati setiap 10.000 benih ikan ke dalam
sebuah kolam rata-rata 300 ekor. Apabila sebuah kolam hanya ditaburi 200 ekor benih, hitung
probabilitas bahwa : (a) tak ada ikan yang mati (b) 3 ekor ikan mati (c) lebih dari 3 tapi tak
sampai 10 ekor ikan mati (d) berapa ekor akan mati dari jumlah penaburan tersebut?
Jawab : (a) p(X=0) = 0,0025, (b) p(X=3) = 0,0900, (c) p(3< X<10) = 0,7713

72
13. Sebuah perusahaan TV telsh melakukan pengawasan kualitas terhadap 1.000 buah TV yang
baru diterima dari jalur produksi. Jumlah yang tidak memenuhi spesifikasi kualitas standar
diberikan sebagai berikut :

X 0 1 2 3 4 X: jumlah cacat (tidak memenuhi spesifikasi kualitas standar)

fi 950 47 2 1 0 fi : frekuensi cacat (tidak memenuhi spesifikasi kualitas standar)

14. Diduga bahwa rata-rata jumlah permukaan kertas yang cacat dalam setiap 20 m 2 adalah 3.
Melalui pemilihan secara acak, berapa probabilitas tidak lebih dari 2 yang cacat dalam setiap
40 m2 ? Jawab : p(X  2)  0,062

15. Suatu perusahaan konstruksi mempunyai banyak bolduzer. Rata-rata jumlah yang tidak bekerja
pada pemeriksaan pagi hari karena rusak adalah 2 bolduzer. Jika diandaikan bahwa bolduzer
dapat diperbaiki dalam jangka waktu 24 jam, mulai pemeriksaan pagi hari. Berapakah
probabilitas pada suatu pemeriksaan : (a) Tidak ada bolduzer cadangan? (b) Jumlah bolduzer
cadangan tidak mencukupi?

Daftar Kepustakaan
Bhattacharyya, Gouri K. Statistical Concepts and Methods. John Willey and Son. Inc., New York,
1977 .

Dajan, Anto. Pengantar Metoda Statistik Jilid II. LP3ES, cetakan kedelapan belas, Jakarta, 1996.

Dumairy. Probabilitas : ikhtisar teori dan soal jawab. BPFE, cetakan kedua, Yogyakarta, 1988.

Haryono, Metode Statistik: Statistik Deskriptip,Teori Probabilitas dan Kesimpulan Statistik. ITS,
Surabaya, 1984.

Law, Averill M. Simulation modeling and analysis. McGraw-Hill, Inc., New York, 1991.

Mitra, Amitava. Fundamentals of Quality Control and Improvement. Macmillan Publishing

Company, New York, 1993.

73
BAB 7
DISTRIBUSI PROBABILITAS KONTINYU
Makin banyak pengamatan yang dilakukan dan makin kecil lebar interval kelas, histogram
akan mendekati suatu kurva lengkung merata yang disebut kurva frekuensi.

f(x) Jika tinggi kurva frekuensi diatur sedemikian

rupa sehingga luas di bawah kurva sama
dengan satu, maka disebut kurva probabilitas.
Tinggi kurva probabilitas untuk titik x tertentu,
ditulis f(x) dan fungsi itu disebut fungsi padat
probabilitas (fpp). Fungsi tidak negatip ini
x memenuhi syarat :

Gambar 7.1. Kurva frekuensi


 f (x ) dx  1 dan 0  f ( x ) (7.1)

Penting untuk diingat, bahwa f(x) bukanlah probabilitas dari x. Untuk variabel kontinyu, hanya
dapat dicari probabilitas dari nilai-nilai dalam interval tertentu. Dalam praktek fpp jarang
digunakan. Yang lebih banyak digunakan serta ditabelkan untuk beberapa fungsi distribusi
kontinyu adalah fungsi distribusi kumulatip (fdk) yang didefinisikan sebagai :

F(X) = Probabilitas nilai pengamatan kurang atau F(X)

sama dengan 1
x
=P(Xx)  f (x ) dx

(7.2) F(X = x)

X
0 x
Gambar 7.2. Luasan di bawah F(X)

7.1. Distribusi Normal

Kemungkinan Aplikasi :
Sebagai pendekatan untuk beberapa distribusi lain dalam kondisi tertentu

