bertujuan untuk mengefisiensikan waktu, tenaga dan biaya dengan memperoleh hasil yang
optimal. Berdasarkan definisinya Statistika merupakan ilmu yang mempelajari bagaimana
merencanakan, mengumpulkan, menganalisis, menginterpretasi, dan mempresentasikan data.
Sedangkan statistik adalah data, informasi, atau hasil penerapan algoritma statistika pada suatu
data. Data sendiri merupakan kumpulan fakta atau angka.
Disadari atau tidak, statistika telah banyak digunakan dalam kehidupan sehari-hari.
Bahkan pemerintah menggunakan statistika untuk menilai hasil pembangunan masa lalu dan juga
untuk membuat rencana masa datang. Begitu pula Pimpinan mengambil manfaat dari kegunaan
statistika untuk melakukan tindakan - tindakan yang perlu dalam menjalankan tugasnya,
diantaranya: perlukah mengangkat pegawai baru, sudah waktunyakah untuk membeli mesin
baru, bermanfaatkah kalau pegawai di tatar, bagaimanakah kemajuan usaha tahun tahun yang
lalu, berapa banyak barang harus dihasilkan setiap tahunnya, perlukah sistem baru dianut dan
sistem lama ditinggalkan, dan masih banyak lagi untuk disebutkan. Dunia penelitian atau riset,
dimanapun dilakukan bukan saja telah mendapat manfaat yang baik dari statistika tetapi sering
harus menggunakannya. Untuk mengetahui apakah cara yang baru ditemukan lebih baik daripada
cara lama, melalui riset yang dilakukan dilaboratorium, atau penelitian yang dilakukan di
lapangan, perlu diadakan penilaian dengan statistika. Apakah model untuk sesuatu hal dapat kita
anut atau tidak, perlu diteliti dengan menggunakan teori statistika. Statistika juga telah cukup
mampu untuk menentukan apakah faktor yang satu dipengaruhi atau mempengaruhi faktor
lainnya. Kalau ada hubungan antara factor - faktor, berapa kuat adanya hubungan tersebut?
Bisakah kita meninggalkan faktor yang satu dan hanya memperhatikan faktor lainnya untuk
keperluan studi lebih lanjut.
Uraian singkat tadi, hendaknya cukup dapat memberikan gambaran bahwa statistika
sebenarnya diperlukan, minimal penggunaan metodanya. Sesungguhnya statistika sangat
diperlukan bukan saja hanya dalam penelitian atau riset, tetapi juga perlu dalam bidang
pengetahuan lainnya seperti : teknik, industri, ekonomi, astronomi, biologi, kedokteran, asuransi,
pertanian, perniagaan, bisnis, sosiologi, antropologi, pemerintahan, pendidikan, psikologi,
meteorologi, geologi, farmasi, ekologi, pengetahuan alam, pengetahuan sosial, dan lain
sebagainya.
Penguasaan statistika dan kemampuan menggunakannya merupakan suatu hal yang
sangat penting dan sangat bermanfaat bagi sebuah organisasi perusahaan khususnya dalam
bidang ekonomi dan bisnis. Karena dengan itu, sebuah organisasi perusahaan bisa mendapatkan
informasi yang sangat berguna bagi kemajuan perusahaannya. Informasi tersebut bisa didapatkan
dari hasil pengolahan data yang telah disimpulkan kemudian data tersebut bisa kita analisa untuk
dijadikan bahan perkiraan dalam mengambil keputusan di masa yang akan datang. Semakin
berkembang pesatnya teknologi di zaman sekarang ini, setiap perusahaan menginginkan agar
bisa menggunakan teknologi tersebut dalam membuat sebuah perencanaan yang matang untuk
masa depan perusahaannya dari informasi yang telah ada pada perusahaannya. Informasi tersebut
terdiri dari data variabel dan juga data numerik yang telah dikumpulkan, dibagi-bagi, kemudian
diolah menjadi data ringkasan yang berbentuk variabel maupun angka-angka. Dalam pengolahan
data tersebut, setiap perusahaan bisa menggunakan teknologi komputer dari aplikasi yang telah
dibuat oleh Perusahaan Microsoft seperti Microsoft Office Excel dan ada juga aplikasi komputer
yang membantu untuk pengolahan data seperti aplikasi SPSS. Oleh karena itu, kami mencoba
untuk membuat kerangka tulisan ini yang membahas mengenai bagaimana cara penggunaan
aplikasi tersebut dalam pengolahan data yang diinginkan dengan pengetahuan yang kami
dapatkan dari kuliah Statistika Deskriptif dan juga dari berbagai sumber yang kami peroleh baik
dari media internet maupun buku-buku yang membahas tentang penggunaan aplikasi tersebut.
