STATISTIKA

Penyajian Data
 KELOMPOK 1

FEBE J. GRACELLA FITRIA HANDAYANI RAFIQ WAHYU N. SHARAH P. HANY

(10) (11) (19) (22)
Dot Plot

Dotplot adalah
grafik di mana setiap
nilai data diplot
sebagai titik (atau
dot) sepanjang skala
nilai horizontal. Titik-
titik yang bertumpuk
mewakili nilai yang
sama.
Stemplots
(Stem & Leaf)

Mewakili data
kuantitatif dengan
memisahkan setiap
nilai menjadi dua
bagian: stem dan
leaf
 Bar Chart
Bar Chart atau Diagram Batang adalah model penyajian
data dalam statistika yang memberikan informasi
menggunakan batang dengan lebar yang sama untuk
memperlihatkan frekuensi kategori kategoris (atau
kualitatif) data.
Skala vertikal mewakili frekuensi atau frekuensi relatif.
Skala horizontal mengidentifikasi berbagai kategori data
kualitatif. Bilah mungkin atau mungkin tidak dipisahkan
oleh celah kecil. Beberapa grafik batang memiliki dua
atau lebih
set bar dan digunakan untuk membandingkan dua atau
lebih set data.
 Perbedaan
Bar Chart,
Pareto Chart,
dan Histogram
 Pie Chart

Pie Chart atau Diagram Lingkaran adalah model

penyajian data dalam statistika yang memberikan
informasi dengan menggambarkan data kategoris
sebagai irisan lingkaran, di mana ukuran setiap irisan
sebanding dengan jumlah frekuensi untuk kategori
tersebut.
 POLIGON
FREKUENSI
Poligon frekuensi adalah diagram dari data yang disajikan
dalam bentuk tabel distribusi frekuensi

Poligon frekuensi mirip dengan histogram

Poligon frekuensi bisa berbentuk grafik garis ataupun

diagram pie yang menghubungkan nilai tengah dari setiap
interval kelas.
Cara membuat :
1. Tentukan nilai tengah 2. Gambar grafik poligon frekuensi
Nilai tengah dapat dicari dengan
cara menjumlahkan tepi bawah
dengan tepi atas dari setiap interval
kelas. Kemudian, hasil yang didapat
dibagi dua.

Pada tabel misalnya, 50+69 = 119, 119 : 2 = 59,5 dst

 POLIGON FREKUENSI RELATIF
Jenis polygon ini digunakan saat seseorang mencoba membandingkan 2 kumpulan data

Poligon frekuensi relatif antara high lead group dan low lead group menunjukkan bahwa
high lead group umumnya memiliki skor IQ yang lebih rendah daripada low lead group
 OGIVE
Ogive : bentuk penyajian data dalam
grafik berdasarkan data yang sudah
disusun dalam bentuk tabel distribusi
frekuensi kumulatif
Bentuk ogive seperti poligon, sering
disebut poligon distribusi frekuensi
kumulatif
Grafik ogive berdasarkan tabel
distribusi frekuensi kumulatif seperti
”kurang dari” atau ”lebih dari”
Jenis ogive : ogive positif dan negatif
Cara membuat : (Ogive Positif)
Tentukan batas atas kelas
Batas atas kelas diperoleh dengan
cara menambahkan nilai tertinggi
pada kelas tersebut dengan 0,5
Tentukan frekuensi kumulatif
Caranya dengan menjumlahkan
frekuensi kelas dan semua kelas
sebelumnya. Misalnya pada skor
kurang dari 90, frekuensi
kumulatifnya 2+33 = 35 ; dst
Gambar grafik Ogive
Selanjutnya, pasangkan data yang
sesuai antara data nilai batas atas
setiap kelas dan frekuensi kurang
dari.
Cara membuat : (Ogive Negatif)
Tentukan batas data dan frekuensi kumulatif
Langkah-langkahnya hampir sama dengan membuat ogive postif
Perbedaannya terletak pada batas data kelas dan frekuensi kumulatif yang
digunakan
Pada ogive negatif menggunakan batas bawah kelas dan frekuensi
kumulatifnya ”lebih dari”
Misalnya : frekuensi kumulatif lebih
dari 70,5 maka 2+4+12+13+6+3 = 40
Gambar ogive negatif
 Box-Plot (Box and Whisker Plot)
Box-Plot atau Box and Whisker Plot atau Diagram Kotak
Garis adalah model penyajian data dalam statistika
yang memberikan informasi mengenai persebaran data
yang ada yaitu nilai minimum, kuartil bawah, median,
kuartil atas, dan nilai maksimum.

Selain itu, keberadaan outliers atau data yang terlalu

ekstrim (menyimpang terlalu jauh) dari suatu rangkaian
data dapat terdeteksi dengan menggunakan penyajian eksplorasidata.mipa.ugm.ac.id
berupa Box-Plot. /2021/08/16/boxplot/
Bagaimana cara membuat Box-Plot?
1. Hitung nilai minimum, kuartil bawah, median, kuartil atas, dan nilai maksimum
2. Buat skala dengan nilai yang mencakup data minimum dan maksimum
3. Buat persegi dari Q1 sampai Q3, gambar garis di dalam persegi pada nilai Q2
4. Gambar garis dari bagian luar persegi ke nilai minimum dan maksimum

Mario F. Triola-Essentials of Statistics 5th Edition-Pearson (2015)

Contoh perbandingan beberapa rangkaian data menggunakan Box-Plot

Mario F. Triola-Essentials of Statistics 5th Edition-Pearson (2015)

STATISTIKA

PEMUSATAN
DATA
MAP 4-02 | KELOMPOK 2
 Meet Our Team

Alivia Nur A. Galuh Ajeng Dinda Ari Shasita

(4111210002) (4111210021) (4111210004)

Ghozi Akhyarul I. Tasdik M. Taufik Wahyu H.

(4111210047) (4111210025) (4111210027)
 1 Mean, Median, Modus, dan
Kuartil

ISI 2 Varians dan Standar

PRESENTASI Deviasi

3 Koefisien Variansi
1.
Mean, Median,
Modus, dan Kuartil
 MEAN / RATA-RATA
>> Ukuran pusat data yang ditemukan dengan
menjumlahkan nilai data (x) dan membagi total dengan
jumlah nilai data (n).
Rumus
Contoh
Hal-hal Penting terkait Mean
Sumber : google.com
Rata-rata sampel yang diambil
populasi yang sama cenderung
kurang bervariasi dari yang lain.

Rata-rata kumpulan data

menggunakan setiap nilai data.

Kekurangan dari rata-rata

adalah bahwa hanya satu
nilai ekstrim (outlier) saja dapat mengubah nilai rata-rata secara substansial.
10 11 12 >> 11
10 11 54 >> 25
 MEAN DARI DISTRIBUSI FREKUENSI
Rumus
CONTOH

Hasil dari x = 92,3 merupakan perkiraan karena didasarkan pada penggunaan class
nilai titik tengah, bukan daftar asli skor IQ penuh. Rata-rata (x) = 92,9 ditemukan dengan
menggunakan semua skor IQ lengkap asli adalah hasil yang lebih baik.
KETIKA NILAI DATA (X) YANG BERBEDA DIBERI
BOBOT (W) YANG BERBEDA, MAKA DAPAT
CALCULATING A
MENGHITUNG RATA-RATA TERTIMBANG
WEIGHTED
MEAN

CONTOH SOAL

Seorang mahasiswi mengambil 5 matkul. Nilai akhir

beserta jumlah sks tiap matkul adalah:
A (3 sks), A (4 sks), B (3 sks), C (3 sks), dan F (1 sks).

