Herawati Zetha Rahman

JTS - FTUP
Kata “Statistik” berasal dari bahasa latin yakni
status yang berarti negara.

Dalam pengertian ini statistik hanya diartikan

sangat terbatas yaitu sekumpulan data atau
angka mengenai kondisi penduduk
 Menurut Croxton dan Cowden :
“Statistik adalah metode untuk
mengumpulkan, mengolah dan menyajikan
serta menginterpretasikan data yang berwujud
angka”
Statistika selalu berhubungan dengan :
 Data
 Kegiatan pengumpulan dan pengolahan data
 Kegiatan analisis data
 Penarikan kesimpulan
 Membuat keputusan
 Metode Statistik
Metode statistik merupakan ilmu pengetahuan
yang meliputi segala metode guna
mengumpulkan, mengolah, menyajikan dan
menganalisis data kuantitatif secara deskriptif.
Terdapat dua metode statistik secara umum
yaitu :
 Metode Statistik secara Deskriptif
 Metode Statistik secara Inferensi
 Distribusi frekuensi
 Penyajian grafik, bagan dan diagram
 Pengukuran tendensi sentral/ pemusatan
(mean, median, modus)
 Pembagian distribusi (kuartil, desil, persentil)
 Variabilitas (range, mean deviasi, standar
deviasi, Z score )
 Angka indeks
 Time series (deret waktu atau data berkala)
 Probabilitas/ teori kemungkinan
 Distribusi teoritis
 Sampling dan distribusi sampling
 Studi estimasi (penaksiran pada tingkat
populasi )
 Uji hipotesis
 Analisis korelasional dan uji signifikansi
 Analisis regresi untuk peramalan.
 Menjelaskan hubungan antar variabel
 Melakukan estimasi dan melakukan
perbandingan / komparasi
 Menyusun perencanaan dan membuat
ramalan
 Mengatasi berbagai perubahan
 Membuat keputusan secara lebih baik
 Pengumpulan data
 Alat quality control (menyusun standar
sekaligus pengawasan)
 Alat pengumpulan, pengolahan dan analisis
❑ Sekumpulan angka, fakta, fenomena atau
keadaan yang merupakan hasil pengamatan,
pengukuran, atau pencacahan terhadap
karakteristik atau sifat dari obyek yang
dapat berfungsi untuk membedakan obyek
yang satu dengan lainnya.
 Data penghasilan mingguan 40 buruh
bangunan di suatu kota

58 72 64 65 67 92 55 51 69 73

64 59 65 55 75 56 89 60 84 68

74 67 55 68 74 43 67 71 72 66

62 63 83 64 51 63 49 78 65 75
 Data mengenai tinggi badan (cm) dan berat
badan (kg) 10 orang mahasiswa
Mahasiswa Tinggi Berat

1 170 70

2 162 65

3 169 59

4 165 62

5 171 67

6 170 65

7 168 60

8 163 61

9 166 63

10 172 64
Jenis-jenis data dibagi menjadi :
 Data Primer vs Sekunder
 Data Mentah vs Olahan
 Data Kategori vs Numerik
 Data Kuantitatif vs Kualitatif
Primer VS Sekunder

❖ Data primer - data diambil secara langsung oleh

pengguna data dari obyek penelitian.
Ex: Mewawancarai langsung rumah tangga untuk
meneliti kemiskinan
❖ Data sekunder - data yang didapat pengguna data
secara tidak langsung dari objek penelitian
(dikumpulkan pihak lain).
Ex: data registrasi penduduk
Mentah (Raw data) VS Olahan