Dalam makalah ini, kami akan membahas materi yang berjudul ”STISTIKA DAN
PROBABILITAS”. Alasan kami memilih judul ini karena kami ingin menambah wawasan
tentang bagaimana data itu tersebar.
1.2 Tujuan
1. Memahami cara menentukan Data-data dalam statistik dan Probabilitas.
2. menunjukan manfaat statistika dan probabilitas dalam kehidupan sehari-hari
3. Untuk memenuhi salah satu tugas ujian MID 2 semester 1 pada mata kuliah Statistika
1.3 Rumusan Masalah
1. Pengertian statistika dan distribusi frekuensi data
2. Probabilitas dan bagian-bagiannya
BAB II
PEMBAHASAN
2.1 STATISTIKA
2.1.1 Pengertian Statistika dan Distribusi Frekuensi
Statistik, secara istilah memiliki arti data yang berupa angka-angka yang dikumpulkan,
ditabulasi, digolong-golongkan sehingga dapat memberikan informasi yang berarti mengenai
suatu masalah atau gejala yang terjadi. Dari kumpulan data yang berupa angka-angka tersebut
terdapat ukuran gejala pusat data yang berguna untuk mengetahui lokasi data dibandingkan
dengan pusat data.
Statistika merupakan ilmu yang mempelajari statistik yaitu ilmu tentang pengumpulan,
pengolahan, penyajian, dan analisis data serta cara pengambilan kesimpulan secara umum
berdasarkan hasil penelitian yang tidak menyeluruh. Ilmu Statistika berguna untuk memberikan
informasi atas gejala perubahan yang terjadi dengan menjelaskan hubungan antar variabel yang
ada, dan juga untuk mengambil keputusan yang lebih baik dari perencanaan yang dilakukan.
Dalam ilmu statistika terdapat istilah distribusi frekuensi. Distribusi frekuensi adalah
penyusunan data ke dalam kelas-kelas tertentu yang sebelumnya data tersebut masih mentah atau
belum dikelompokkan kemudian diatur sedemikian rupa sehingga menjadi data yang sudah
dikelompokkan yang tertata rapih tanpa menghilangkan informasi yang sudah ada. Distribusi
frekuensi terbagi menjadi dua macam yaitu Distribusi Frekuensi Numerical (pengelompokkan
data dengan angka-angka) dan Distribusi Frekuensi Kategorikal (pengelompokkan data
berdasarkan ketegori-kategori tertentu).
Statistik adalah sebagai alat pengolah data angka. Stasistik dapat juga
diartikan sebagai metode/asas-asas guna mengerjakan/memanipulasi data kuantitatif
agar angka berbicara. Pendekatan dengan statistik sering digunakan metode statistik
yaitu metode guna mengumpulkan, mengolah, menyajikan, menganalisis &
menginterpretasikan data statistik. Statistika dapat pula diartikan pengetahuan yang
berhubungan dengan pengumpulan data, pengolahan data, penganalisisan dan
penarikan kesimpulan berdasarkan data dan analisis. Jadi statistik adalah produk dari kerja
statistika.
Ada dua konsep dalam bahasa Inggris.Statistic: nilai yang dihitung dari sebuah
sampel (mean, median, modus, dsb). Statistics: metode ilmiah untuk pengumpulan
data atau kumpulan angka. Dalam bahasa Indonesia, statistik memiliki 3 pengertian
dimuka.
2.1.2.4 Varians
Arti penyebaran berdasarkan jumlah kuadrat simpangan bilangan-bilangan terhadap rata-
ratanya ; melihat ketidaksamaan sekelompok data
2.1.2.5 Deviasi Standar
penyebaran berdasarkan akar dari varians dan menunjukkan keragaman kelompok data.