Fungsi padat probabilitas : f(x)

0,5
1 e  ( x  ) / 2
, x  bil nyata
2 2
f (x)  (7.3)
22
0,4
Fungsi distribusi probabilitas :
x
1 0,3
e  ( x  ) / 2 2
2
F(X)  p( X  x )   dx (7.4)
 2 2

0,2
Parameter :
parameter lokasi :   (, ) 0,1
parameter skala :   0
Rentang :  ,  0 x
-3 -2 -1 0 1 2 3
Mean :  Varians :  2
secara singkat ditulis X ~ N(0,1) Gambar 7.3. Kurva fpp distribusi normal

x
1 e  ( x  )
2
/ 2 2
F(X) = Pr obabilitas ( X  x )   dx (7.5)
 2 2

Integral ini tidak dapat dijabarkan sebagai fungsi X yang sederhana. Sebagai gantinya digunakan
pendekatan numerik untuk nilai X yang berbeda-beda dan nilainya telah ditabelkan untuk
  0 dan   1 yang disebut normal standar.

74
Distribusi normal yang lain dapat diperoleh dari tabel tersebut dengan memakai transformasi
X μ
Z (7.6), di mana variabel acak X mempunyai mean  dan standar deviasi  . Kemudian
σ
fungsi distribusi kumulatip dari X dapat dicari dengan memakai hubungan :
 X  
F(Z) = Pr obabilitas ( Z  z )  Pr obabilitas   Z (7.7)
  
Untuk memudahkan, suatu variabel acak X yang berdistribusi normal dengan mean  dan varians
X 
 2 ditulis : X ~ N (,  2 ) , sehingga Z  ~ N (0,1)


f(Z) Suatu distribusi dari sejumlah variabel

dapat dikatakan mendekati distribusi
normal apabila :
a. kira-kira 68,26% dari datanya terletak
68,26% di dalam interval (μ  σ) dan (μ  σ) ,
atau kira-kira 95,44% dari datanya
95,44% terletak di dalam interval (μ  2) dan
(μ  2 σ) , atau kira-kira 99,74% dari
99,74%
Z datanya terletak di dalam interval
-3 -2 -1 0 1 2 3 (  3) dan (  3 ) . Dalam praktek,
tinggi kurva normal f(x) tidak begitu
X menarik perhatian. Yang lebih menarik
  3  2      2   3
perhatian adalah Transformasi kurva
Gambar 7.4. Transformasi kurva fungsi distribusi fungsi distribusi kumulatip normal
kumulatip normal F(X) ke F(Z) F(X) ke F(Z).

Untuk menghitung f(Z) dari nilai variabel X pada inrterval tertentu, perlu diperhatikan letak nilai-
nilai X tersebut terhadap rata-rata populasinya (  ). Dalam hal ini terdapat enam kemungkinan
keadaan, yaitu

1 2 3
f(x) f(x) f(x)
F(Z) F(Z) F(Z)

x x x
x2 x1 μ μ x1 x2 x μ
x1   x2  x1   x2  x 
z1  z2  z1  z2  z
    
F( Z)  pz 2  Z  z1  F( Z)  pz1  Z  z 2  F(Z)  pZ  z 
 p( Z  z 1 )  p( Z  z 2 )  p( Z  z 2 )  p( Z  z 1 )

4 5 6
f(x) f(x) F(Z) f(x) F(Z)
F(Z)

x x x
μ x x1 μ x2 x1 μ x2
x μ x1  μ x2 μ x1 μ x 2 μ
z z1  z2  z1  z2 
σ σ σ  
F(Z)  pZ  z   1  pZ  z  F( Z)  pz1  Z  z 2  F( Z)  1  pz1  Z  z 2 
 p ( Z  z 2 )  p( Z  z 1 )  1  ( p( Z  z 2 )  p( Z  z1 ))

75
Contah 7.1.1 :
Diberikan variabel acak Z berdistribusi normal dengan   0 dan  1 , dapatkan luasan :
a. antara Z = -1,28 dan Z = 1,28
b. lebih besar dari Z = 2,87
c. lebih besar dari Z = 1,64 dan lebih kecil dari Z = -1,64
Penyelesaian :

a. F(Z) F(Z)  p1,28 Z1,28 Cara membaca tabel :

