PRAKTIKUM

PERTEMUAN 1
Konsep Peluang
Konsep Peluang
 Kejadian di dunia: pasti (deterministik) atau tidak pasti (probabilis
tik)
 Contoh kejadian yang tidak pasti:
- Akankah besok hujan?
 Nilai kejadian meskipun tidak pasti tetapi memiliki pola
 Pembelajaran pola kejadian memberikan informasi kemungkinan
terjadinya kejadian
 Ukuran kemungkinan disebut sebagai PELUANG
Konsep Peluang
 Peluang dapat diartikan sebagai ukuran kemungkinan terjadinya
suatu kejadian
 Dalam hal ini, ukuran kemungkinan dinyatakan dalam besaran
numerik bernilai antara 0 (nol) sampai 1 (satu)
- 0  kejadian yang mustahil
- 1  kejadian yang pasti terjadi
Ruang Contoh
Ruang contoh adalah suatu gugus yang memuat semua hasil yang
berbeda, yang mungkin terjadi pada suatu percobaan.
Latihan:
1. Pada pelemparan sebuah dadu, berapa ruang contoh yang akan dibentuk?
Jawaban: n(S) = 6, S = (1, 2, 3, 4, 5, 6)
2. Seorang ahli medis ingin mengidentifikasikan golongan darah (A, AB, B, O) seseorang,
dengan faktor Rh nya (Positif atau Negatif). Tentukanlah berapa banyaknya contoh dan
tentukan ruang contoh yang bisa di dapatkan!
Jawaban: ???
3. Dalam melakukan budidaya ikan lele akan ada kemungkinan beberapa diantaranya mati
sehingga kemungkinan hasil yang diperoleh adalah ikan lele yang hidup (H) atau ikan
lele yang mati (M), berapa ruang contoh dari kejadian tersebut?
Jawaban: ???
Ruang Kejadian
Ruang kejadian adalah anak gugus/ himpunan bagian dari ruang
contoh, yang memiliki karakteristik tertentu.
Ruang kejadian biasa dinotasikan dengan huruf kapital (A, B, …)
Latihan:
1. Pada pelemparan dua buah dadu sisi enam setimbang, berapa muncul kejadian sisi ganjil
pada dadu I serta tentukan ruang kejadiannya?
Jawaban: n(B) = 18, B = (11, 12, 13, 14, 15, 16, 31, 32, 33, 34, 35, 36,….., 56

2. Seorang ahli medis ingin mengidentifikasikan golongan darah (A, AB, B, O) seseorang,
dengan faktor Rh nya (Positif atau Negatif). Berapa banyaknya kejadian dan tentukan
ruang kejadian yang bisa di dapatkan dari hasil golongan darah dengan Rh positif!
Jawaban: ???
Menghitung Ruang Contoh dan Kejadian
Ingat kembali KAIDAH PENGGANDAAN, KOMBINASI, DAN
PERMUTASI
FAKTORIAL
Jika n adalah bilangan bulat positif, maka
n! = n (n-1) (n-2) ... (3)(2)(1)
n! = n (n-1)!
Kasus khusus 0!  0! = 1
Contoh :
• 4! = 4.3.2.1 = 24
• 5! = 5.4.3.2.1 = 5.4! = 120
• 6! =6.5! = 720
• 7! =7.6! = ……?
• 10! =.…..?
Menghitung Ruang Contoh dan Kejadian
PENGGANDAAN
– Pengandaan dapat digunakan jika setiap kemungkinan dibentuk dari
komponen-komponen yang saling bebas.
N(S) = n1 x n2 x … x n1
– Contoh
1. Melempar 3 buah mata uang:
N(S) = 2 x 2 x 2 = 8
2. Melempar 2 buah dadu
N(S) = 6 x 6 = 36
Menghitung Ruang Contoh dan Kejadian
PERMUTASI
– Permutasi merupakan kejadian dimana SUSUNAN OBJEK yang
terpilih DIPERHATIKAN.
– Misalkan memilih orang untuk membentuk kepengurusan suatu
organisasi, dimana jika Si A terpilih menempati posisi ketua berbeda
maknanya dengan Si A terpilih menempati posisi wakil ketua.