2.1.3.1 Median
Median adalah salah satu ukuran pemusatan yang sering digunakan. Median dari segugus
data yang telah diurutkan dari yang terkecil sampai yang terbesar atau dari terbesar sampai
terkecil adalah pengamatan yang tepat di tengah-tengah bila banyaknya pengamatan itu ganjil,
atau rata-rata kedua pengamatan yang di tengah bila banyaknya pengamatan genap.
contoh :
Dari lima kali kuiz statistika, seorang mahasiswa memperoleh nilai 82, 93, 86, 92, dan 79.
Tentukan median populasi ini.
jawab: Setelah data disusun dari yang terkecil sampai terbesar, diperoleh
79 82 86 92 93
Oleh karena itu medianya adalah 86
Kada nikotin yang berasal dari sebuah contoh acak enam batang rokok cap tertentu adalah 2.3,
2.7, 2.5, 2.9, 3.1, dan 1.9 miligram. Tentukan mediannya.
jawab: Bila kadar nikotin itu diurutkan dari yang terkecil sampai terbesar, maka diperoleh
1.9 2.3 2.5 2.7 2.9 3.1
Maka mediannya adalah rata-rata dari 2.5 dan 2.7, yaitu
Median = = 2.6
Selain itu juga dapat dicari median dari data yang telah tersusun dalam bentuk distribusi
frekuensi. Rumus yang digunakan ada dua, yaitu
Median = + c
Dimana :
Bbk = batas kelas bawah median
c = lebar kelas
s = Selisih antara nomor frekuensi median dengan frekuensi kumulatif dari kelas-kelas di muka
kelas median
fM = frekuensi kelas median
median = -
Dimana :
Bak=batas kelas atas median
c= lebar kelas
s' = selisih antara nomor frekuensi median dengan frekuensi kumulatif sampai kelas median
fM = frekuensi kelas median
Sebelum menggunakan kedua rumus di atas, terlebih dahulu harus ditentukan kelas yang menjadi
kelas median. Kelas median adalah kelas yang memuat nomor frekuensi median, dan nomor
frekuensi median ini ditentukan dengan membagi keseluruhan data dengan dua.
Perhatikan tabel di bawah ini, kita akan cari median dengan kedua cara diatas
menggunakan kedua rumus di atas didapat:
Kelas F
10 – 19 9
20 – 29 20
30 – 39 26
40 – 49 35
50 – 59 22
60 - 69 17
70 – 79 11
80 – 89 6
90 - 100 4
Jumlah 150
Dengan menggunakan kedua rumus diatas didapa :
Median = 39.5 + 10
= 45.2
Atau
Median = 49.5 - 10
= 45.2
2.1.3.2 Modus
Modus segugus pengamatan adalah nilai yang terjadi paling sering atau yang mempunyai
frekuensi paling tinggi. Modus tidak selalu ada, hal ini bila semua pengamatan mempunyai
frekuensi terjadi yang sama. Untuk data tertentu, mungkin saja terdapat beberapa dengan
frekuensi tinggi, dan dalam hal demikian kita mempunyai lebih dari satu modus.
contoh :
Sumbangan dari warga Bogor pada hari Palang Merah Nasional tercatat sebagai berikut: Rp
9.000, Rp 10.000, Rp 5.000, Rp 9.000, Rp 9.000, Rp 7.000, Rp 8.000, Rp 6.000, Rp 10.000, Rp
11.000. Maka modusnya, yaitu nilai yang terjadi dengan frekuensi paling tinggi, adalah Rp
9.000.
Dari dua belas pelajar sekolah lanjutan tingkat atas yang diambil secara acak dicatat berapa kali
mereka menonton film selama sebulan lalu. Data yang diperoleh adalah 2, 0, 3, 1, 2, 4, 2, 5, 4, 0,
1 dan 4. Dalam kasus ini terdapat dua modu, yaitu 2 dan 4, karena 2 dan 4 terdapat dengan
frekuensi tertinggi. Distribusi demikian dikatakan bimodus.
Sedangkan untuk mencari modus dari data yang telah disusun dalam bentuk distribusi
frekuensi terlebih dahulu ditentukan kelas yang menjadi kelas modus. Kelas Modus adalah kelas
yang mempunyai frekuensi paling tinggi, lalu nilai modus ditentukan menggunkan rumus berikut
ini :
Modus = B1 + C
Sedangkan untuk menghitung Quartile dari data yang telah tersusun dalam bentuk distribusi
frekuensi (grouped data), digunakan rumus berikut.