Lihat tabel luasan di bawah kurva normal : untuk
luasan di bawah z1= -1,28, lihat baris –1,2 dan kolom
Z 0,08, didapatkan nilai 0,1003, sedangkan untuk
-1,28 0 1,28
z2=1,28, lihat baris 1,2 dan kolom 0,08, didapatkan
z1  1,28 z 2 1,28
nilai 0,8997. Jadi probabilitas luasan di bawah kurva
F( Z)  p1,28  Z 1,28
normal yang terletak antara Z = -1,28 dan Z = 1,28
 p( Z 1,28)  p( Z  1,28) adalah 0,8997 – 0,1003= 0,7994.
 0,8997  0,1003
 0,7994

b. F(Z) Cara membaca tabel :

F(Z)  pZ  2,87 Lihat tabel luasan di bawah kurva normal : untuk
luasan di bawah z=2,87, lihat baris 2,8 dan kolom
Z 0,07, didapatkan nilai 0,9979. Jadi probabilitas luasan
0 2,87
F( Z)  pZ  2,87 1 pZ  2,87 
di bawah kurva normal yang terletak lebih dari Z =
2,87 adalah 1 – 0,9979 = 0,0021.
1 0,9979
 0,0021

c. f(x) F(Z) 1 p1,64  Z 1,64 Cara membaca tabel :

Lihat tabel luasan di bawah kurva normal : untuk luas
luasan di bawah di bawah z1=-1,64, lihat baris –1,6
Z dan kolom 0,04, didapatkan nilai 0,0505, sedangkan
-1,64 0 1,64 untuk z2=1,64, lihat baris 1,6 dan kolom 0,04,
z1  1,64 z 2 1,64 didapatkan nilai 0,9495. Jadi probabilitas luasan di
F( Z) 1 p1,64  Z 1,64 bawah kurva normal yang terletak antara lebih besar
1 (p( Z 1,64)  p( Z  1,64)) dari Z = 1,64 dan lebih kecil dari Z = -1,64 adalah 1-
(0,9495-0,0505) = 0,1010.
1 (0,9495  0,0505)
1 0,8990  0,1010

Contah 7.1.2 :
Diberikan variabel acak X berdistribusi normal dengan   40 dan   6 , dapatkan luasan :
a. di bawah 32
b. antara 42 dan 51
c. cari nilai X sedemikian sehingga luasan di bawah kurva normal 45%
Penyelesaian :

a. f(x) Cara membaca tabel :

F(Z) Lihat tabel luasan di bawah kurva normal : baris –1,3 dan
kolom 0,03, didapatkan nilai 0,0630. Jadi probabilitas yang
x terletak pada luasan di bawah kurva normal sebelum nilai
32 40
z Z Z=–1,33 adalah 0,0630.
-1,33 0
32  40
z  1,33
6
F(Z)  pZ  1,33  0,0630

76
b. f(x) F(Z) Cara membaca tabel :
Lihat tabel luasan di bawah kurva normal : untuk pZ  1,83
lihat baris 1,8 dan kolom 0,03, didapatkan nilai 0,9664,
x
40 42 51 untuk pZ  0,33 lihat baris 0,3 dan kolom 0,03, didapatkan
Z nilai 0,3707. Jadi probabilitas yang terletak pada luasan di
0 0,3 1,8
42  40 51  40 bawah kurva normal antara Z=0,33 dan Z=1,83 adalah
z1   0,33 z2   1,83
6 6 0,5957.
F( Z)  p0,33  Z  1,83
 p( Z  1,83)  p( Z  0,33)
 0,9664  0,3707  0,5957

c. Cara membaca tabel : F(Z)

Cari nilai luasan yang mendekati F(Z) =0,45
nilai 0,45 di tengah-tengah tabel,
Z
didapatkan nilai 0,4522 pada -0,12 0
baris minus 0,1 dan kolom 0,02. x
Dengan demikian nilai 45% x=? 40
ternyata terletak pada x  x  40
Z 0,45  0,12 . z , Jadi  0,12 
 6
maka x = 40-0,72 = 39,28. Jadi nilai X adalah 39,28