❖ Data mentah- hasil pencatatan peristiwa atau

karakteristik elemen yang dilakukan pada tahap
pengumpulan data (dari hasil kuesioner atau
wawancara).
❖ Data olahan - data mentah yang sudah diolah
melalui proses atau metode statistika tertentu.
Kategori VS Numerik
❖ Data kategori – terdiri dari kategori seperti jawaban 1
”ya” dan 2 ”tidak”.
❖ Data numerik – terdiri dari unsur numerik seperti
tinggi badan seseorang.
a. Discrete – data numerik yang didapat dari proses
penghitungan (bilangan bulat), seperti 1, 2, ..., 10
dan seterusnya,
b. Continuous - data numerik yang didapat dari proses
pengukuran,misalnya nilai pengukuran berupa
pecahan seperti 12 ¾, 45 1/3 dan seterusnya.
Kuantitatif VS Kualitatif

❖ Data Kuantitatif – data yang dipaparkan

dalam bentuk angka-angka.
Ex: tinggi badan siswa di satu kelas
❖ Data Kualitatif– data yang disajikan dalam
bentuk kata-kata yang mengandung makna.
Ex: jenjang pendidikan pegawai suatu instansi
 Nominal,
 Ordinal,
 Interval, Dan
 Rasio
 Data yang hanya mengandung unsur penamaan
saja atau dapat diartikan sebagai lambang saja.
 Contoh: jenis kelamin, agama, pekerjaan, area
geografis (kode wilayah)
 Simbol berupa angka:
Jenis kelamin: Laki-laki = 1
Perempuan = 2
 Data yang selain mengandung unsur penamaan juga
memiliki unsur urutan (order), ciri dari data ini disusun
berdasarkan urutan yang logis dan sesuai dengan besarnya
karakteristik yang dimiliki.
 Contoh:
- Nilai mutu IP: A, B, C, D, E
- Kode jenis atap terluas,
- Kode 1. beton,
- Kode 2. genteng,
- Kode 3. asbes,
- Kode 4. seng,
- Kode 5. ijuk , dan
- Kode 6 lainnya).
 Data yang selain mengandung unsur penamaan
dan urutan juga memiliki sifat interval (selang).
 Seperti nominal dan ordinal ditambah
karakteristik lain berupa interval tetap.

 Dapat diukur perbedaan karakteristik antar

individu
 Contoh: frekwensi kunjungan:
1 kali, 2 kali
 Mempunyai semua karakteristik yg dimiliki skala
nominal, ordinal dan interval.
 Bedanya : punya nilai nol empiris absolut yg
terjadi saat ketidakhadirannya suatu
karakteristik sedang dihitung.
 Merupakan perbandingan satu individu atau
obyek tertentu dg lainnya
 Contoh:berat badan sebelum diet: 70 kg dan
sesudah diet: 60 kg, sebelum banding sesudah
diet 7:6
 Suatu tabel menunjukkan frekuensi
kemunculan data atau frekuensi relatifnya
yang berguna untuk meringkas data numerik
maupun kategori.
 Untuk data diskret atau data kategori,
banyaknya nilai yang dihitung
kemunculannya biasanya sesuai dengan
banyaknya nilai data yang berbeda dari data
diskret atau kategori tersebut
 Untuk data kontinu, biasanya dibuat kelas
interval 5-20 banyaknya.
Data Penghasilan Buruh
 Urutkanlah data dari yang terkecil sampai yang
terbesar
 Hitung jarak / range
𝑅𝑎𝑛𝑔𝑒 = 𝑋𝑚𝑎𝑥𝑖𝑚𝑢𝑚 − 𝑋𝑚𝑖𝑛𝑖𝑚𝑢𝑚

 Hitung jumlah kelas (𝐾) dengan Rumus Sturges

𝑅𝑢𝑚𝑢𝑠 𝑆𝑡𝑢𝑟𝑔𝑒𝑠 = 𝐾 = 1 + 3,3(log 𝑛) ,
𝑛 = 𝑗𝑢𝑚𝑙𝑎ℎ 𝑑𝑎𝑡𝑎
 Hitunglah panjang kelas interval (𝑃)
𝑅𝑎𝑛𝑔𝑒
𝑃=
𝐽𝑢𝑚𝑙𝑎ℎ 𝐾𝑒𝑙𝑎𝑠 𝐾
 Distribusi Frekuensi Relatif
Distribusi frekuensi yang nilai frekuensinya
tidak dinyatakan dalam bentuk angka tetapi
dalam bentuk persentase (%)