= +
Jawab : Diperlukan sebuah nilai yang dibawahnya terdapat (75/100) X 50 = 37.5 pengmatan.
Ada 27 pengamatan yang terdapat di bawah 15.5, sehingga masih diperlukan 10.5 diantara 15
pengamatan berikutnya. Sehingga didapat,
= 15.5 + 3
= 17.6
2.1.3.5 Desile
Desile adalah nilai-nilai yang membagi segugus pengamatan menjadi sepuluh bagian
yang sama. Nilai-nilai itu, dilambangkan dengan D1, D2, .....D9, mempunyai sifat bahwa 10%
data jatuh dibawah D1, 20% data jatuh dibawah D2, ..., dan 90% data jatuh dibawah D9.
Contoh : Hitung Desile yang ke-7 D7 untuk data-data yang terdapat pada tabel berikut ini
Jawab : Cara menghitung desile sama persis dengan cara menentukan quartile. Untuk
menentukan D7 bagi distribusi umur aki, harus ditemukan nilai yang dibawahnya terdapat
(70/100) X 40 = 28 pengamtan. Oleh karena nilai ini dapat berup sembarang nilai antara 3.7
tahun dan 3.8 tahun maka, yang diambil adalah rata-ratanya sehingga D7= 3.75 tahun.
Jadi dapat disimpulkan bahwa 70% dari semua aki jenis ini umurnya akan kurang dari 3.75 tahun
.
Sedangkan untuk menghitung desile dari data yang telah tersusun dalam bentuk distribusi
frekuensi (grouped data) digunakan rumus berikut.
Di = Bb + c
2.1.3.6 Persentile
Persentile adalah nilai-nilai yang membagi segugus pengamatan menjadi seratus bagian yang
sama. Nilai-nilai itu, dilambangkan dengan P1, P2,...P99, mempunyai sifat bahwa 1% data jatuh
dibawah P1, 2% data jatuh di bawah P2..., dan 99% data jatuh di bawah P99.
Sedangkan untuk menghitung persentile dari data yang telah tersusun dalam bentuk distribusi
frekuensi (grouped data), digunakan rumus berikut.
Pi = Bb + C
Persentile ke-50, desil ke-5 dan quartil ke-2 suatu distribusi disebut median. Kuartil dan
desil juga merupakan persentil. Misalnya, desil ke-7 adalah persentil ke-70, dan kuartil ke-2
adalah juga persentil ke-50.
2.1.4 Distribusi Frekuensi
Dalam suatu penelitian biasanya dilakukan suatu kegiatan pengumpulan data. Data-data
ini digunakan untuk mendukung penelitian, dimana hasil dari penelitian ini bergantung dari
banyak dan ketepatan data-data yang berhasil dikumpulkan. Untuk memudahkan penggunaan
data-data itu dalam penelitian, data-data itu dapat diringkaskan atau disusun.
Salah satu cara untuk mengatur atau menyusun data adalah dengan mengelompokkan
data-data berdasarkan ciri-ciri penting dari sejumlah besar data, ke dalam beberapa kelas dan
kemudian dihitung banyaknya pengamatan yang masuk ke dalam setiap kelas. Susunan
demikian ini dalam bentuk label, disebut Distribusi frekuensi. Selain itu dapat pula disajikan
dalam bentuk diagram dan grafik.
Berdasarkan jenis data yang digolongkan didalamnya distribusi frekuensi dibagi menjadi
dua yaltu, distribusi frekuensi bilangan (numerical frequency distribution) dan distribusi
frekuensi kategoris (categorical frequency distribution).
Distribusi frekuensi bilangan adalah distribusi frekuensi yang berisikan data berupa
angka-angka, dimana data itu dibagi atas golongan-golongan yang dinamakan kelas-kelas,
menurut besarnya bilangan.
Katagori Banyaknya
Anak-anak 30
Gadis 35
Bersuami 25
Janda 10
Distribusi frekuensi kategoris adalah distribusi frekuensi yang berisikan data bukan
angka, dimana data itu dibagi atas golongan-golongan yang dinamakan kelas-kelas, berdasarkan
sifat lain.
2.1.5 Distribusi Frekuensi Kumulatif
Dalam suatu keadaan yang menjadi titik perhatian mungkin bukan pada banyaknya
pengamatan pada kelas tertentu, tetapi pada banyaknya pengamatan yang jatuh di atas atau di
bawah sebuah nilai tertentu. Distribusi Frekuensi semacan ini dikenal dengan sebagai Distribusi
Frekuensi Kumulatif.