Sistem penilaian menetapkan poin kualitas untuk nilai

huruf (X):
A=4, B=3, C=2, D=1, F=0

Angka kredit (sks) sebagai bobot (W); Hasilnya adalah nilai rata-rata semester pertama
W=3,4,3,3,1. mahasiswi tersebut 3,07.
 MEDIAN, MODUS, MIDRANGE
Median
Urutkan data kemudian ikuti 2
prosedur berikut:
1. Jika jumlah data ganjil,
median ada tepat di
tengah
2. Jika jumlah data genap,
median dihitung dari mean
dua data yang ditengah
Modus Midrange
Nilai yang terjadi dengan Nlai tengah antara nilai
frekuensi terbanyak. maksimum dan minimum dari
1. Bimodal: ada 2 nilai data kumpulan data.
dengan frekuensi terbesar
dan sama
2. Multimodal: lebih dari 2
3. No mode
 RANGE
range atau jangkauan adalah perbedaan antara nilai tertinggi dan
terendah dalam sebuah himpunan data.
 Range data tunggal

CONTOH SOAL
 CONTOH SOAL
Range data kelompok

Tentukan range dari data pada tabel berikut Jawaban

1. tentukan nilai tengah dari tiap tiap
interval
 CONTOH SOAL
Range data kelompok
Jawaban

2. tentukan range dari nilai tengah terbesar dan terkecil

2.
Varians dan Standar
Deviasi
 Formula 3.4 STANDAR DEVIASI
SAMPEL
Dilambangkan dengan s
Formula 3.5 Standar deviasi adalah ukuran berapa banyak nilai
data yang menyimpang jauh dari rata-rata
Nilai standar deviasi s biasanya positif.

MEMBANDINGKAN
Bandingkan dua
STANDAR DEVIASI standar deviasi
DALAM SAMPEL sampel hanya jika
rata-rata sampel
YANG BERBEDA kira-kira sama.

STANDAR DEVIASI
POPULASI
CONTOH SOAL Carilah standar deviasi dari jumlah keping
cokelat ini: 22, 22, 26, 24. (Empat hitungan
keping pertama untuk kue Chips Ahoy)

Formula 3.4
CONTOH SOAL Carilah standar deviasi dari jumlah keping
cokelat ini: 22, 22, 26, 24. (Empat hitungan
keping pertama untuk kue Chips Ahoy)

Formula 3.5
 MENAFSIRKAN NILAI STANDAR
DEVIASI YANG DIKETAHUI

RANGE RULE CONTOH SOAL

OF THUMB 40 chocolate chip Chips Ahoy (biasa) rata-ratanya 24,0
UNTUK chocolate chip dan standar deviasinya adalah 2,6
chocolate chip. Tentukan apakah kue dengan 30
PEMAHAMAN keping coklat itu "tidak biasa".

STANDAR
DEVIASI
Karena 30 jatuh di atas nilai "biasa" maksimum, kita
dapat menganggapnya sebagai kue dengan jumlah
keping coklat yang luar biasa tinggi.
 MEMPERKIRAKAN NILAI STANDAR
DEVIASI

RANGE RULE CONTOH SOAL

OF THUMB 40 jumlah chocolate chip untuk kue kering Chips
UNTUK Ahoy (biasa) memiliki nilai minimal 19 dan maksimal
30.
PEMAHAMAN
STANDAR
DEVIASI Nilai standar deviasi sebenarnya adalah s = 2,6 chip,
jadi estimasinya adalah 2,75 chip cukup dekat. Karena
perkiraan ini hanya didasarkan pada nilai minimum
dan maksimum, umumnya perkiraan kasar yang
mungkin meleset cukup jauh.
 VARIANS
ukuran statistik tentang seberapa tersebar titik-titik data
dalam sampel atau kumpulan data. semakin besar nilai
dari varians data maka semakin bervariasi data data
tersebut
RUMUS VARIANS
CONTOH SOAL VARIANS DATA TUNGGAL
CONTOH SOAL VARIANS DATA KELOMPOK
WHY IS SAMPLE STANDARD
DEVIATION DEFINED AS
Begin with individual member's deviation
For a particular data value x, the amount of
deviation is
Sum of doesn't work so
put the absolute values be
 2
WHY DIVIDE BY N − 1?
All deviations are squared to make them nonnegative, then divided
by n - 1 because there are only n - 1 independent values.
Division by n - 1 yields a better result than division by n, as it
causes the sample variance to target the value of the population
variance.
3 HOW DO WE MAKE SENSE OF A
VALUE OF STANDARD DEVIATION?
1
standard
To estimated value of
WHY NOT USE THE MAD INSTEAD deviation, we can use the range rule of
OF THE STANDARD DEVIATION?
thumb, the empirical rule, or

Algebraic difficulties in inferential Chebyshev's theorem.

methods of statistics and because it is
a biased estimator.
3.
Koefisien Variansi
 COEFFICIENT OF VARIATION (CV)

Jika rata-rata berbeda secara substansial, atau jika sampel

menggunakan skala atau unit pengukuran yang berbeda,
kita dapat menggunakan koefisien variasi.

Definisi

Koefisien Variasi (CV):

Ukuran keragaman/variasi dari suatu kelompok data.
Perbandingan antara Standar Deviasi (s) dengan nilai
rata-rata (x bar).
Koefisien variasi biasa dinyatakan dengan persentase.

 CONTOH SOAL
(CHOCOLATE CHIP COOKIES
AND COKE)

Bandingkan variasi jumlah chocolate chip pada cookies Chips Ahoy (reguler) dengan berat minuman soda!
Berdasarkan data sampel,
Cookies, x= 24,0 keping, s= 2,6 keping
Coke, x= 0,81682 lb, s= 0,00751 lb.

Meskipun Standar Deviasi 2,6 keping cokelat tidak dapat dibandingkan dengan Standar Deviasi 0,00751 lb
soda, kita dapat membandingkan koefisien variasi yang tidak memiliki satuan.
CV chocolate chips 10,8% > CV minuman soda 0,9%. Artinya, variasi yang lebih banyak pada chocolate chips
tidak berpengaruh besar. Berbeda dengan minuman soda yang variasinya kecil maka lebih bagus karena
menandakan seluruh kaleng minuman soda beratnya relatif sama. Hal ini tidak akan merugikan konsumen.
 QUARTILES
Kuartil adalah ukuran lokasi, dilambangkan Q1, Q2, dan Q3,
yang membagi satu set data yang sudah diurutkan menjadi
empat kelompok dengan sekitar 25% dari nilai di setiap
kelompok.
CONTOH
SOAL
Jangkauan = Xmax - Xmin
= 30 - 19 = 11
Banyak Kelas = 1 + (3,3) log n
= 1 + (3,3) log 40
= 1+ (3,3) (1,60205999133)
n = 40 = 6,286797979
=6
Panjang Kelas = Jangkauan : Banyak Kelas
= 11 : 6
= 1,8333
=2
MENCARI LETAK -> Q1
Q1, Q2, DAN Q3
-> Q2
-> Q3
MENCARI Q1, Q2, DAN Q3
Terima
kasih!
Ada
Pertanyaan ?
 53% 4
7.802
12

5.76 Kon sep Dasar

Peluang ? ?
53%

4 53%
12 425
0.3
 36%
2 OUR TEAM 2
4
16 12
16

53% 4.374 53%

53%
?? 4 53% ?? 4 53%
12
??
7.802 12

??
Camelia Nu
4
??
Aida Kusum r Adiningsih
a Dewi
4
02/4111210 08/4111210
12
001 007
4
97% 12
Adel Liana Putri
7.802 12
7.802
Khadiva Lych
01/4111210003 Bintang Putri Shole eeka Y.E
hah 16/411121003
07/4111210009 5
 26% 45
0.6

Lesson Outline
Here's an overview of today's lesson.