Soal Jawab
1. Usia pakai suatu komponen radio berdistribusi mendekati normal dengan mean 500 jam dan
simpangan standar 50 jam. Seorang pembeli menghendaki paling sedikit 95% dari komponen
tersebut usia pakainya lebih dari 400 jam. Dapatkah komponen tersebut memenuhi ketetapan
konsumen tersebut?
Penyelesaian :
Misalkan : X : usia pakai komponen radio (jam)
Diketahui :   500 jam   50 jam
Ditanya : Apakah pX  400  0,95 ?
Jawab : pX  400  1  p(X  400)
f(x) pX  400   1  p( X  400)
F(Z) 400  500
 1  p( Z  )
50
x  1  p( Z  2)
400 500  1  0,0228  0,97772  97,772%
Z
-2 0 Karena probabilitas melebihi 95%, maka produksi
komponen tersebut memenuhi ketetapan konsumen
minimal 95%.

2. Diameter shalft yang terbuat dari metal yang digunakan dalam disk drive diketahui berdistribusi
normal dengan mean 0,2508 in dan standar deviasi 0,0005 in. Spesifikasi untuk shalft tersebut
adalah 0,2500  0,0015. Berapa persen dari shalft yang diproduksi akan memenuhi spesifikasi
tersebut?
Penyelesaian :
Misalkan : X : diameter shalft (in)
Diketahui :   0,2508 in   0,0005 in
Ditanya : p0,2500  0,0015  X  0,2500  0,0015
Jawab : p0,2485  X  0,2515

77
 f(x) F(Z)
p(0,2485  X  0,2515)  p(0,2515  Z  0,2500)
 p( Z  3)  p( Z  3)
x  0,9987  0,0013  0,9974
0,2500
0,2485 0,2515 Shalft yang diproduksi akan memenuhi
Z spesifikasi sebesar 99,74%.
-3 0 3
0,2485  0, 2500 0,2515  0, 2500
z1   3 z2  3
0,0005 0,0005

3. Daya pakai baterai mobil buatan pabrik tertentu diketahui berdistribusi normal dengan mean
900 hari dan standar deviasi 50 hari. Berapa persen dari baterai produksi pabrik tersebut yang
daya pakainya lebih dari 1.000 hari?
Penyelesaian :
Misalkan : X : daya pakai baterai (hari)
Diketahui :  900 hari   50 hari
Ditanya : pX 1.000
Jawab :

. f(x) pX 1.0001 p(X 1.000)

 1 p( Z  1.000  900 )
F(Z)
50
x  1 p( Z  2)
900 1.000  1 0,9772  0,0228
Z Kemungkinan baterai produksi pabrik tersebut yang daya
0 1,33
pakainya lebih dari 1.000 hari adalah 1 – 0,9772 = 0,0228
atau 2,28 %.

Soal Latihan
1. Kekuatan tarik suatu kertas yang digunakan untuk membuat kotak pembungkus merupakan
karakteristik kualitas yang sangat penting. Jika diketahui bahwa kekuatan tersebut sesuai
dengan distribusi N(40,4). Pembeli menginginkan kotak pembungkus yang kukuatannya paling
sedikit 35 lb/in2. Hitung probabilitas kotak yang diproduksi akan memenuhi atau lebih dari
spesifikasi tersebut?
Jawab : 0,9938

2. Diameter shalft yang terbuat dari metal yang digunakan dalam disk drive diketahui berdistribusi
normal dengan mean 0,2508 in dan standar deviasi 0,0005 in. Spesifikasi untuk shalft tersebut
adalah 0,2500  0,0015. Berapa persen dari shalft yang diproduksi akan memenuhi spesifikasi
tersebut?
Jawab : 99,74%

3. Kekuatan tarik suatu komponen yang terbuat dari metal diketahui mendekati distribusi normal
dengan mean 40 lb dan standar deviasi 8 lb. Jika diproduksi 50.000 komponen, (a) Berapa dari
komponen tersebut yang memenuhi spesifikasi minimum yaitu mempunyai kekuatan tarik 34
lb? Berapa komponen yang mempunyai kekuatan tarik lebih dari 48 lb?
Jawab : (a) 794 komponen (b) 459 komponen