Distribusi Frekuensi Kumulatif terdiri dari dua macam, yaitu distribusi kumulatif kurang
dari dan distribusi kumulatif lebih dari. Distribusi Frekuensi Kumulatif kurang dari menunjukkan
berapa banyaknya frekuensi pengamatan yang menunjukkkan nilai lebih kecil dari sebuah nilai
atau nilai-nilai tertentu. Sedangkan Distribusi Frekuensi Kumulatif lebih dari menunjukkan
berapa banyaknya frekuensi pengamatan yang menunjukkan nilai yang lebih besar dari sebuah
nilai atau nilai-nilai tertentu.
Dari tabel distribusi frekuensi kumulatif diatas ada 18 pengamatan yang mempunyai nilai lebih
dari 3.
2.1.6 Penyajian Grafik
Distribusi frekuensi dapat juga disajikan dalam bentuk grafik. Penyajian grafik yang
sangat luas digunakan bagi data numerik adalah diagram balok seperti gambar dibawah ini.
Penyajian data lainnya adalah berbentuk Histogram. Histogram berbeda dengan Diagram
Balok dala hal sebagai lebar baloknya digunakan batas kelas bukan limit kelas. Untuk beberapa
masalah tertentu akan lebih baik bila sumbu tegaknya menyatakan frekuensi relatif atau
persentase. Grafiknya disebut Histogram Frekuensi Relatif atau Histogram Persentase,
bentuknya persis dengan histogram frekuensi, hanya skala tegaknya berbeda.
Histogram Frekuensi
Biasanya ada kecenderungan bahwa yang menjadi patokan adalah luas dari persegi
panjang tersebut bukan tingginya. Tetapi untuk lebar kelas yang berbeda, tinggi persegi panjang
itu harus dibagi dengan perbandingan lebar yang lebih besar dengan gaya yang lebih kecil. Hal
ini dapat dilihat dalam gambar dibawah ini, karena lebar kelas yang dipakai ada dua lebar kelas,
maka lebar kelas dari 2.5-3.4, lebar kelasnya harus kita bagi dengan lebar kelas lainnya, yaitu
didapat ternyata lebar selang 2.5-3.4 dua kali lebih panjang dari lebar kelas lainnya. Sehingga
tinggi dari kelas 2.5-3.4, harus dibagi 2.
Histogram Frekuensi yang tidak benar dengan lebar kelas yang tidak sama
Histogram Frekuensi yang benar dengan lebar kelas yang tidak sama
Cara lainnya lagi adalah dalam bentuk poligon frekuensi. Poligon frekuensi dibentuk
dengan memplotkan frekuensi kelas terhadap titik tengah kelas dan kemudian menghubungkan
titik-titik yang berurutan dengan garis lurus. Dengan kata lain poligon merupakan bangun bersisi
banyak yang tertutup. Jika frekuensi yang ada dalam bentuk frekuensi relatif, maka disebut
poligon frekuensi relatif atau poligon persentase.
Poligon Frekuensi
Grafik garis lainnya disebut Poligon Frekuensi Kumulatif atau Ogif, didapat dengan
memplotkan frekuensi kumulatif yang lebih kecil daripada batas atas kelas terhadap batas atas
kelasnya.
2.1.7 Kegunaan Statistik
Statistik berfungsi hanya sebagai alat bantu! Peranan statistik dalam penelitian tetap
diletakkan sebagai alat. Artinya, statistik bukan menjadi tujuan yang menentukan komponen
penelitian lain. Oleh sebab itu, yang berperan menentukan tetap masalah yang dicari jawabannya
dan tujuan penelitian itu sendiri.
Statistik dapat berguna dalam penyusunan model, perumusan hipotesis, pengembangan
alat pengambil data, penyusunan rancangan penelitian, penentuan sampel, dan analisis data, yang
kemudian data tersebut diinterpretasikan sehingga bermakna. Hampir semua penelitian ilmiah
dilakukan terhadap sampel kejadian, dan atas dasar sampel itu ditarik suatu generalization. Suatu
generalisasi pasti mengalami error, disinilah salah satu tugas statistikbekerja atas dasar sampel
bukan populasi. Dengan demikian pengujian hipotesis dapat kita lakukan dengan teknik-teknik
statistik.