𝐹𝑘𝑒𝑙𝑎𝑠𝑖
𝐹𝑟𝑖 = 𝑥100%
𝑛
 Distribusi Frekuensi Kumulatif
Distribusi frekuensi yang nilai frekuensinya
diperoleh dengan cara menjumlahkan frekuensi
demi frekuensi , bisa dibentuk menjadi dua
yakni Distribusi kumulatif kurang dari dan
Distribusi kumulatif lebih dari
 Distribusi Frekuensi Kumulatif Relatif
Distribusi frekuensi yang mana nilai frekuensi
kumulatif diubah menjadi relatif (%)

𝐹𝑘𝑢𝑚𝑘𝑒𝑙𝑎𝑠𝑖
𝐹𝑘𝑢𝑚𝑖 = 𝑥100%
𝑛
 Steam and Leaf
 Histogram
 Poligon Frekuensi
 Ogive Frekuensi Kumulatif
 Diagram Batang (Bar Chart)
 Diagram Lingkaran (Pie Chart)
 Boxplot, dll.
 Disebut diagram batang dan daun.
 Berguna untuk menunjukkan bentuk
distribusi data.
 Data berupa angka dengan minimal dua digit
Contoh Steam and Leaf :
 Data Penghasilan Buruh

Sisi kiri sebagai angka puluhan) , dan pada sisi

kanan sebagai angka satuan
 Grafik ini merupakan representasi grafik dari
distribusi frekuensi data kontinu. Dasar
pembuatan dengan menggunakan batas
nyata atau titik tengah.
Contoh Histogram :
 Data Penghasilan Buruh
 Dibuat dengan menghubungkan titik tengah
dalam bentuk garis (kurve). Grafik ini
mendasarkan pada titik tengah dalam
pembuatannya.
Contoh Poligon Frekuensi :
 Data Penghasilan Buruh
 Plot frekuensi kumulatif dengan batas atas
interval dari distribusi frekuensi.

Contoh : Data penghasilan buruh :

 Disebut juga Bar Chart.
 Representasi grafik dari distribusi frekuensi data
diskret atau kategori.
 Berbentuk persegi panjang yang lebarnya sama
dan dilengkapi dengan skala atau ukuran sesuai
data yang bersangkutan.
 Setiap batang tidak boleh saling melekat atau
menempel dan jarak tiap batang harus sama.
 Susunan grafik ini boleh tegak atau mendatar.
Contoh Diagram Batang :
 Data Telepon Seluler
 Disebut juga Pie Chart
 Representasi grafik dari distribusi frekuensi
data diskret atau kategori.
 Bagan berupa lingkaran yang telah dibagi
menjadi beberapa bagian sesuai dengan
proporsi data.
 Biasanya dinyatakan dalam persen.
Contoh Diagram Lingkaran :
 Data Telepon Seluler
 Data statistik sering dilambangkan dengan
huruf 𝑋, 𝑌 dilengkapi dengan indeks.

Contoh (Data Penghasilan Buruh) :

 𝑋 : penghasilan mingguan buruh (dalam
ribuan rupiah)
 𝑋1 = 58 , 𝑋2 = 72 , 𝑋3 = 73 , 𝑋4 = 75
Contoh (Data Tinggi dan Berat Mahasiswa) :
 𝑋 : tinggi mahasiswa (cm)
 𝑌 : berat mahasiswa (kg)
 𝑋1 = 170 , 𝑋2 = 1683 , 𝑌1 = 70 , 𝑌2 = 60
Untuk penjumlahan 𝑛 data 𝑋𝑖 , 𝑖 = 1,2, … , 𝑛
𝑛