Konsep dasar kejadian 3

Konsep dasar peluang (klasik dan 15
distribusi frekuensi)
Aturan penambahan dan Perkalian
Konsep Dasar Distribusi peluang diskrit

0.3425 74%
 4.374 4
36%
Basic Concept of Probability 12
Event: Setiap kejadian atau hasil dari suatu kejadian
Simple Event: Hasil atau suatu peristiwa yang tidak bisa berlanjut menjadi
komponen yang lebih sederhana
Sample Space: Ruang sampel yang terdiri dari semua hasil yang dimaksud

4
 56%
Notation for Probabilities
3.549
6
48

1. Pendekatan Frekuensi Relatif, melakukan atau

mengamati prosedur dan menghitung berapa kali
peristiwa A benar-benar terjadi
2. Pendekatan Klasik, mengasumsikan bahwa prosedur
tertentu memiliki n peristiwa sederhana yang berbeda
dan masing-masing peristiwa sederhana tersebut
memiliki peluang yang sama untuk terjadi.
3. Subjective Probability P(A), probabilitas peristiwa A
diperkirakan dengan menggunakan pengetahuan
tentang keadaan yang relevan

7
38%
14
 32% 0.6281

Note: smoker and not smoker is not equally likely

37% 4
24

Note: the subject is randomly selected,

each test result is equally likely
6.392
 4.374 4
36%
Law of Large Numbers 12

Ketika suatu prosedur diulang lagi dan lagi, probabilitas frekuensi relatif dari suatu
peristiwa cenderung mendekati probabilitas aktual. Dengan hukum ini, pendekatan
frekuensi relatif cenderung menjadi lebih baik dengan lebih banyak pengamatan.
Jumlah percobaan yang sangat besar, perkiraan cenderung jauh lebih akurat.

Probability and Outcomes That Are Not Equally Likely: Ketika kita tidak tahu
apa-apa tentang kemungkinan hasil yang berbeda, kita tidak dapat selalu
berasumsi bahwa mereka sama-sama mungkin.

??
4
 Probability Interpreting Unlikely: Small probability (seperti 0,05 atau kurang)

Probabilities
Limits
Unusual: Extreme result (jumlah hasil dari jenis tertentu jauh di

bawah atau jauh di atas nilai tipikal)

0 = peluang peristiwa tidak mungkin terjadi

1 = peluang peristiwa yang pasti terjadi

0 ≤ P(A) ≤ 1, untuk setiap peristiwa A,

probabilitas A adalah antara 0 dan 1

Nilai probabilitas, sebaiknya dalam bentuk desimal

dengan pengukuran sampai tiga angka yang signifikan
supaya jumlahnya dapat lebih dipahami
 36%
Complementary
4.374
Events (Ā)
4
12
Komplemen peristiwa A, dilambangkan dengan Ā, terdiri 97%
dari semua hasil di mana peristiwa A tidak terjadi.
5.76 4
12

??
2 53%
16
7.802
 36% 4.374

Beyond the Basics of Probability: Odds 4

12
Ekspresi kemungkinan sering diberikan sebagai peluang, seperti 50:1 (50 banding 1)
- The actual odds against event A, yang terjadi adalah rasio P(Ā) > P(A), biasanya
dinyatakan dalam bentuk a:b (a ke b), di mana a dan b adalah bilangan bulat yang
tidak memiliki faktor umum
- The actual odds in favor of event A, yang terjadi adalah rasio P(A) > P(Ā), yang
merupakan kebalikan dari peluang aktual terhadap peristiwa itu. Jika odds terhadap A
adalah a:b, maka odds yang mendukung A adalah b:a
- The payoff odds against event A, yang terjadi adalah rasio laba bersih (jika Anda
menang) dengan jumlah taruhan

𝑃𝑎𝑦𝑜𝑓𝑓𝑠 𝑜𝑑𝑑𝑠 𝑎𝑔𝑎𝑖𝑛𝑡𝑠 𝑒𝑣𝑒𝑛 𝐴 = 𝑛𝑒𝑡 𝑝𝑟𝑜𝑓𝑖𝑡 : (𝑎𝑚𝑜𝑢𝑛𝑡 𝑏𝑒𝑡)

4
 36% 4.374

Beyond the Basics of Probability: Odds

4
12

4
 4.374 4
36%
Addition Rule 12
Addition rule merupakan konsep untuk menemukan P(A or B), yaitu peluang
kejadian A atau B.

P(A or B) = P(A ∪ B)
dimana P di dalam satu percobaan, terjadi kejadian A, terjadi kejadian B,
atau terjadi keduanya
= P (A) + P (B) - P (A ∩ B)

4
 4.374 4
36%
Contoh Addition Rule 12

Jika ada 1 subject yang dipilih secara acak dari 1000 subject yang mengikuti drug
screening, berapa peluang terpilihnya subject yang mempunyai hasil tes yang positif
atau menggunakan narkoba?

penyelesaian:
P(A ∪ B) = P (A) + P (B) - P (A ∩ B)
= (134/1000) + (50/1000) - (44/1000)
= 140/1000

4
= 0.140
 .374
44.374 44
3366%%
12
12
Bagaimana jika peristiwanya saling lepas (disjoint)
Artinya, peristiwa tidak terjadi di satu waktu atau tumpang tindih (mutually exclusive),
sehingga P (A ∩ B) = 0
Disjoint Event: kita tidak dapat menggunakan mobil dan motor untuk berangkat ke
kampus pada waktu yang bersamaan
Not Disjoint Event: event A memilih mahasiswa yang suka olahraga, event B memilih
mahasiswa yang berjeniskelamin laki-laki

44
 .374
44.374 44
3366%%
1122
Komplemen dan Addition Rule
Komplemen peristiwa A, dilambangkan dengan Ā, terdiri dari semua hasil di mana peristiwa A
tidak terjadi.

P(A or Ā) = 1
P(A or Ā) = P(A) + P(Ā) - P(A ∩ Ā ) = 1 (pasti disjoint)
P(A or Ā) = P(A) + P(Ā) - 0 = 1

P(A) + P(Ā) = 1:
P(A) = 1 - P(Ā)
P(Ā) = 1 - P(A)

44
Aturan perkalian
Aturan perkalian dasar yang
digunakan untuk mencari
P(Adan B), yaitu probabilitas
kejadian A terjadi dan
kejadian B terjadi.

P(A dan B) = P (A). P(B)

 Independent events
P (A dan B) = P (A) . P (B)

contoh peristiwa independent :

1. Dua peristiwa yang tidak berhubungan
contoh : Budi membaca, kucing mengeong
2. kejadian yang diulang - ulang

Dependent events
P (A dan B) = P (A) . P (B I A)
contoh peristiwa dependent :
Peristiwa pengambilan kelereng dari sebuah kotak tanpa
pengembalian
Contoh soal
The 50 test results from the subjects who use drugs
Positive test results = 44
Negative test results = 6
Total results = 50

If 2 of the 50 subjects are randomly selected with replacement, find the

probability that the first selected person had a positive test result and the
second selected person had a negative test result.

𝑃 𝑝𝑜𝑠𝑖𝑡𝑖𝑣𝑒 𝑡𝑒𝑠𝑡 𝑟𝑒𝑠𝑢𝑙𝑡𝑠 =

44/50
𝑃 𝑛𝑒𝑔𝑎𝑡𝑖𝑣𝑒 𝑡𝑒𝑠𝑡 𝑟𝑒𝑠𝑢𝑙𝑡𝑠 =
6/50
𝑃 1𝑠𝑡 𝑝𝑜𝑠𝑖𝑡𝑖𝑣𝑒 𝑎𝑛𝑑 2𝑛𝑑 𝑛𝑒𝑔𝑎𝑡𝑖𝑣𝑒 =
44/50 𝑥 6/50 = 0.106
Contoh soal
The 50 test results from the subjects who use drugs
Positive test results = 44
Negative test results = 6
Total results = 50

If 2 of the 50 subjects are randomly selected without replacement, find

the probability that the first selected person had a positive test result and
the second selected person had a negative test result.