Dari hasil analisis statistik yang diperoleh berdasarkan perhitungan yang angka-angka
tersebut, sebenarnya belum mempunyai arti apa-apa tanpa dideskripsikan dalam bentuk kalimat
atau kata-kata di dalam penarikan kesimpulan. Jika tidak, maka hasil analisis tersebut tidak akan
bermakna dan hanya tinggal angka-angka yang tidak "berbunyi".
2.2 Probabilitas
Contoh:
Pelamar pekerjaan terdiri dari 10 orang pria (A) dan 15 orang wanita (B). Jika yang diterima
hanya 1, berapa peluang bahwa ia merupakan wanita?
Jawab: P (A) = 15/10+15 = 3/5
2.2.11.2 Pendekatan subyektif
Peluang subjektif adalah sebuah bilangan antara 0 dan 1 yang digunakan seseorang
untuk menyatakan perasaan ketidakpastian tentang terjadinya peristiwa tertentu. Peluang 0
berarti seseorang merasa bahwa peristiwa tersebut tidak mungkin terjadi, sedangkan peluang 1
berarti bahwa seseorang yakin bahwa peristiwa tersebut pasti terjadi.
Definisi ini jelas merupakan pandangan subjektif atau pribadi tentang peluang.
Meski peluang subjektif tidak didasarkan pada suatu eksperimen ilmiah, namun penggunaannya
tetap bisa dipertanggungjawabkan. Dalam menentukan nilai peluang ini, seorang pengambil
keputusan tetap menggunakan prinsip-prinsip logis yang didasarkan pada pengalaman yang
diperolehnya. Seorang pengambil keputusan sudah mengetahui secara nyata apa faktor-faktor
yang mempengaruhi keputusannya sehingga dia bisa memprediksi apa kira-kira yang bakal
terjadi dari keputusan yang diambilnya. Yang masih menjadi pertanyaan adalah apakah peluang
subjektif dapat digunakan untuk keperluan analisis statistika selanjutnya. Kelompok statistika
objektif atau klasik menolak penggunaan peluang subjektif ini, sebaliknya kelompok Bayes
menerimanya. Bukan tujuan kita untuk membahas perdebatan ini, kecuali bahwa penggunaan
peluang subjektif tampak sesuai dalam pengambilan keputusan bisnis. Berbeda halnya dengan
penelitian kimia, pertanian, farmasi, kedokteran atau ilmu eksakta lainnya yang memang harus
menggunakan peluang objektif sebagai dasar analisisnya. Sampai saat ini pengambilan
keputusan berdasarkan peluang subjektif masih dibilang sebagai salah satu tehnik manajerial
yang terbaik.
Contoh “Berapa peluang penjualan barang X bulan depan akan melebihi 50.000 unit jika
dilakukan perubahan kemasan?”. Sudah barang tentu eksperimen tentang pengaruh perubahan
kemasan terhadap volume penjualan dengan pengulangan yang sangat besar jarang dilakukan
bahkan tidak pernah dilakukan. Meski menggunakan data penjualan bulanan bukan sesuatu yang
musthail, akan tetapi tidaklah efisien jika perusahaan selalu merubah kemasan setiap bulannya
hanya untuk meningkatkan volume penjualan. Olehkarena itu, biasanya seorang manajer
menggunakan intuisi atau perasaannya dalam menentukan nilai peluang ini. Jadi tidaklah heran
jika seorang manajer menyatakan “peluang terjualnya barang X melebihi 50.000 unit pada bulan
depan adalah 0,40”.
2.2.11.3 Pendekatan Frekuensi Relatife
Nilai probabilitas/peluang ditentukan atas dasar proporsi dari kemungkinan yang dapat
terjadi dalam suatu observasi/percobaan (pengumpulan data).Jika sebuah eksperimen dilakukan
sebanyak N kali dan sebuah peritiwa A terjadi sebanyak n(A) kali dari N pengulangan ini, maka
peluang terjadinya peristiwa A dinyatakan sebagai proporsi terjadinya peristiwa A ini.
Contoh:
Dari hasil penelitian diketahui bahwa 5 orang karyawan akan terserang flu pada musim dingin.