Permutasi tingkat r dari n unsur/ objek dapat dirumuskan sebagai

berikut:
n! nx(n  1) x(n  2) x...x0!
Prn  
(n  r )! (n  r ) x(n  r  1) x...x0!
Menghitung Ruang Contoh dan Kejadian
PERMUTASI
Contoh:
Terdapat 6 orang yang akan dipilih 3 orang untuk menjadi Ketua, Wakil Ketua dan Bendahara pada ke
pengurusan kelompok tani Suka Bahagia. Berapa susunan kejadian yang mungkin ?

6 5 4
 6.5.4 = 120
K WK B

6! 6! 6.5.4.3!
Permutasi 3 dari 6 objek P36     120
(6  3)! 3! 3!
Menghitung Ruang Contoh dan Kejadian
KOMBINASI
– Kombinasi merupakan kejadian dimana SUSUNAN OBJEK yang
terpilih TIDAK DIPERHATIKAN
– Misalkan memilih sejumlah orang untuk menempati suatu sejumlah
kursi tempat duduk, dimana susunan tempat duduk tidak menjadi
perhatian .

Kombinasi tingkat r dari n unsur/ objek dapat dirumuskan sebagai

berikut:
n! nx(n  1) x(n  2) x...x0!
Crn  
(n  r )!r! (n  r ) x(n  r  1) x...x0! xr!
Menghitung Ruang Contoh dan Kejadian
KOMBINASI
Contoh:
Terdapat 8 orang kandidat yang kemudian akan dipilih 4 orang untuk masuk dalam tim cepat tanggap
dalam penanggulangan bencana longsor di Kec. Leuwiliang Bogor. Berapa susunan kejadian yang
mungkin ?

6! 6! 6.5.4.3!
C36     20
Kombinasi 4 dari 8 objek (6  3)!3! 3!3! 3.2.3!
Pengambilan r objek dari n objek
Pengambilan Penataan
Tertata (Ordered) Tidak Tertata
(Unordered)

Tanpa Pengembalian Prn 

n!
Crn 
n!
(n  r )!
(Without Replacement) (n  r )!r!

Dengan Pengembalian nr (n  1  r )!
Crn 1 r 
(With Replacement) (n  r )!r!
Peluang Suatu Kejadian

 Pendekatan klasik terhadap penentuan nilai peluang

diberikan dengan menggunakan nilai frekuensi relatif.
 Andaikan dilakukan percobaan sebanyak N kali, dan
kejadian A terjadi sebanyak n  N kali maka peluang A
didefinisikan sebagai P(A) = n/N.
Peluang Suatu Kejadian
Latihan:
1. Pada pelemparan dua dadu, berapa peluang muncul jumlah dari
mata dadu adalah 9?
2. Anita membawa sebuah kantong belanja yang berisi 6 buah apel
lokal (L) dan 4 buah apel impor (I) yang baru dibeli dari pasar
modern. Bila sebuah apel diambil secara acak dari kantong
tersebut, berapa peluang terambil apel lokal? Dan berapa peluang
terambil apel impor?
Peluang Suatu Kejadian
Latihan:
3. Dalam sebuah kotak terdapat dua buah jeruk medan, tiga buah jeruk
mandarin dan satu buah jeruk garut. Jika dari dalam kotak diambil 2
buah jeruk secara bersamaan, berapakah peluang terambil satu jeruk
medan dan satu jeruk mandarin?
A. 2/6 B. 6/15
C. 1/6 D. Salah semua
4. Dari 5 orang mahasiswa S1 Departemen Ekonomi Sumberdaya dan
Lingkungan, akan dipilih 3 mahasiswa untuk mengikuti lomba PKM
dengan susunan Ketua, Wakil Ketua, dan PJ Desain. Hitunglah banyak
cara susunan mahasiswa tersebut!
Peluang Suatu Kejadian
Latihan:
5. Dalam sebuah kotak terdapat dua buah paprika merah, tiga buah paprika
hijau dan satu buah paprika kuning. Jika dari dalam kotak diambil satu buah
berturut-turut sebanyak dua kali tanpa pemulihan, tentukan peluang terambil
keduanya paprika merah?
A. 1/3 C. 1/15
B. 2/5 D. Salah semua