𝑃 𝑝𝑜𝑠𝑖𝑡𝑖𝑣𝑒 𝑡𝑒𝑠𝑡 𝑟𝑒𝑠𝑢𝑙𝑡𝑠 =

44/50
𝑃 𝑛𝑒𝑔𝑎𝑡𝑖𝑣𝑒 𝑡𝑒𝑠𝑡 𝑟𝑒𝑠𝑢𝑙𝑡𝑠 =
6/50
𝑃 1𝑠𝑡 𝑝𝑜𝑠𝑖𝑡𝑖𝑣𝑒 𝑎𝑛𝑑 2𝑛𝑑 𝑛𝑒𝑔𝑎𝑡𝑖𝑣𝑒 =
44/50 𝑥 6/(50 - 1) = 0.108
 32% 6281
0.

Multiplication: Complements
and Conditional Probability
Complements: The Probability of
“At Least One” 4
Conditional Probability 24
Intuitive Approach to Conditional
Probability
Confusion of the Inverse

6.392 37%
 36%
Complements:
4 The
.374
Probability
4
12
of “At Least One” 97%

5.76
Probability of “at least one” yaitu peluang untuk mendapatkan
setidaknya satu dari beberapa kejadian yang diinginkan dalam4

??
beberapa kali percobaan. 12

Ketika mencari peluang suatu peristiwa terjadi setidaknya satu

kali, lebih baik memulai dengan mempertimbangkan peristiwa

53%
yang berlawanan. "Setidaknya satu" berarti minimal satu kali,
2 dan lawannya adalah jika peristiwa tersebut tidak terjadi sama
16 sekali. Jika tidak mendapatkan setidaknya satu kali kejadian A,

7.8 0 2 maka kejadian A tidak terjadi sama sekali.

 4.374 4
36%
12

4
Conditional Probability
Conditional Probability yaitu peluang yang diperoleh dengan informasi

??
tambahan bahwa suatu peristiwa lain telah terjadi. Contohmya, peluang
seorang pemain golf melakukan hole in one adalah 1/12.000 (based on
past results), tetapi jika kita memiliki pengetahuan tambahan bahwa
pemain golf yang dipilih adalah seorang profesional, peluangnya
berubah menjadi 1/2.375 (berdasarkan data dari USA Today).
 Intuitive Approach 5 to

?
32%
Conditional
?
0 Probability
.645 15

Mencari P(B|A)
Probabilitas bersyarat dari B yang terjadi dengan
asumsi bahwa A telah terjadi, dapat dicari
dengan mengasumsikan bahwa peristiwa A telah
terjadi dan kemudian menghitung probabilitas
bahwa peristiwa B akan terjadi.

425 3 5
0.3 64% 0.978
10
 Solution

a) b)
 Confusion of
the Inverse
Pada contoh sebelumnya, P (positive test result | subject
uses drugs) ≠ P (subject uses | drugs positive test result).
Contoh ini membuktikan bahwa secara umum P (B | A) ≠
P (A | B). Salah mengira bahwa P(B | A) dan P(A | B)
adalah sama disebut dengan confusion of the inverse.

Permutation and Combination

Perhitungan permutasi memperhatikan urutan dimana item-
item yang urutannya berbeda dihitung secara terpisah.
Contoh: Huruf {A,B,C}, maka kejadian {A,B,C}, {A,C,B},
{B,A,C}, {BCA}, {C,A,B}, dan {C,B,A} dihitung sebagai 6 item
yang berbeda dan berdiri sendiri

Perhitungan kombinasi tidak memperhatikan urutan dimana

item-item yang urutsnnys berbeda dihitung secara terpisah.
Contoh: Huruf {A,B,C}, maka kejadian {A,B,C}, {A,C,B},
{B,A,C}, {BCA}, {C,A,B}, dan {C,B,A} dihitung sebgai item
yang sama
Fundamental Counting Rule
m . n = adalah jumlah cara dari dua kejadian bisa terjadi. Misalkan kejadian pertama bisa
terjadi sebanyak m cara dan kejadian kedua isa terjadi sebanyak n cara
contoh =Komputer biasanya didesain dengan unit yang paling dasar dari sebuah informasi
adalah bit (atau binary digit) yang merepresentasikan 0 atau 1. Huruf, digit, simbol, tanda
baca direpresentasikan sebagai byte, yang merupakan urutan 8 bit yang tersusun dalam
susuanan tertentu. Contohnya, ASCII coding system melambangkan huruf A sebagai
01000001 dan nomor 7 dengan 00110111. Berapa banyak karakter yang berbeda apabila
semuanya dilambangkan dalam betuk bytes?
Factorial Rule
n! = jumlah mutasi yang berbeda dari n item yang berbeda ketika semua n item
dipilih.

Contoh:
Kuis sejarah memiliki satu pertanyaan dimana siswa diminta untuk mengatur
presiden berikut dalam urutan kronologis : Hayes, Taft, Polk, Taylor, Grant,
Pierce. Jika seorang siswa tidak siap membuat tebakan acak, berapa peluang
memilih urutan kronologis yang benar?
Permutations Rule ( When Some
Items Are Identical to Others)
Contoh:
Di lapangan terdapat 20 kuda. jika petaruh secara acak
memilih dua kuda itu untuk taruhan, berapa peluang
menang dengan memilih super saver dan memilih ice box
untuk finish kedua?
 Permutations Rule

(When Some Items Are Identical to Others)

Number of different permutations (order counts) when n items are
available and all n are selected without replacement, but some of the
items are identical to others:
n1 are alike, n2 are alike, . . . , and nk are alike

Example:
If the 10 letters {a, a, a, a, b, b, c, c, d, e} are available and all 10 of
them are to be selected without replacement, the number of different
permutations
 Combination Rule
Jumlah kombinasi yang berbeda (urutan tidak dihitung) ketika n item yang
berbeda tersedia, tetapi hanya r dari mereka yang dipilih tanpa penggantian.
Contoh:
Dalam Pertandingan Pennsylvania, untuk memenangkan
jackpot Anda harus memilih 6 nomor berbeda dari 1 hingga
49, dan enam angka yang sama harus ditarik dalam lotre.
Nomor pemenang dapat ditarik dalam urutan apa pun,
sehingga urutan tidak membuat perbedaan. Temukan Jadi ketika Anda
probabilitas memenangkan jackpot saat satu tiket dibeli memilih satu kombinasi
dari 6 angka,
probabilitas Anda untuk
menang adalah
1/13.983.816
Discrete Probability
Distribution
What to learn?
Topic berapa angka kelahiran bayi perempuan dalam keluarga yang
jumlah kelahirannya sebesar dua anak?

chapter 2 & 3
populasi -> sampel -> statistik
-> x̄ dan s -> µ dan σ

chapter 4
probabilitas kejadian -> parameter
-> µ dan σ

hubungan statistika dan probabilitas

Terms and Definitions in Probability
Distribution
Random Variable adalah sebuah variabel yang bentuknya
berupa angka yang mewakili setiap outcome dari sebuah proses
dimana random variable ini bisa ditentukan probabilitasnya
Probability Distribution adalah sebuah tabel/grafik/bentuk
lainnya yang menampilkan informasi probabilitas atas semua
random variable yang ada.
Discrete Random Variable Continious Random Variable
adalah kumpulan random adalah kumpulan random
variable yang jumlahnya variable yang jumlahnya tidak
terbatas dan bisa dihitung terbatas dan tidak bisa dihitung
Requirements of Probability Distribution
Ada random variable (outcome/kejadian dari sebuah
prosesnya tersaji dalam bentuk angka) dan bisa diasosiasikan
dengan probabilitas

ΣP(x) = 1 (setiap probabilitas atas semua kejadian/outcome

jika ditambah hasilnya akan jadi satu)

0 ≤ P(x) ≤1 (setiap probabilitas atas semua

kejadian/outcome jika ditambah hasilnya akan jadi satu)
Example 1: Is it A Probability Distribution?
Outcome/Kejadiannya tidak
dalam bentuk angka jadi tidak ada
random variable0nya

ΣP(x) = 1 (0,41 + 0,52 + 0,07 = 1)

0 ≤ P(x) ≤1 (setiap probabilitas

dari semua kejadian nilainya
kurang dari satu dan lebih dari o
Example 2: Is it A Probability Distribution?