෍ 𝑋𝑖 = 𝑋1 + 𝑋2 + ⋯ + 𝑋𝑛
𝑖=1
𝑛 𝑚

෍ ෍ 𝑋𝑖𝑗 = 𝑋11 + 𝑋12 + ⋯ + 𝑋𝑛𝑚

𝑖=1 𝑗=1
 Jika 𝑋𝑖 = 𝑘 , 𝑘 suatu konstan, maka
𝑛 𝑛

෍ 𝑋𝑖 = ෍ 𝑘 = 𝑛𝑘
𝑖=1 𝑖=1

Jika 𝑘 suatu konstan, maka

𝑛 𝑛

෍ 𝑘𝑋𝑖 = 𝑘 ෍ 𝑋𝑖
𝑖=1 𝑖=1
𝑛 𝑛 𝑛

෍ 𝑋𝑖 + 𝑌𝑖 = ෍ 𝑋𝑖 + ෍ 𝑌𝑖
𝑖=1 𝑖=1 𝑖=1
 Salah satu tugas statistik adalah menentukan
angka yang menjadi pusat suatu distribusi.
 Angka/ nilai yang menjadi pusat suatu
distribusi selanjutnya disebut tendensi sentral
atau kecenderungan tengah.
 Ada 3 jenis pengukuran tendensi sentral yang
sangat penting yaitu : Mean, Median dan
Modus.
Mean diterapkan dengan tujuan untuk
menentukan angka / nilai rata-rata dan secara
aritmatik ditentukan dengan cara menjumlah
seluruh nilai dibagi banyaknya individu.

Pengukuran rata-rata dapat diterapkan dengan

asumsi bahwa data yang diperoleh dari hasil
pengukuran berskala interval dan rasio.
Bagaimana menentukan harga mean atau rata-
rata? Ada beberapa rumus yang dapat dipakai
yakni :

 Untuk data tunggal

 Untuk data berkelompok
 σ𝑛𝑖=1 𝑥𝑖
𝑥ҧ =
𝑛

Contoh :
 Ingin dihitung rata-rata dari data 2 , 2 , 4 , 5 , 7
σ𝑛𝑖=1 𝑥𝑖 = 2 + 2 + 4 + 5 + 7 = 20 ,
𝑛 (jumlah data) = 5 ,
maka didapatkan 𝑥ҧ = 20/5 = 4
 σ𝑛𝑖=1 𝑓𝑖 𝑥𝑖
𝑥ҧ =
𝑛
Contoh : Diketahui data :
Data Frekuensi

2 3

4 6

8 9

10 12
 Maka rata-ratanya :
σ𝑛
𝑖=1 𝑓𝑖 𝑥𝑖 2𝑥3 + 4𝑥6 + 8𝑥9 +(10𝑥12)
𝑥ҧ = =
𝑛 3+6+9+12

6+24+72+120
=
30
222
= = 7,4
30
 Nilai yang membagi distribusi menjadi 2
bagian yang sama yakni sebelah kirinya 50
persen, dan sebelah kanannya juga 50
persen.
 Untuk kasus 𝑛 ganjil
Median = 𝑋𝑘+1 (data ke-(k+1))
Dengan :
𝑁−1
𝑘= , 𝑛 = banyaknya data
2

 Untuk kasus 𝑛 genap

Median = ½ (𝑋𝑘 + 𝑋𝑘+1 )