4. Sebuah bola lampu listrik buatan pabrik tertentu diketahui mempunyai output kekuatan cahaya
mendekati distribusi normal dengan mean 3.000 cahaya lilin dan standar deviasi 50 cahaya lilin.
Dapatkan batas spesifikasi bawah sedemikian hingga hanya 0,5% dari bola lampu tersebut tidak
melebihi spesifikasi tersebut.
Jawab : 2.987,15 cahaya lilin

78
5. Berdasarkan penelitian, kemampuan menyala dari bola lampu merek tertentu rata-rata 1.000 jam
dengan standar deviasi 50 jam. Dengan menganggap data kemampuan menyala berdistribusi
normal, berapa probabilitas sebuah bola lampu yang diambil secara acak mempunyai
kemampuan menyala : (a) antara 950 sampai 1.025 jam? (b) lebih dari 1.125 jam?
Jawab : (a) 0,5328 (b) 0,0062

6. Dari pengiriman 1.000 rim kertas koran berat 60 gram, diketahui bahwa rata-rata tiap rimnya
terisi 450 lembar dengan standar deviasi sebesar 10 lembar. Jika distribusi jumlah kertas per rim
tersebut didekati dengan kurva normal, berapa persen dari rim kertas terisi 455 lembar atau
lebih?
Jawab : 30,85%

7. Angka ujian statistik sebagian besar mahasiswa memiliki rat-rata 34 dan standar deviasi 4. Jika
distribusi angka-angka ujiantersebut kurang lebih menyerupai distribusi normal, di bawah angka
berapa akan diperoleh 10 persen terendah dari seluruh distribusi angka-angka tersebut?
Jawab : 28,88

8. Kekuatan batang baja yang dibuat dengan proses tertentu diketahui kira-kira mendekati
distribusi normal dengan mean 24 dan standar deviasi 3. Para konsumen menghendaki bahwa
paling sedikit 95% batang tersebut mempunyai kekuatan lebih dari 20. Apakah produksi batang
baja tersebut sesuai dengan ketetapan konsumen?
Jawab : 91% (tidak sesuai dengan ketetapan konsumen)

9. Berdasarkan data di Badan Meteorologi, Geofisika dan Klimatologi (BMGK), curah hujan total
tahunan di suatu daerah diduga mengikuti distribusi normal N(60 inchi, 225 inchi 2). (a) Berapa
peluang bahwa di tahun mendatang curah hujan akan berada antara 40 dan 70 inchi? (b) Berapa
curah hujan tahunan paling tidak 30 inchi? Jawab : (a) 0,6568 (b) 0,9772

Daftar Kepustakaan
Bhattacharyya, Gouri K. Statistical Concepts and Methods. John Willey and Son. Inc., New York,
1977 .

Dajan, Anto. Pengantar Metoda Statistik Jilid II. LP3ES, cetakan kedelapan belas, Jakarta, 1996.

Dumairy. Probabilitas : ikhtisar teori dan soal jawab. BPFE, cetakan kedua, Yogyakarta, 1988.

Haryono, Metode Statistik : Statistik Deskriptip,Teori Probabilitas dan Kesimpulan Statistik. ITS,
Surabaya, 1984.

Law, Averill M. Simulation modeling and analysis. McGraw-Hill, Inc., New York, 1991.

Mitra, Amitava. Fundamentals of Quality Control and Improvement. Macmillan Publishing

Company, New York, 1993.