Random variable tersedia karena kejadian/outcome-nya

dalam bentuk angka yaitu 0, 1, dan 2

1/3 + 0/3 + 2/3 = 1

0/3, 1/3, 2/3 semuanya lebih kecil sama dengan satu dan lebih
besar sama dengan 0
Finding Parameter Using Probability (Mean, Variance,
and Standar Deviation) --> Formulas
mean/expected value (E)
variance (1)

variance (2)

standard deviation
Finding Parameter Using Probability (Mean, Variance,
and Standar Deviation) --> Example

Interpertasi: Expected value-nya adalah 1, sama dengan mean. Artinya jika kita menghitung jumlah
anak perempuan dari banyaknya pasangan yang memiliki dua anak, maka kita mengekspektasikan
ada 1 anak perempuan untuk setiap keluarga (kemungkinan besar kejadiannya seperti itu)
Identifying Unsual Values With Rule of Thumb
Formulas

Question
Apabila ada pasangan yang baru saja memiliki dua bayi
perempuan, apakah jumlah tersebut umum atau tidak?

Answer

Jumlah dua anak perempuan bukanlah unusual value

sehingga dapat dikatakan umum karena nilainya ada di
antara -0,4 dan 2,4
Identifying Unsual Values With Probability
Unusually high number of succes: Apabila random
variable-nya berupa x jumlah kejadian, maka x akan
dikategorikan unusual/terlalu banyak (tidak
umum/lazim) jika probabilitas sebuah kejadian terjadi
sebanyak x kejadian atau LEBIH nilainya lebih kecil
sama dengan 0,05

Unusually low number of succes: Apabila random variable-

nya berupa x jumlah kejadian, maka x akan
dikategorikan unusual/terlalu sedikit (tidak
umum/lazim) jika probabilitas sebuah kejadian terjadi
sebanyak x kejadian atau KURANG nilainya lebih kecil
sama dengan 0,05
Identifying Unsual Values With Probability (Examples)

Unusually high number of succes: Apabila dalam proses

melempar koin sebanyak 1000 kali, outcome yang
didapatkan adalah sisi koin berupa gambar sebanyak
501 kali, apakah random variable sebesar 501 itu terlalu
banyak (unusully high number of succes)?
Jika ternyata probabilitas didapatkannya gambar
sebanyak 501 kejadian atau lebih adalah 0,487, maka
kejadian tersebut dikategorikan bukan unusually high
number of success
Expected Value in Decision Theory (1)
Contoh Soal: Misal A bertaruh sebesar 5 dollar pada roulette dan craps
di sebuah casino yang ada di las vegas. Untuk taruhannya di roulette,
A memilih angka 7, jika menang, maka ia mendapatkan uang sebesar
175 dollar dan jika kalah maka akan kehilangan uang yang tadi ia
taruhkan sebesar 5 dollar (probabilitas menangnya adalah 1/38 dan
probabilitas kalahnya adalah 37/38). Untuk taruhannya di craps, A
memilih base line, jika menang maka ia mendapatkan uang sebesar 5
dollar dan jika kalah maka akan kehilangan 5 dollar juga (probabilitas
menangnya sebesar 244/495 dan probabilitas kalahnya adalah sebesar
251/495) maka untuk jangka panjang, A sebaiknya bertaruh di roulette
atau craps?
Roulette

Craps

Baik roulette maupun crapes, expected value-nya sama-sama minus (rugi) jadi kemungkinan besar
kejadian yang terwujud adalah rugi sebesar 0,26 untuk roulette dan 0,07 untuk craps. Untuk jangka
panjang, craps lebih aman
 53% 2
25 39%

Thank
27 0.34

you! 7.802
4
12
any questions?
4
12
 e l o m p o k 4
K

Distribusi Peluang
Binomial
MAP 4-02
 Kelompok 4

Arga Isn Rara

Hanin Padil
Definisi distribusi peluang binomial harus memenuhi 4
persyaratan, yaitu :
1. Prosedur ini memiliki jumlah percobaan yang
tetap. (Uji coba adalah pengamatan tunggal.)
2. Uji coba harus independen, artinya hasil dari
setiap individu uji coba tidak memengaruhi
probabilitas dalam uji coba lainnya.
3. Setiap percobaan harus memiliki semua hasil
yang diklasifikasikan menjadi tepat dua
kategori,
sering disebut sukses dan gagal.
4. Probabilitas sukses tetap sama di semua
percobaan.
Notasi S dan F --> sukses dan gagal
P(S) = p (peluang sukses)
P(F) = 1 - p = q (peluang gagal)
n = jumlah tetap uji coba
x = angka spesifik keberhasilan dalam n
percobaan. (bisa semua angka antara 0 dan
n, termasuk)
p = peluang sukses dalam satu dari n
percobaan
q = peluang kegagalan dalam satu dari n
percobaan
P(x) = peluang mendapatkan kesuksesan
tepat sebanyak x dalam n percobaan
Treating Dependent
Events as Independent

Ketika memilih sampel dalam survey,

biasanya sampling dilakukan tanpa
pengembalian , yang mana melanggar
persyaratan distribusi binomial. Tetapi,
kita dapat menggunakan 5% guideline for
cumbersome calculation :
"Ketika sampling tanpa pengembalian
dan ukuran sample tidak lebih dari 5%
ukuran populasi, perlakukan sampel
sebagai kejadian independen."
Metode Mencari Peluang Binomial
Rumus Peluang
Binomial

Komputer

Tabel Peluang
Binomial
Rumus Peluang Binomial
Contoh soal
Ada peluang sebesar 0.85 dari
pemilihan acak seseorang
ketika ditanya apa itu
Twitter. Gunakan rumus
peluang binomial untuk
mencari peluang ketika ada 5
orang acak yang dipilih dan 3
di antaranya tahu apa itu
Twitter.
Komputer
Pencarian peluang binomial dapat menggunakan
beragam aplikasi seperti Statdisk, Minitab,
Microsoft Excel, atau TI-83/84 Plus CE.
Rumus Excel:
=BINOM.DIST(number_s,trials,probability_s,cumula
tive)
Tabel Peluang Binomial -> Tabel A-1
Tidak bisa digunakan apabila n > 8 atau peluang (p) tidak ada dalam 13 angka
yang tertera di tabel
a. n = 5 dan p = 0.6, peluang x = 3 maka P(3) = 0.346

Berdasarkan polling Harris,

60% orang dewasa percaya
akan adanya hantu.
Diasumsikan 5 orang dipilih
secara acak. Tentukan:
a. Peluang ketika 3 orang
percaya akan hantu b. Setidaknya ada 2, berarti bisa 2, 3, 4, atau 5
b. Peluang ketika orang yang P(setidaknya 2 percaya hantu) = P(2 or 3 or 4 or 5)
percaya hantu setidaknya ada = P(2) + P(3) + P(4) + P(5)
2 orang = 0.230+0.346+0.259+0.078
= 0.913
 Penggunaan Mean dan Standar Deviasi

Range Rule of Thumb

Suatu nilai dapat menjadi rendah atau tinggi secara signifikan apabila perubahannya dari
mean lebih dari 2 standar deviasi, hal ini dapat dijelaskan sebagai berikut:
Example 5
Ada 460 games sepak bola NFL yang diputuskan dalam perpanjangan
waktu (overtime). Diasumsikan bahwa p = 0,5 dan q = 0,5.

a. Tentukan mean dan standar deviasi untuk jumlah kemenangan

kelompok dari 460 games!
Diketahui:
n = 460 p = 0,5 q = 0,5
b. Gunakan range rule of thumb,
tentukan nilai kemenangan yang
significantly low & significantly high!
Diketahui: µ = 230 σ = 10,7
c. Jika hasil kemenangan
adalah 252 dari 460, apakah
termasuk significantly high?
Jadi,
Significantly low values ≤ 208,6 games
Significantly high values ≥ 251,4 games
Values not significant -> 208,6 < v < 251,4
Menggunakan Probabilitas untuk
Menentukan Significantly Low & High
Significantly high number of
successes --> P (x or more) ≤ 0,05

Significantly low number of

successes --> P (x or fewer) ≤ 0,05
Distribusi Probabilitas
Poisson
Distribusi probabilitas poisson adalah salah satu jenis
distribusi probabilitas diskrit yang berlaku untuk kejadian
beberapa peristiwa selama interval tertentu.