Dengan :
𝑁
𝑘 = , 𝑛 = banyaknya data
2
 𝑛
2
−𝑐𝐹𝑏
Median = 𝐵𝑏 + 𝑃
𝐹𝑑

Keterangan :
 𝐵𝑏 : Batas bawah nyata dari interval kelas yang
mengandung median
 𝑐𝐹𝑏 : Frekuensi kumulatif di bawah interval kelas yang
mengandung median
 𝐹𝑑 : Frekuensi dalam interval yang mengandung
median
 P : Lebar kelas / interval
 n : Banyak individu atau jumlah frekuensi
Contoh :
 Diketahui data distribusi frekuensi sebagai
berikut :
 Carilah nilai interval yang mengandung unsur median,
karena jumlah frekuensi dalam data ini 70, maka kira-kira
70
median terdapat di dekat data ke- = 35 , maka median
2
terletak di interval 75-79
 Carilah batas bawah dari kelas median (𝐵𝑏) yaitu 75-0,5 =
74,5
 Hitunglah lebar interval (𝑃), karena 75 – 79 maka lebar
intervalnya adalah 5
 Carilah jumlah frekuensi median (𝐹𝑑 ) yaitu frekuensi dari
kelas yang mengandung median yaitu 20
 Hitung 𝑐𝐹𝑏 yakni jumlah frekuensi kumulatif di bawah
interval kelas yang mengandung median yakni frekuensi
kumulatif dari 60-64 + frekuensi kumulatif dari 65-69 +
frekuensi kumulatif 70-74 = 2+6+15 = 23
Didapatkan :
𝑛
−𝑐𝐹𝑏
2
Median = 𝐵𝑏 + 𝑃
𝐹𝑑
70
−23
2
= 74,5 + 5 = 77,5
20
 Nilai yang paling sering muncul atau nilai
yang memiliki frekuensi paling banyak.

Ada :
 Modus Data Tunggal
 Modus Data Berkelompok
 Sangat mudah, tinggal dilihat data manakah
yang frekuensinya paling banyak.

Contoh :
 2,2,3,3,4,4,4,5

Maka berdasarkan contoh di atas modusnya

adalah 4 karena frekuensinya paling banyak.
 𝐹1
Modus data berkelompok = 𝐵𝑏 + 𝑃
𝐹1 +𝐹2

Keterangan :
 𝐵𝑏 : Batas bawah nyata dari interval kelas yang
mengandung modus
 P : Lebar kelas / interval
 𝐹1 : Selisih antara frekuensi modus dengan
frekuensi sebelumnya
 𝐹2 : Selisih antara frekuensi modus dengan
frekuensi sesudahnya
 Nilai atau angka yang membagi data dalam empat bagian yang
sama, setelah data disusun dari yang terkecil hingga terbesar.

Bentuk kwartil :
 Kwartil pertama
Nilai dalam distribusi yang membatasi 25% frekuensi bagian atas dan
75% frekuensi bagian bawah
 Kwartil kedua
Nilai dalam distribusi yang membatasi 50% frekuensi di bagian atas
dan 50% frekuensi bagian bawah, bisa disebut juga dengan median
 Kwartil ketiga
Nilai dalam distribusi yang membatasi 75% frekuensi bagian atas dan
25% frekuensi bagian bawah
▪ Urutkan data

Rumus posisi kwartil :

(𝑛+1)
 K1 = ൗ4
(𝑛+1)
 K2= ൗ2
3(𝑛+1)
 K3 = ൗ4
 Contoh Kwartil Data Tunggal :

 Data :
65 70 90 40 35 45 70 80 50

Hitunglah K1, K2, dan K3!

 𝑛
4
−𝑐𝐹𝑏
 K1 = 𝐵𝑏 + 𝑃
𝐹𝑑
𝑛
−𝑐𝐹𝑏
2
 K2 = 𝐵𝑏 + 𝑃
𝐹𝑑
3𝑛
−𝑐𝐹𝑏
4
 K3 = 𝐵𝑏 + 𝑃
𝐹𝑑

Keterangan :
 K : Kwartil
 𝐵𝑏 : Batas bawah nyata dimana nilai K berada
 𝑐𝐹𝑏 : Frekuensi kumulatif sebelum K
 𝐹𝑑 : Frekuensi kelas kwartil
 P : Lebar kelas / interval
 n : Banyak individu atau jumlah frekuensi
 Nilai atau angka yang membagi data menjadi
10 bagian yang sama
 Rumusnya hampir sama dengan median dan
kwartil, bedanya di pembagian
D1 -> titik yang membatasi 10% frekuensi
terbawah dalam distribusi