79
Lampiran f(Z)

Z
z
Tabel Luas di bawah Kurva Normal
0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
-3,4 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0002
-3,3 0,0005 0,0005 0,0005 0,0004 0,0004 0,0004 0,0004 0,0004 0,0004 0,0003
-3,2 0,0007 0,0007 0,0006 0,0006 0,0006 0,0006 0,0006 0,0005 0,0005 0,0003
-3,1 0,0010 0,0009 0,0009 0,0009 0,0008 0,0008 0,0008 0,0008 0,0007 0,0007
-3,0 0,0013 0,0013 0,0013 0,0012 0,0012 0,0011 0,0011 0,0011 0,0010 0,0010
-2,9 0,0019 0,0018 0,0017 0,0017 0,0016 0,0016 0,0015 0,0015 0,0014 0,0014
-2,8 0,0026 0,0025 0,0024 0,0023 0,0023 0,0022 0,0021 0,0021 0,0020 0,0019
-2,7 0,0035 0,0034 0,0033 0,0032 0,0031 0,0030 0,0029 0,0028 0,0027 0,0026
-2,6 0,0047 0,0045 0,0044 0,0043 0,0041 0,0040 0,0039 0,0038 0,0037 0,0036
-2,5 0,0062 0,0060 0,0059 0,0057 0,0055 0,0054 0,0052 0,0051 0,0049 0,0048
-2,4 0,0082 0,0080 0,0078 0,0075 0,0073 0,0071 0,0069 0,0068 0,0066 0,0064
-2,3 0,0107 0,0104 0,0102 0,0099 0,0096 0,0094 0,0091 0,0089 0,0087 0,0084
-2,2 0,0139 0,0136 0,0132 0,0129 0,0125 0,0122 0,0119 0,0116 0,0113 0,0110
-2,1 0,0179 0,0174 0,0170 0,0166 0,0162 0,0158 0,0154 0,0150 0,0146 0,0143
-2,0 0,0228 0,0222 0,0217 0,0212 0,0207 0,0202 0,0197 0,0192 0,0188 0,0183
-1,9 0,0287 0,0281 0,0274 0,0268 0,0262 0,0256 0,0250 0,0244 0,0239 0,0233
-1,8 0,0359 0,0352 0,0344 0,0336 0,0329 0,0322 0,0314 0,0307 0,0301 0,0294
-1,7 0,0446 0,0436 0,0427 0,0418 0,0409 0,0401 0,0392 0,0384 0,0375 0,0367
-1,6 0,0548 0,0537 0,0526 0,0516 0,0505 0,0495 0,0485 0,0475 0,0465 0,0455
-1,5 0,0668 0,0665 0,0643 0,0630 0,0618 0,0606 0,0594 0,0582 0,0571 0,0559
-1,4 0,0808 0,0793 0,0778 0,0764 0,0749 0,0735 0,0722 0,0708 0,0694 0,0681
-1,3 0,0668 0,0655 0,0643 0,0630 0,0618 0,0606 0,0594 0,0582 0,0571 0,0559
-1,2 0,1151 0,1131 0,1112 0,1093 0,1075 0,1056 0,1038 0,1020 0,1003 0,0985
-1,1 0,1357 0,1335 0,1314 0,1292 0,1271 0,1251 0,1230 0,1210 0,1190 0,1170
-1,0 0,1587 0,1562 0,1539 0,1515 0,1492 0,1469 0,1446 0,1423 0,1401 0,1379
-0,9 0,1841 0,1814 0,1788 0,1762 0,1736 0,1711 0,1685 0,1660 0,1635 0,1611
-0,8 0,2119 0,2090 0,2061 0,2033 0,2005 0,1977 0,1949 0,1922 0,1894 0,1867
-0,7 0,2420 0,2389 0,2358 0,2327 0,2296 0,2266 0,2236 0,2206 0,2177 0,2148
-0,6 0,2743 0,2709 0,2676 0,2643 0,2611 0,2578 0,2546 0,2514 0,2483 0,2451
-0,5 0,3085 0,3050 0,3015 0,2981 0,2946 0,2912 0,2877 0,2843 0,2810 0,2776
-0,4 0,3446 0,3409 0,3372 0,3336 0,3300 0,3264 0,3228 0,3192 0,3156 0,3121
-0,3 0,3821 0,3783 0,3745 0,3707 0,3669 0,3632 0,3594 0,3557 0,3520 0,3483
-0,2 0,4207 0,4168 0,4129 0,4090 0,4052 0,4013 0,3974 0,3936 0,3897 0,3859
-0,1 0,4602 0,4562 0,4522 0,4483 0,4443 0,4404 0,4364 0,4325 0,4286 0,4247