Variabel acak x adalah jumlah

dari kejadian terjadinya suatu
peristiwa dalam interval.
Intervalnya itu bisa saja dalam
Contoh aplikasi dari ini adalah: bentuk waktu, jarak, luas, volume,
Jumlah pengguna internet yang masuk ke situs web atau bentuk lainnya yang serupa.
Jumlah pasien yang masuk ke rumah sakit dalam
satu jam
 Syarat-syarat dari Digunakannya
Distribusi Probabilitas Poisson
1. Variabel acak x adalah jumlah 3. Kejadian harus independen
kemunculan suatu peristiwa satu sama lain.
dalam beberapa interval.

4. Kejadian harus didistribusikan secara

2. Kejadiannya harus acak. merata selama interval yang digunakan.

Parameter dari distribusi probabilitas poisson

Meannya adalah
Standard deviasinya
Latsol
Selama 55 tahun dari tahun 1960, ada 336 badai atlantik. Asumsikan bahwa
distribusi poisson adalah model yang cocok untuk kasus ini.
a. Temukan
b. Temukan kemungkinan kalau dalam tahun yang dipilih secara acak
ditemukan ada 8 badai.
c. Selama 55 tahun, ada 5 tahun yang terjadi 8 badai atlantik. Bagaimana
hasil aktual ini dibandingkan dengan probabilitas yang ditemukan di (b)?
Apakah distribusi poisson adalah model yang cocok untuk kasus ini?
Solusi
a. Distribusi poisson berlaku karena kita berurusan dengan kejadian suatu
peristiwa (badai) selama beberapa interval (setahun). Rata-raata badai
pertahun bisa dilihat di bawah
Solusi
b.
Solusi

c. Probabilitas terjadinya 8 kali badai dalam satu tahun adalah 0.107 (P(8) =
0.107). Selama 55 tahun, prediksi terjadinya 8 kali badai atlantik adalah 55 x
0.107 = 5.9 tahun. perkiraan ini cukup dekat dengan 5 tahun telah terjadinya
8 kali badai atlantik. Dengan kata lain, model poisson dapat diaplikasikan
dengan baik untuk kasus ini.
Distribusi Poisson sebagai
Pendekatan Binomial
Syarat: Rumus mean:
Latihan Soal
Soal:
Mbak Sasa bermain sebuah game 4 urutan angka dari 0-9. Ia memilih angka 1377. Jika ia
memainkan game ini 1x per hari, tentukan peluang ia menang setidaknya 1x dalam satu
tahun (365 hari) !

Jawab:
Bermain 1x per hari, maka n= 365
Kemungkinan menang 1x dari 4 urutan angka ada 10.000 (0000 - 9999), maka P = 1/10.000
Latihan Soal
Selanjutnya, cari peluang angka yang dipilih Mbak Sasa tadi muncul setidaknya 1x.
Untuk memudahkan, kita bisa pake peluang jika angka tadi tidak muncul sama sekali
dalam 1 tahun, yakni P (0). Nanti hasil dari P (0) itu tinggal kita kurangi 1.

Peluang jika angka muncul setidaknya satu kali = 1 - 0,9642 = 0,0358

 Terima kasih
Any Questions ?
Normal Probability
Distribution
PELUANG DISTRIBUSI NORMAL
Kelompok 5
ANASTA ATARIQ GHATAN
4111210012
ANITA ANGGITIA
4111210016
R.M. MOHAMMAD ALIF FAJAR W.
4111210041
REIHANDIKA FEBRIANSYACH
4111210026
SALWA ILHANAH
4111210034
 REVIEW AND PREVIEW NORMAL DISTRIBUTION
Formula 6-1

STANDARD NORMAL DISTRIBUTION

Uniform Distribution
Standar Normal Distribution
Finding Probabilities when Given z Scores
Finding z Scores from Known Areas

DAFTAR APPLICATIONS OF NORMAL DISTRIBUTION

PEMBAHASAN Procedures
Finding Values from Known Areas

SAMPLING DISTRIBUTION AND ESTIMATORS

Mean
Variance
03 Proportion
Estimators : Unbiased and Biased
 Preview 6-1
Jika sebuah variabel acak koninu memiliki distribusi dengan grafik yang simetris dan
berbentuk lonceng, seperti pada gambar 6-1 maka dapat dijelaskan dengan persamaan yang
diberikan pada rumus di bawah ini, kita mengatakan bahwa ia memiliki distribusi normal

Rumus tersebut menggambarkan bahwa distribusi

normal ditentukan oleh dua parameter: rata-rata, μ, dan
standar penyimpangan, 𝛔.

STATISTIKA
Uniform
Distributions
Variabel acak yang berkelanjutan memiliki distribusi
seragam (uniform) jika nilainya menyebar secara
merata di dalam range of possibilitesnya. Grafiknya
distribusi seragam berbentuk persegi panjang, disebut
juga sebagai density curve.
Ciri dari distribusi seragam adalah:
1. Area di bawah grafik distribusi probabilitas = 1
2. Ada korespondensi antara area dan probabilitas (atau frekuensi

STATISTIKA
relatif), sehingga beberapa probabilitas dapat ditemukan dengan
mengidentifikasi area yang sesuai dalam grafik.
 Contoh Soal Distribusi Seragam
Untuk perjalanan kereta bawah tanah sore hari kerja Kota New York dari Times Square
ke stadion Mets, Anda dapat naik kereta #7 yang berangkat dari Times Square setiap 5
menit. Mengingat jadwal keberangkatan kereta bawah tanah dan kedatangan
penumpang, waktu tunggu x adalah antara 0 menit dan 5 menit, seperti yang
dijelaskan oleh distribusi seragam Temukan probabilitas bahwa penumpang yang
dipilih secara acak memiliki waktu tunggu lebih dari 2 menit!