Rumus :
(𝑛+1)
 D1= ൗ10
 𝑛𝑥
−𝑐𝐹𝑏
10
Dx = 𝐵𝑏 + 𝑃
𝐹𝑑
Keterangan :
 x : Desil ke-x
 𝐵𝑏 : Batas bawah nyata dimana nilai D berada
 𝑐𝐹𝑏 : Frekuensi kumulatif sebelum D
 𝐹𝑑 : Frekuensi kelas desil
 P : Lebar kelas / interval
 n : Banyak individu atau jumlah frekuensi
 Nilai yang membagi data menjadi 100 bagian
yang sama
 Rumusnya hampir sama dengan median dan
kwartil, hanya beda di pembagian, kalau di
persentil nanti dibagi 100
Rumus :
(𝑛+1)𝑥
 Px = ൗ100
 𝑛𝑥
−𝑐𝐹𝑏
100
Px = 𝐵𝑏 + 𝑃
𝐹𝑑
Keterangan :
 x : Persentil ke-x
 𝐵𝑏 : Batas bawah nyata dimana nilai P berada
 𝑐𝐹𝑏 : Frekuensi kumulatif sebelum P
 𝐹𝑑 : Frekuensi kelas persentil
 P : Lebar kelas / interval
 n : Banyak individu atau jumlah frekuensi
 Seringkali peneliti atau analis data tidak hanya
tertarik untuk menampilkan hasil pengolahan
dan analisis data dalam bentuk tabel frekuensi,
grafik bagan dan diagram serta pengukuran
tendensi sentral (mean, modus dan median)
semata.
 Dibutuhkan informasi lanjut tentang data yang
diperoleh dari riset juga dibutuhkan; seperti
penyebaran data dari tendensi sentralnya.
 Upaya untuk mengetahui penyebaran data
dapat dilakukan dengan alat statistik yang
disebut variabilitas.
 Sering juga disebut dispersi atau penyebaran.
 Definisi ringkas variabilitas adalah derajad
penyebaran nilai variabel dari suatu tendensi
sentral tertentu.
 Fungsi perhitungan variabilitas yakni sebagai
alat untuk mengetahui homogenitas dan
heterogenitas data.
 Jika data yang kita hadapi memiliki tingkat
penyebaran yang tinggi berarti data
cenderung bersifat heterogen.
 Dalam pengukuran variabilitas hanya dapat
diterapkan jika data yang diperoleh dalam
bentuk numerik atau berskala interval dan
rasio.
 Range
 Mean Deviasi
 Standard Deviasi
 Z score atau standar score.
 Pengukuran variabilitas yang paling sederhana
 Range adalah selisih antara nilai tertinggi hasil
pengukuran dan nilai terendah hasil pengukuran
 Tergantung pada 2 nilai ekstrem pada distribusi
yakni data maksimum dan data minimum.
 Range tidak dapat terlalu akurat dalam melihat
kharakteristik data karena fluktuasinya besar

Range = 𝑋𝑚𝑎𝑥𝑖𝑚𝑢𝑚 − 𝑋𝑚𝑖𝑛𝑖𝑚𝑢𝑚

 Mean deviasi atau rata-rata deviasi
(penyimpangan) yaitu rata-rata deviasi nilai-
nilai dari mean dalam suatu distribusi.
 Dalam hal ini diambil nilai yang absolut
artinya deviasi baik yang berarah negatif
maupun positif semuanya dianggap positif
(+).
Untuk Data Tunggal :
σ |𝑥|
𝑀𝐷 =
𝑁
σ |𝑥 − 𝑥|ҧ
𝑀𝐷 =
𝑁
Keterangan
 𝑀𝐷 = mean deviasi
 σ |𝑥| = jumlah dari deviasi yang dimutlakan
 N = jumlah individu atau jumlah data