6. Anita membawa sebuah kantong belanja yang berisi 6 buah apel lokal (L)
dan 4 buah apel impor (I) yang baru dibeli dari sebuah pasar modern. Bila dua
buah apel diambil secara acak tanpa pemulihan, hitung berapa peluang kedua
apel tersebut adalah apel lokal (P(LL))?
Kejadian Saling Bebas
Kejadian saling bebas adalah kejadian-kejadian yang tidak saling
mempengaruhi.
Peluang dari dua buah kejadian yang saling bebas adalah:
P(AB)=P(A).P(B)
Latihan:
Peluang bayi berjenis kelamin laki-laki diketahui 0.6. Jika jenis kelamin
anak pertama (A) dan kedua (B) saling bebas, berapa peluang jenis kel
amin anak pertama dan anak kedua laki-laki?

P(A B)= P(A).P(B)=0.6*0.6=0.36

Peluang Bersyarat
• Peluang bersyarat adalah peluang suatu kejadian (A) jika
kejadian lain (B) diketahui telah terjadi.
• Peluang A bersyarat B dinotasikan P(A|B), dimana:
P(A|B) = P(AB) / P(B)
• Jika kejadian A dengan B saling bebas maka,
P(A|B)=P(AB) / P(B)
=P(A).P(B)/P(A)=P(A)
•
Peluang Bersyarat
Latihan:
Dalam sebuah keranjang buah berisi 2 buah naga kuning dan 3 buah
naga merah. Jika diambil dua buah naga tanpa pemulihan. Berapakah
peluang buah kedua berwarna kuning (A) jika pada pengambilan
pertama diketahui berwarna merah (B)?
Jawaban: Misalkan :
A = terambilnya buah naga kuning pada pengambilan II
B = terambilnya buah naga merah pada pengambilan I
P(A/B)= P(AB)/P(B)
= (3/5)(2/4)/(3/5)
= 2/4
Kaidah Penjumlahan dan Perkalian
Hukum Penjumlahan dalam Peluang
Jika terdapat dua kejadian A dan B maka P(AB) = P(A) +P(B) – P(AB)
Jika A dan B saling lepas (mutually exclusive), P(AB) =0, sehingga
P(AB) = P(A) + P(B)

Hukum Perkalian dalam Peluang

Jika terdapat dua kejadian A dan B maka P(AB)=P(A)P(B|A)=P(B)P(A|B)
Jika A dan B saling bebas, P(AB) = P(A) P(B)
Kaidah Penjumlahan dan Perkalian
Latihan:
1. Dalam upaya menanggulangi abrasi di Muara Gembong, Bekasi,
pemerintah setempat mengadakan penanaman mangrove yang
dilakukan bersama dengan lembaga NGO, dan perwakilan maha
siswa dari beberapa perguruan tinggi. Jika dalam suatu perguruan
tinggi terdapat kandidat perwakilan sebanyak 6 laki-laki dan 4
perempuan, berapa susunan tim dari perwakilan perguruan tinggi
tersebut jika yang terpilih untuk ikut dalam kegiatan 2 laki-laki dan
1 perempuan? Hitung juga berapa susunan tim jika yang terpilih 3
laki-laki atau 3 perempuan?
Jawaban: C26 .C14  60 C36  C34  24
Dalil Bayes

Suatu gugus universum disekat menjadi beberapa anak gugus B1, B2, …
, Bn dan A suatu kejadian pada U dengan p(B)0 maka,
P(A) =  P(Bi) P(A/Bi)

Peluang Bk bersyarat A, dapat dihitung sebagai berikut:

P(Bk/A) = P(BkA)/ P(A)
Dalil Bayes
Latihan:
Kota Bogor disebut kota hujan karena peluang terjadinya hujan (H) cukup besar yaitu sebesar 0.6.
Hal ini menyebabkan para mahasiswa harus siap-siap dengan membawa payung (P). Peluang
seorang mahasiswa membawa payung jika hari hujan 0.8, sedangkan jika tidak hujan 0.4.
Berapa peluang hari akan hujan jika diketahui mahasiswa membawa payung?
Jawaban: Misalkan :
H = Bogor hujan,
P = mahasiswa membawa payung
P(H) = 0.6 P(TH) = 1-0.6=0.4 P(P|H) = 0.8
P(P|TH) = 0.4
Ditanya : P(H|P)
Jawab : P( H  P) P( H  P) P( H ) P( P / H )
P( H / P)   
P( P) P( H  P)  P(TH  P) P( H ) P( P / H )  P(TH ) P( P / TH )
0.6 x0.8 0.48 0.48
P( H / P)   
0.6 x0.8  0.4 x0.4 0.48  0.16 0.64 Teorema Bayes
Selamat Belajar!
 Pertemuan 2
Konsep Peubah Acak
dan Sebaran Peluang
Konsep Peubah Acak
• Peubah acak adalah suatu fungsi yang
mengaitkan suatu bilangan riil pada setiap
unsur dalam ruang sampel.

• Peubah acak akan dinyatakan dengan huruf

besar, misalnya X, sedangkan nilai peubah
acak dinyatakan dengan huruf kecil
padanannya, misalnya x.
Konsep Peubah Acak
• Peubah acak, X, banyaknya mesin yang cacat bila tiga mesin perontok
gabah diuji. Jadi, peubah acak X mendapat nilai 2 untuk semua unsur
pada himpunan bagian A = {CCB, CBC, BCC}
• Jadi, tiap kemungkinan nilai x menggambarkan suatu kejadian yang
merupakan ruang bagian dari ruang sampel percobaan tersebut.
• Contoh lain:
1. Dalam percobaan pelemparan sebuah dadu bersisi enam yang
seimbang. Ruang contohnya sebagai berikut:
S = {S1,S2,S3,S4,S5,S6}
peubah acak, X, munculnya sisi dadu yang bermata genap,
maka X = {0, 1}
2. Pada pelemparan sebuah koin dua kali:
S = {AG, AA, GA, GG}
X menyatakan banyaknya sisi angka (A) yang muncul,
maka: X = {0, 1, 2}
Konsep Peubah Acak
Latihan:
1. Bila x menyatakan kemungkinan jumlah anak laki-laki yang
lahir bila pasangan suami istri merencanakan punya 2 anak
sudah cukup maka nilai x yang mungkin dari peubah acak X
adalah?
Jawaban:
Y = {0, 1, 2}
Ruang sampel y
PP 0
LP 1
PL 1
LL 2
Konsep Peubah Acak
Latihan:
2. Dua buah apel diambil satu demi satu tanpa dikembalikan dari
suatu keranjang berisi 4 apel merah dan 3 apel hijau. Bila Y
menyatakan jumlah apel merah yang diambil, maka nilai y yang
mungkin dari peubah acak Y adalah?
Ruang Sampel Diskret & Ruang
Sampel Kontinu
• Ruang sampel diskret
Jika suatu ruang sampel mengandung titik yang
berhingga banyaknya atau sederetan anggota yang
banyaknya sebanyak bilangan bulat, maka ruang sampel
itu disebut ruang sampel diskret.
• Ruang sampel kontinu
Bila ruang sampel mengandung titik yang tak berhingga
banyaknya dan banyaknya sebanyak titik pada sepotong
garis, maka ruang sampel itu disebut ruang sampel
kontinu.
Tipe Peubah Acak
• Peubah acak diskret
Peubah acak yang dibangkitkan dari ruang sampel
diskret dan himpunan kemungkinan hasilnya dapat
dihitung. Sebagai contoh: banyaknya barang yang cacat
dalam sampel sebesar k, banyaknya korban meninggal
dalam bencana alam, dan sebagainya.
• Ruang sampel kontinu
Peubah acak yang dibangkitkan dari ruang sampel
kontinu. Peubah acak kontinu diperoleh dari semua nilai
yang berada pada skala kontinu dan menyatakan data
yang dapat diukur, seperti semua kemungkinan tinggi,
berat, temperatur, jarak, jangka hidup, dan sebagainya.
Peubah Acak Diskret
Himpunan pasangan berurut (x, f(x)) merupakan suatu
fungsi peluang, atau sebaran peluang peubah acak
diskret X bila, untuk setiap kemungkinan hasil x:
1. f(x) >= 0
2. ෍𝑓 𝑥 = 1
𝑥