P (waktu tunggu > 2 menit) = area

yang diberi warna pink = 0.2 x 3 = 0.6

STATISTIKA
 Ketika sebuah variabel acak yang berkelanjutan

Stantard Normal memiliki distribusi dengan grafik yang simetris

dan berbentuk menggunung seperti sebuah bel

Distribution dan dapat dijelaskan dengan rumus berikut, maka

dapat dianggap bahwa variabel tersebut memiliki
distribusi normal

Standar distribusi normal adalah distribusi normal

dengan parameter mean = 0 dan standar deviasi = 1.
Total area di bawah density curvenya = 1.
Ciri-cirinya adalah:
1. Grafik berbentuk seperti bel
2. Mean (μ) = 0
3. Standar deviasi = 1
STATISTIKA
Table Z dibuat untuk standar distribusi normal,
yang memiliki mean = 0 dan standar deviasi = 1

Table Z memiliki 2 halaman, halaman pertama

untuk negative z scores dan halaman kedua untuk
positive z scores
Mencari
Setiap nilai di badan tabel adalah area kumulatif
Probabilitas
dari kiri ke atas hingga batas vertikal di atas skor z
tertentu Dengan
Ketika menggunakan grafik, hindari kebingungan
Z Score
antara z score dan area

Bagian dari z score yang menunjukkan

perseratusan ditemukan di baris atas Tabel Z
Dengan Tabel Z
Tes kepadatan mineral tulang dapat membantu dalam
mengidentifikasi keberadaan atau kemungkinan osteoporosis,
penyakit yang menyebabkan tulang menjadi lebih rapuh dan lebih
mudah patah. Hasil tes kepadatan tulang umumnya diukur sebagai
z score. Populasi z score berdistribusi normal dengan rata-rata 0 dan
standar deviasi 1, sehingga hasil uji ini memenuhi syarat distribusi
normal baku. Orang dewasa yang dipilih secara acak menjalani tes
kepadatan tulang. Temukan probabilitas bahwa hasilnya adalah
pembacaan kurang dari 1,27.

CONTOH SOAL
 CONTOH SOAL
Menggunakan Table Z
Area dibawah z = 1.27 menunjukkan probabilitas pemilihan acak orang dengan hasil
tes kepadatan tulang kurang dari 1.27. 1.27 bernilai positif, maka kita cari di Table Z
bagian positive z score. Kemudian, pada Table Z kita perlu memisahkan angka
desimal 1.2 dengan 0.07. Kemudian temukan angka 1.2 di bagian paling kiri Table Z
(vertikal) dan temukan angka 0.07 di bagian paling atas Table Z (horizontal). Cari titik
pertemuannya pada tabel dan akan
ditemukan z scorenya yaitu 0.8980.
Untuk menemukan area kumulatif di sebelah kiri z
score (seperti pada Table Z), klik fx, lalu pilih
Statistical, NORMSDIST (atau NORMS.DIST
NORM.S.DIST). Masukkan skor z. Kemudian
atau
pada
Mencari
kolom kumulatif, masukkan TRUE atau FALSE.
Probabilitas
Dengan
Z Score
Dengan Excel
Menemukan Z-Scores
dari area yang telah
diketahui
Dalam beberapa kasus, kita justru mencari z score dari area yang telah ditentukan

bagaimana menentukannya?
1. Gambar kurva dan identifikasi area dibawah kurva tersebut yang sesuai
dengan probabilitas yang diberikan
2. Tentukan probabilitas yang paling mendekati pada tabel, dan tenmukan z
score yang sesuai.
 Cari z skor yang memisahkan antara 95%
terbawah dan 5% teratas
Contoh Soal
Kita gambarkan terlebih dahulu areanya, sehingga
dapat terlihat bahwa z score berada di sisi positif, oleh
karenanya, kita akan menggunakan tabel ke 2

Dari sini, kita melihat di tabel, mana nilai

probabilitas yang paling mendekati, yaitu
di 1.6 dan antara .04 dan 0.5. Sehingga kita
ambil tengahnya yaitu 1.645


Critical Value : Z Score

Untuk distribusi normal standar, nilai kritikal adalah z score yang membagi
antara data yang sangat jarang terjadi dari nilai yang mungkin terjadi.

Notasii Zα menunjukkan nilai z dengan area seluas a di sebelah kanannya.

contoh
Dengan notasi Zα, dan a=0.025, tentukan Z0.025

Dari soal tersebut artinya kita mencari posisi z dimana area disebelah kanan
z seluas 0.025, kita bisa menggambarnya kemudian mencarinya di tabel.
Didapatkanlah Z0.025 = 1.96
Non-Stantard Normal
Distribution
Saat mengerjakan distribusi normal, ada case dimana
normal distribusinya dikatakan nonstandar. Distribusi
normal dikatakan nonstandar apabila mean nya
selain 0 dan/atau standar deviasinya bukan 1.

APLIKASI DISTRIBUSI NORMAL

CONVERTING DISTRIBUTION
Dengan begitu, kita harus mengubah nilai x
menjadi z kemudian baru kita menggunakan
cara untuk menyelesaikan standard normal
distribution seperti yang sebelumnya telah
dijelaskan.

Prosedur Konversi :
1. Gambarkan kurva normal, tentukan dimana letak rata-rata dan nilai x nya. Kemudian arsir representasi
probabilitasnya.
2. Pada gambar (a), titik x merupakan batas cakupan probabilitas dalam nonstandard normal distribution.
Sedangkan dalam kondisi standar, titik yang seharusnya menjadi batas adalah z. Untuk mencari atau
mengubah x menjadi z, kita menggunakan rumus seperti pada gambar di atas.
3. Setelah mendapatkan z, kita dapat menentukan probabilitasnya dengan software, kalkulator, ataupun
Tabel A-2 seperti yang telah dijelaskan sebelumnya.
APLIKASI DISTRIBUSI NORMAL
 APLIKASI DISTRIBUSI NORMAL
Contoh Soal
Organisasi Talls Clubs International memiliki persyaratan untuk wanita memiliki tinggi
minimal 70 inch. Sedangkan rata-rata μ distribusi normalnya adalah 63,8 dan standar
deviasinya adalah 2,6 inch. Berapa persentase wanita yang memenuhi persyaratan.
Langkah 1: Ilustrasikan kurva distribusi normal pada kasus ini

Area yang diarsir adalah area yang kiri, sebab yang

memenuhi persyaratan adalah wanita yang tingginya
sama dengan atau lebih tinggi dari 70 inch.
 Contoh Soal

APLIKASI DISTRIBUSI NORMAL

Langkah 2 :
Konversi 70 inch itu menjadi z dengan
persamaan sebelumnya.

Sehingga didapatkan skala z

Langkah 3 : Gunakan Tabel A-2

Gunakan tabel A-2 dengan z = 2,38, maka akan didapatkan probabilitasnya sebesar 0,9913 pada area kiri
(area tidak memenuhi persyaratan). Karena total peluang (area di bawah kurva) adalah 1 maka area yang
di arsir adalah 1-0,9913 = 0,0087.
 APLIKASI DISTRIBUSI NORMAL
Langkah 3 : Jika menggunakan excel

False digunakan karena kita ingin mencari distribusi normal yang tidak termasuk dalam cakupan
mean (63,8) dan standar deviasi (2,6)
Dengan begitu dapat disimpulkan bahwa wanita yang memenuhi persyaratan sebesar 0,87%.
Artinya, kurang dari 1% wanita yang memenuhi persyaratan tersebut.
Mencari Nilai dari Area yang Diketahui
Area yang dimaksud disini adalah probabilitas atau persentase
Petunjuk:
z score adalah jarak sepanjang skala horizontal, sedangkan area adalah daerah di
bawah kurva normal
pilih sisi yang benar dari grafik, 10% nilai teratas di kanan, 10% nilai terbawah di kiri
z score pasti negatif saat berada di sebelah kiri distribusi normal, dan positif saat
berada di sebelah kanan distribusi normal
area nilainya tidak pernah negatif, antara positif atau nol

grafik sangat berguna untuk memahami distribusi normal.