Untuk data berkelompok

σ 𝑓|𝑥|
 𝑀𝐷 = σ𝑓
 Nilai yang menunjukkan tingkat (derajat)
variasi kelompok data atau ukuran standar
penyimpangan dari meannya.
 Untuk populasi, biasanya dilambangkan
dengan 𝜎
 Untuk sampel, biasanya dilambangkan
dengan 𝑠
Rumus populasi
ത 2
σ(𝑋𝑖 −𝑋)
 𝜎=
𝑁
Rumus sampel
σ(𝑥𝑖 −𝑥)ҧ 2
 𝑠=
𝑛−1
Rumus data bergolong
σ 2
( 𝑓.𝑥)
σ 𝑓.𝑥 2 −
σ𝑓
 𝑆𝑡𝑎𝑛𝑑𝑎𝑟 𝐷𝑒𝑣𝑖𝑎𝑠𝑖 = σ𝑓
 Model distribusi kontinyu yang paling penting
dalam teori probabilitas.
 Distribusi normal memiliki kurva berbentuk
lonceng yang simetris.
 Dua parameter yang menentukan distribusi
normal adalah rataan / ekspektasi (μ) dan
standar deviasi (σ).
 Dilihat dari bentuknya nilai-nilai yang ada di
ujung kurva memiliki frekuensi yang rendah
 Sebaliknya nilai yang berada di tengah
memiliki frekuensi yang tinggi
 Semakin jauh dari mean maka frekuensinya
semakin sedikit
Dimana μ adalah rata-rata, σ adalah
standar deviasi dan π = 3,14159
 Berbentuk Lonceng
 Luasan di bawah kurva = 1
Contoh soal 1:
Dari penelitian terhadap 150 orang laki-laki yang
berumur 40–60 tahun didapatkan rata-rata kadar
kolesterol (μ) mereka 215 mg % dan simpangan
baku σ = 45 mg %.
Hitunglah peluang kita mendapatkan seorang
yang kadar kolesterolnya:
 a. < 200 mg %
 b. > 250 mg %
 c. antara 200 –275 mg %
 Ilustrasi soal tersebut adalah :
 Namun , sayangnya akan sangat sulit jika kita harus
menghitung fungsi probabilitasnya karena integralnya
yang rumit.
 Untuk mengatasi permasalahan di atas, kita pelajari dulu
cara menghitung nilai Z dan membaca tabel luas kurva
normal.

 Nilai Z didapat dengan rumus berikut:

Penyelesaian contoh soal 1 dengan menggunakan tabel
kurva normal
Dari penelitian terhadap 150 orang laki-laki yang berumur
40–60 tahun didapatkan rata-rata kadar kolesterol (μ)
mereka 215 mg % dan simpangan baku σ = 45 mg %.
Hitunglah peluang kita mendapatkan seorang yang kadar
kolesterolnya:
 a. > 250 mg %
 b. < 200 mg %
 c. antara 200 –275 mg %
Solusi :
 μ = 215
 σ = 45

Untuk memudahkan pengerjaan, kita kerjaan

contoh soal 1.b terlebih dahulu.

 X menyatakan kadar kolesterol laki-laki

berumur 40-60 tahun.
 Hitung P(X > 250)
Untuk menghitung soal 1a, kita cari dulu
peluang menemukan laki-laki dengan kadar
gula kurang dari 250 mg atau P (X < 250 )
 Berdasarkan tabel kurva normal, untuk nilai Z =
0.78, luasnya adalah 0.7794.
 Sehingga P (X < 250) adalah 0.7794.
 Lalu dicari Peluang untuk menemukan laki-laki
dengan kadar gula lebih dari 250 mg % = P (x >
250)
P ( X > 250) = 1 - P ( X < 250 )
= 1 – P(Z < 0.78)
= 1 - 0.7794
= 0.2206
KERJAKAN :

Hitunglah P (200 < X < 275)