3. P’ (X = x) = f(x)
Peubah Acak Diskret
Contoh:
Misalkan dilakukan percobaan berupa pelemparan 3 uang logam
setimbang. Jika Y menyatakan berapa kali sisi gambar muncul,
maka berapa sebaran peluang dari Y?
Peubah Acak Diskret
Jawaban:
Karena Y menyatakan banyak G yang muncul, maka:
S = {AAA, AAG, AGA, GAA, AGG, GAG, GGA, GGG} sehingga
Y = { 0, 1, 2, 3 }
Karena mata uang logam yang digunakan adalah seimbang maka peluang masing-
masing titik sampel sama yaitu 1/8. Maka peluang untuk setiap peubah acaknya adalah:
F(0) = P(Y=0) = P{ AAA} = 1/8
F(1) = P(Y=1) = P {AAG, AGA, GAA} = 3/8
F(2) = P(Y=2) = P {GGA, GAG, AGG} = 3/8
F(3) = P(Y=3) = P {GGG} = 1/8
Jadi, sebaran peluang X adalah: y 0 1 2 3
f(y) 1/8 3/8 3/8 1/8
Peubah Acak Diskret
Latihan:
Suatu pengiriman 8 mesin hand duster yang sama ke suatu toko
mengandung 3 yang cacat. Bila suatu kelompok tani membeli 2
hand duster ini secara acak, tentukan sebaran peluang banyaknya
hand duster yang cacat?
Peubah Acak Kontinu
Misalkan X adalah peubah acak kontinu, maka fungsi
f(x) disebut dengan fungsi peluang atau fungsi distribusi
peluang dari suatu peubah acak X yang sifat-sifatnya
sebagai berikut:
1. f(x)>= 0 untuk semua x є R
~
2. ‫׬‬−~ 𝑓 𝑥 𝑑𝑥 = 1
𝑏
3. P(a < X < b) = ‫𝑓 𝑎׬‬ 𝑥 𝑑𝑥
Peubah Acak Kontinu
Contoh:
Diketahui bahwa galat suhu reaksi, dalam °C, pada percobaan
laboratorium yang dikontrol merupakan peubah acak X yang
mempunyai fungsi padat peluang
𝑋2
, untuk -1 < x 2
f(x) = 3

0, untuk x lainnya
~
a. Tunjukan bahwa syarat ‫׬‬−~ 𝑓 𝑥 𝑑𝑥 = 1 terpenuhi
b. Hitung P(0 < x ≤ 1)
Peubah Acak Kontinu
Jawaban:

~ 2
𝑋2 8 1
න 𝑓 𝑥 𝑑𝑥 = න 𝑑𝑥 = + = 1
−~ −1 3 9 9

1 𝑋2
P(0 < x ≤ 1) = ‫׬‬0 3 = 1/9
Peubah Acak Kontinu
Latihan:
Sebuah ruangan konferensi dapat disewa untuk rapat yang
lamanya tidak lebih dari 4 jam. Misalkan X adalah peubah acak
yang menyatakan waktu rapat, yang mempunyai distribusi
seragam, maka:
a. Tentukan fungsi peluang dari X?
b. Tentukan peluang suatu rapat berlangsung 3 jam atau lebih?
Ukuran Pemusatan dan
Penyebaran Peubah Acak
• Peubah memiliki pusat dan keragaman
• Nilai Harapan (Mean/ Nilai Tengah/µ ) adalah pusat
dari Peubah Acak  E(X)
• Ragam (Variance/δ2 ) adalah ukuran penyebaran dari
Peubah Acak  Var(X)
Nilai Harapan Peubah Acak
• Nilai harapan dari peubah acak adalah pemusatan dari
nilai peubah acak jika percobaannya dilakukan secara
berulang-ulang sampai tak berhingga kali.
• Secara matematis nilai harapan dapat dirumuskan
sebagai berikut:
σ𝑛𝑖=1 𝑥𝑖 𝑝(𝑥𝑖 ), jika X peubah acak diskret
E(X) =
σ~
−~ 𝑥𝑖 𝑓 𝑥𝑖 𝑑𝑥, jika X peubah acak kontinu
Nilai Harapan Peubah Acak
Sifat-sifat nilai harapan:
• Jika c konstanta maka E(c ) = c
• Jika peubah acak X dikalikan dengan konstanta c maka E(cX) =
c E(X)
• Jika X dan Y peubah acak, maka E(X±Y) = E(X) ± E(Y)
Nilai Harapan Peubah Acak
Contoh:
Pada pelemparan sebuah dadu bersisi enam yang
seimbang, X adalah peubah acak dimana munculnya sisi
dadu yang bermata genap. Maka X = {0, 1}, sebaran
peluang : p(X = x) = ½, x = 0, 1
0, x lainnya
Berapa nilai harapannya jika percobaan yang dilakukan
sebanyak 10 kali dan saling bebas?
Nilai Harapan Peubah Acak
Jawaban:
• Nilai Harapan/ Nilai Tengah/ Mean/µ dari X:
E(X) = 0.(1/2) + 1.(1/2) = ½
• Jika percobaan dilakukan 10 kali dan saling bebas,
besar Nilai Harapannya:
E(Y) = E (10 X) = 10 E(X) = 10.(1/2) = 5
Nilai Harapan Peubah Acak
Latihan:
Bila diketahui sebaran peluang dari peubah acak X
adalah seperti pada tabel berikut, carilah nilai
harapannya?
X 0 1 2 3
P(x) 1/8 1/4 3/8 1/4
Ragam Peubah Acak
Ragam peubah acak X didefinisikan sebagai:
Var(X) = E[X – E (X)]2 = E(𝑋 2 ) − 𝐸(𝑋)2
Sifat Ragam
• Jika c konstanta maka V(c ) = 0
• Jika peubah acak X dikalikan dengan konstanta c maka V(cX) =
𝐶 2 V(X)
• Jika X dan Y peubah acak maka, V(X±Y) = V(X) + V(Y) ±
Cov(X,Y)
Dimana: Cov(X,Y) = E(X-E(X))E(Y-E(Y)), Jika X dan Y saling
bebas maka Cov(X,Y) = 0
Ragam Peubah Acak
Contoh:
Pada contoh soal sebelumnya, p(X = x) = ½, x = 0, 1
0, x lainnya
1 1 1
Ragam X adalah: E(𝑋 2 ) = 02 + 12 =
2 2 2

Var(x) = E(𝑋 2 ) − 𝐸(𝑋)2 = ½ - (1/2)2 = 1/4

Jika percobaan dilakukan 10 kali dan saling bebas, berapa
Ragamnya?
1
Var(Y) = Var(10X) = 102 𝑉𝑎𝑟 𝑋 = 100 = 25
4
Ragam Peubah Acak
Latihan:
Bila diketahui sebaran peluang dari peubah acak X
adalah seperti pada tabel berikut, carilah nilai ragamnya?
X 0 1 2 3
P(x) 1/8 1/4 3/8 1/4
SELAMAT
BELAJAR
Pertemuan 2

SEBARAN PELUANG
VARIABEL ACAK DISKRET

MK. Metode Statistika untuk Ekonomi Pertanian dan

Sumberdaya (ESL23B)
 Beberapa Sebaran Peluang Diskret

Bernoulli Binomial Poisson

SEBARAN PELUANG BERNOULLI
1. Kejadian yang diamati merupakan kejadian biner yaitu sukses atau gagal
2. Peubah acaknya (X) bernilai 1 jika kejadian sukses dan 0 jika kejadian gagal
3. Misal, p=p(sukses) dan q=p(gagal) maka fungsi peluang Bernoulli dapat dituliskan
sebagai:
P(x,p)=pxq(1-x), x=0,1
4. E(X) = p var(X)= p(1-p)
CONTOH SEBARAN PELUANG BERNOULLI