Prosedur
Buat sketsa kurva distribusi normal, masukkan probabilitas atau persentase yang
diberikan sesuai dengan daerahnya, dan identifikasi nilai x yang dicari
Jika menggunakan Tabel A-2, lihat isi tabel untuk menemukan area di sebelah kiri x,
kemudian identifikasi z score yang sesuai dengan area tersebut, atau bisa juga dicari
menggunakan excel
Jika ingin mengkonversi z ke nilai x, gunakan rumus
Lihat kurva, pastikan bahwa solusinya masuk akal dalam konteks grafik dan masalah
Contoh
Dalam mendesain kabin pesawat, kriteria umumnya adalah harus bisa mengakomodasi 95% dari populasi. Berapa
tinggi kabin yang dapat memenuhi kriteria, sehingga 95% pria tidak harus menunduk saat berdiri di kabin? Dengan
asumsi, rata-rata tinggi pria yaitu 69,5 inchi dan standar deviasinya 2,4 inchi.
Jawab:

Jadi, kabin dengan tinggi 73,4 inchi memungkinkan 95% populasi pria berdiri tanpa harus menunduk
Excel
Tekan fx
Pilih kategori Statistical
Pilih fungsi NORM.INV
Masukkan Probabilitas, Mean, dan Standar Deviasi di tempat yang tersedia
09

Sampling
Distribution Mean
Pada sub bab ini kita akan fokus
pada sampel rata-rata atau
sampel dari populasi yang ada.
Ilustrasi
07

Jika di sebuah populasi memiliki rata-rata sebesar μ. Kemudian lembaga survei memilih 50 orang
acak. Mereka menghitung mean dari 50 pendapatan sehingga kita dapatkan x̄ 1, x̄ 2, x̄ 3 seperti pada
green box. Dengan metode ini, kita mengetahui bahwa 50 sampel yang diambil mewakili rata-rata
pendapatan seluruh populasi.

Sampling distribution terhadap sample mean adalah distribusi dari semua kemungkinan
sample mean (atau distribusi variabel x̄ ), dengan semua sample memiliki sample size n yang
mencerminkan ukuran suatu populasi (sampling distribution ini merepresentasikan
probabilitas distribusi dalam format tabel, histogram, atau formula).
10

Contoh Kasus
Gatot punya 3 anak, umurnya 4, 5, dan 9. Maka populasinya adalah {4,5,9}. Jika dipilih dua
umur secara acak dari populasi tersebut, identifikasi sampling tersebut dengan tabel
probabilitas distribusi dari sample rata-rata. Apakah nilai rata-rata sample sesuai dengan
nilai rata-rata populasi?
 Penyelesaian
Kombinasi 2 nilai yang dipilih tercermin
10 dalam kolom sample. Setelah itu, hitung
rata-rata setiap sample seperti yang ada
di kolom sample mean x̄ . Didapatlah 9
rata-rata sample dengan probabilitas 1/9.
Dengan menggabungkan semua rata-
rata sample yang sama, maka
didapatkanlah Table 6-4.

Dengan merata-ratakan seluruh sample mean, maka didapatkan hasilnya adalah 6.

Nilai ini sama jika kita merata-ratakan populasi seluruhnya, yaitu {4,5,9} didapatkan μ =
6. Oleh karena itu, dapat disimpulkan bahwa nilai rata-rata sample sesuai dengan rata-
rata populasi secara keseluruhan. Selain itu, cenderung dikatakan sebagai distribusi
normal sebab pendekatannya dengan menggunakan kurva.
Sampling
Distribution
Variance
Pada sub bab ini kita akan fokus
pada sampel varian
Definisi
Distribusi sampling dari varians sampel dengan semua sampel memiliki ukuran sampel n
yang sama yang diambil dari populasi yang sama. (Distribusi sampling dari varians sampel
biasanya direpresentasikan sebagai distribusi probabilitas dalam format tabel, histogram
probabilitas, atau rumus).
Ilustrasi
Mainkan dadu sebanyak 5 kali, kemudian termukan varians dari hasilnya. Apa yang kita
ketahui tentang perilaku semua varians sampel yang dihasilkan saat proses ini terus
dilanjutkan tanpa batas?
Ilustrasi
Berdasarkan grafik yang telah disajikan sebelumnya, pelemparan tersebut memiliki
varians = 2,9. Serta dari 10.000 kali percobaan, didapatkan mean = 2,88. Jika proses
tersebut dilakukan sampai tak terhitung jumlahnya, maka meannya akan semakin
mendekati 2,9. Serta dari tabel tersebut juga menunjukan bahwa distribusi varians sample
adalah distribusi miring, bukan distribusi normal.
Dari ilustrasi tersebut, kita dapat melihat sifat dari distribusi sample varians, yaitu:
1. Varians sampel menargetkan nilai varians populasi. (Artinya, rata-rata dari varians
sampel adalah varians populasi. Nilai yang diharapkan dari varians sampel sama dengan
varians populasi).
2. Distribusi varians sampel cenderung menjadi distribusi yang condong ke kanan
Sampling Distribution of Sample Proportion
Distribusi sampel proporsi adalah distribusi proporsi sampel, dengan semua sampel
memiliki ukuran sampel yang sama n diambil dari populasi yang sama.
Contoh
Misal kita mengulangi proses ini: Lempar dadu 5 kali dan temukan proporsi angka ganjil. Apa yang kita
ketahui tentang perilaku semua proporsi sampel yang dihasilkan saat proses ini berlanjut tanpa batas?
Jawab:
pengulangan: 10.000 kali
Karena nilai 1, 2, 3, 4, 5, 6
semuanya sama kemungkinannya,
maka proporsi bilangan ganjil
dalam populasi adalah 0,5. Jika
proses berlanjut tanpa batas,
mean sampel proporsi akan 0,5.
Distribusi proporsi sampel
mendekati distribusi normal.
Estimators: Unbiased & Biased
Estimator adalah statistik yang digunakan untuk menyimpulkan (memperkirakan) nilai parameter
populasi. Estimator yang tidak bias adalah statistik yang menargetkan nilai parameter populasi dalam
arti distribusi sampling statistik memiliki rata-rata yang sama dengan rata-rata parameter yang sesuai

Estimator Tak Bias Statistik ini merupakan Estimator Bias Statistik ini adalah estimator
estimator tak bias. Artinya, mereka masing- bias. Artinya, mereka tidak menargetkan nilai
masing menargetkan nilai parameter populasi parameter populasi yang sesuai:
yang sesuai:

STATISTIKA
11
EXAMPLE
Seperti pada Contoh 1, pertimbangkan sampel berukuaran n=2 yang dipilih secara acak dari
populasi {4, 5, 9}.
A. Daftar kemungkinan sampel yang berbeda bersama dengan probabilitas masing-masing
sampel, kemudian temukan kisaran untuk setiap sampel.
B. Jelaskan distribusi sampling dari rentang sampel dalam format tabel yang meringkas
distribusi probabilitas
C. Berdasarkan hasil, apakah rentang sampel menargetkan rentang populasi, yang mana
9-4=5?
D. Apa yang ditunjukkan oleh hasil ini tentang rentang sampel sebagai penaksir rentang
populasi?

STATISTIKA
A. Pada Tabel 6-6 kami mencantumkan
sembilan kemungkinan sampel berbeda
dengan ukuran n = 2 yang dipilih dengan
penggantian dari populasi {4, 5, 9}. Kesembilan
sampel memiliki kemungkinan yang sama,
sehingga masing-masing memiliki probabilitas
1>9. Tabel 6-6 juga menunjukkan kisaran untuk
masing-masing dari sembilan sampel
Solutions
B.Dua kolom terakhir dari Tabel 6-6 mencantumkan
nilai rentang beserta probabilitas yang sesuai, sehingga
dua kolom terakhir merupakan tabel yang meringkas
distribusi probabilitas. Oleh karena itu, Tabel 6-6
menjelaskan distribusi sampling dari rentang sampel.
C.Rata-rata rentang sampel pada Tabel 6-6 adalah
20>9, atau 2.2. Kisaran populasi {4, 5, 9} adalah 9 - 4 = 5.
Karena rata-rata rentang sampel (2,2) tidak sama
dengan rentang populasi (5), rentang sampel tidak
menargetkan nilai dari rentang populasi.
D.Karena rentang sampel tidak menargetkan rentang
populasi, sampel range adalah estimator bias dari
rentang populasi
THANK YOU