-0,0 0,5000 0,4960 0,4920 0,4880 0,4840 0,4801 0,4761 0,4721 0,4681 0,4641
0,0 0,5000 0,5040 0,5080 0,5120 0,5160 0,5199 0,5239 0,5279 0,5319 0,5359
0,1 0,5398 0,5438 0,5478 0,5517 0,5557 0,5596 0,5636 0,5675 0,5714 0,5753
0,2 0,5793 0,5832 0,5871 0,5910 0,5948 0,5987 0,6026 0,6064 0,6103 0,6141
0,3 0,6179 0,6217 0,6255 0,6293 0,6331 0,6368 0,6406 0,6443 0,6480 0,6517
0,4 0,6554 0,6591 0,6628 0,6664 0,6700 0,6739 0,6772 0,6808 0,6844 0,6879
0,5 0,9615 0,6950 0,6985 0,7019 0,7054 0,7088 0,7123 0,7157 0,7190 0,7224
0,6 0,7257 0,7291 0,7324 0,7357 0,7389 0,7422 0,7454 0,7486 0,7517 0,7549
0,7 0,7580 0,7611 0,7642 0,7673 0,7704 0,7734 0,7764 0,7794 0,7823 0,7852
0,8 0,7881 0,7910 0,7939 0,7967 0,7995 0,8023 0,8051 0,8078 0,8106 0,8133
0,9 0,8159 0,8186 0,8212 0,8238 0,8264 0,8289 0,8315 0,8340 0,8365 0,8389
1,0 0,7413 0,8438 0,8461 0,8485 0,8508 0,8531 0,8554 0,8577 0,8599 0,8621
1,1 0,8643 0,8665 0,8686 0,8708 0,8729 0,8749 0,8770 0,8790 0,8810 0,8830
1,2 0,8849 0,8869 0,8888 0,8907 0,8925 0,8944 0,8962 0,8980 0,8997 0,9015
1,3 0,9032 0,9049 0,9066 0,9082 0,9099 0,9115 0,9131 0,9147 0,9162 0,9177
1,4 0,9192 0,9207 0,9222 0,9236 0,9251 0,9265 0,9278 0,9292 0,9306 0,9319
1,5 0,6332 0,9345 0,9357 0,9370 0,9382 0,9394 0,9406 0,9418 0,9429 0,9441
1,6 0,9452 0,9463 0,9474 0,9484 0,9495 0,9505 0,9515 0,9525 0,9535 0,9545
1,7 0,9554 0,9564 0,9573 0,9582 0,9591 0,9599 0,9608 0,9616 0,9625 0,9633
1,8 0,9641 0,9649 0,9656 0,9664 0,9671 0,9678 0,9686 0,9693 0,9699 0,9706
1,9 0,9713 0,9719 0,9726 0,9735 0,9738 0,9744 0,9750 0,9756 0,9761 0,9767
2,0 0,9772 0,9778 0,9783 0,9788 0,9793 0,9798 0,9803 0,9808 0,9812 0,9817
2,1 0,9821 0,9826 0,9830 0,9834 0,9838 0,9842 0,9846 0,9850 0,9854 0,9857
2,2 0,9861 0,9864 0,9868 0,9871 0,9875 0,9878 0,9881 0,9884 0,9887 0,9890
2,3 0,9893 0,9896 0,9898 0,9901 0,9904 0,9906 0,9909 0,9911 0,9913 0,9916
2,4 0,9918 0,9920 0,9922 0,9925 0,9927 0,9929 0,9931 0,9932 0,9935 0,9936
2,5 0.9938 0.9940 0.9941 0.9943 0.9945 0.9946 0.9948 0.9949 0.9951 0.9952
2,6 0.9953 0.9955 0.9956 0.9957 0.9959 0.9960 0.9961 0.9962 0.9963 0.9964
2,7 0.9965 0.9966 0.9967 0.9968 0.9969 0.9970 0.9971 0.9972 0.9973 0.9974
2,8 0.9974 0.9975 0.9976 0.9977 0.9977 0.9978 0.9979 0.9979 0.9980 0.9981
2,9 0.9981 0.9982 0.9982 0.9984 0.9984 0.9984 0.9985 0.9985 0.9986 0.9986
3,0 0.9987 0.9987 0.9987 0.9988 0.9988 0.9989 0.9989 0.9989 0.9990 0.9990
3,1 0.9990 0.9991 0.9991 0.9991 0.9992 0.9992 0.9992 0.9992 0.9993 0.9993
3,2 0.9993 0.9993 0.9994 0.9994 0.9994 0.9994 0.9994 0.9995 0.9995 0.9995
3,3 0.9995 0.9995 0.9995 0.9995 0.9995 0.9995 0.9995 0.9995 0.9995 0.9997
3,4 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9998

80