Apabila lokakarya diadakan di Puncak, berapa probabilitas terjadi 1 orang sakit flu dari 400
orang karyawan yang ikut serta?
Jawab: P (A) = 5/400 = P (A) = 1/80
Probabilitas disajikan dengan symbol P, sehingga P(A) menyatakan probabilitas bahwa
kejadian A akan terjadi dalam observasi atau percobaan tunggal, dengan 0 ≤ P(A) ≤ 1.
Dalam suatu observasi/percobaan kemungkinan kejadian ada 2, yaitu “terjadi (P(A)) atau “tidak
terjadi” (P(A)’), maka jumlah probabilitas totalnya adalah P(A) + P(A)’ = 1
b. P(2 lulus uji) = P(K1 dan K2 dan K3’)+P(K1 dan K2’ dan K3)+P(K1 dan K2 dan K3’)
= (0.95 x 0.95 x0.05) + (0.09 x 0.05 x 0.95 + (0.05 x 0.95 x 0.95)
= 0.14
c. P(tidak ada yang lulus uji) = P(K1’ dan K2’ dan K3’)
= 0.05 x 0.05 x 0.05
= 0.000125
2.2.14 Teorema bayes
Hubungan antara probabilitas terjadinya suatu peristiwa (A) dengan syarat peristiwa lain
telah terjadi, dan probabilitas terjadinya peristiwa (X) dengan syarat peristiwa A telah terjadi.
Demikianlah penulisan makalah ini yang telah kami buat. Dari hasil pembahasan yang
telah penulis bahas pada makalah ini maka dapat kita ambil kesimpulan dan rekomendasi.
3.1. Kesimpulan
Dispersi data adalah ukuran penyebaran suatu kelompok data terhadap pusat data.
Memiliki Jenis ukuran :
Dispersi Mutlak : Jangkauan (range), Simpangan rata-rata (mean deviation), Variansi (variance),
Standar deviasi (standard deviation), Simpangan kuartil (quartile deviation)
Dispersi Relatif : Koefisien variasi (coeficient of variation).
Pentingnya kita mempelajari dispersi data didasarkan pada pertimbangan.
Pertama, pusat data seperti rata-rata hitung, median dan modus hanya memberi informasi yang
sangat terbatas, sehingga tanpa disandingkan dengan dispersi data kurang bermanfaat dalam
analisis data.
Kedua, dispersi data sangat penting untuk membandingkan penyebaran dua distribusi atau lebih.
Perlu dicermati bahwa peristiwa saling bebas tidak sama dengan peristiwa eksklusif.
Dalam konsep teori himpunan, peristiwa saling eksklusif tidak mempunyai ruang sample yang
mengandung titik yang sama (irisan), sedangkan dalam peristiwa saling bebas dua peristiwa A
dan B akan memiliki titik yang sama jika A dan B mempunyai peluang yang tidak nol.
3.2. Saran
Dalam kehidupan sehari – hari bahwa penggunaan aplikasi microsoft Excel dan juga
SPSS dapat memberikan manfaat yang besar bagi suatu organisasi perusahaan maupun
pendidikan yaitu waktu dapat menjadi lebih efisien ketika melakukan pengolahan data mentah
menjadi data berkelompok yang nantinya menjadi informasi bagi organisasi tersebut dalam
menentukan keputusan yang lebih baik di masa yang akan datang. Sebaliknya, jika sebuah
organisasi perusahaan maupun pendidikan masih menerapkan penghitungan manual dalam
pengolahan data statistik, maka waktu yang ada menjadi kurang efisien dan pengerjaan dalam
mengolah data menjadi kurang efektif.
Dan juga bila dibandingkan hasil dari pengolahan data secara manual dengan hasil
pengolahan data secara otomatis yaitu dengan aplikasi microsoft excel dan SPSS, akan
memperoleh hasil yang berbeda dari keduanya. Tingkat keakuratan pengolahan data secara
otomatis lebih mendekati kebenaran daripada pengolahan data secara manual.
Perlu dicermati bahwa peristiwa saling bebas tidak sama dengan peristiwa eksklusif.
Dalam konsep teori himpunan, peristiwa saling eksklusif tidak mempunyai ruang sample yang
mengandung titik yang sama (irisan), sedangkan dalam peristiwa saling bebas dua peristiwa A
dan B akan memiliki titik yang sama jika A dan B mempunyai peluang yang tidak nol.