Akan melakukan lemparan bebas. Jika peluang bola tersebut

masuk ring sebesar 80% maka peluang bola tidak masuk ring
adalah 20%

Akan melakukan tendangan pinalti. Jika peluang bola

masuk sebesar 95% maka peluang bola tidak masuk
sebear 5%.
SEBARAN PELUANG BINOMIAL
1. Terdiri dari n kejadian Bernoulli yang saling bebas
2. Peubah acak Binomial merupakan jumlah dari kejadian sukses, X=0,1,2,….,n
3. Fungsi peluang dari kejadian Binomial dapat dituliskan sebagai:
P(x,n,p)=C(n,x)pxq(n-x), x=0,1,2,…,n
dimana C(n,x) = n!/x!(n-x)!
4. E(X) =np var(X)=np(1-p)
 Jika peubah acak X didefinisikan sebagai banyaknya
lemparan bebas yang sukses dari 3 lemparan
p= peluang sukses untuk sekali melakukan lemparan

CONTOH
bebas

S S S x=3 æ 3ö 3 3- 3
ç ÷
P( X = 3) = ç ÷ p (1 - p)
è 3ø
SEBARAN G S S
S S G x=2 æ 3ö 2
P( X = 2) = çç ÷÷ p (1 - p)3-2
è 2ø
PELUANG S G S

BINOMIAL S
G
G
S
G
G x=1
æ 3ö 1
P( X = 1) = çç ÷÷ p (1 - p)3-1
G G S è1ø

G G G x=0 æ 3ö 0
P( X = 0) = çç ÷÷ p (1 - p)3-0
è 0ø
Rata-rata sukses melakukan lemparan E(X) = np = 3p
DISTRIBUSI POISSON
Distribusi Poisson adalah distribusi nilai-nilai bagi suatu variabel random X(X diskrit), yaitu banyaknya hasil
percobaan yang terjadi dalam suatu interval waktu tertentu atau di suatu daerah tertentu.

Distribusi Poisson memiliki ciri-ciri sebagai berikut.

a. Banyaknya hasil percobaan yang terjadi dalam suatu interval waktu atau suatu daerah tertentu tidak bergantung
pada banyaknya hasil percobaan yang terjadi pada interval waktu atau daerah lain yang terpisah.

b. Probabilitas terjadinya suatu hasil percobaan selama suatu interval waktu yang singkat sekali atau dalam suatu
daerah yang kecil, sebanding dengan panjang interval waktu tersebut atau besarnya daerah tersebut, dan tidak
bergantung pada banyaknya hasil percobaan yang terjadi di luar interval waktuataudaerah tersebut.
c. Probabilitas bahwa lebih dari satuhasil percobaan akan terjadidalam interval
waktu yang singkat tersebut atau dalam daerah yang kecil tersebut dapat diabaikan.
CONTOH DISTRIBUSI POISSON
Peristiwa datangnya kendaraan yang lewat dalam suatu interval waktu di suatu
ruas jalan.Dari peristiwa tersebut,dapat diamati hal-hal berikut.

1) Tingkat kedatangan rata-rata kendaraan dapat dihitung berdasarkan data masa lalu.

2) Tingkat kedatangan rata-rata kendaraan per satuan waktu adalah konstan.

3) Banyaknya kedatangan kendaraan dalam suatu interval waktu tertentu merupakan peristiwa independen
(bebas).

4) Probabilitas kedatangan kendaraan-kendaraan itu dalam suatu interval waktu

adalah sangat kecil,dan dapat dikatakan mendekati nol.
DISTRIBUSI POISSON
Distribusi Poisson banyak digunakan dalam hal berikut.

a. Menghitung probabilitas terjadinya peristiwa menurut satuan waktu,ruang atau isi,

luas,panjang tertentu,seperti menghitung probabilitas dari:

1) banyaknya penggunaan telepon per menit atau banyaknya mobil yang lewat selama 5 menit di suatu ruas jalan;

2) banyaknya bakteri dalam 1 tetes atau 1 liter air;

3) banyaknya kesalahan ketik per halaman sebuah buku;

4) banyaknya kecelakaan mobil di jalan tol selama minggu pertama bulan Oktober.

b. Menghitung distribusi binomial apabila nilai n besar (n ≥ 30) dan p kecil (p < 0,1)
 RUMUS DISTRIBUSI POISSON
A. Rumus probabilitas Poisson suatu peristiwa

Probabilitas suatu peristiwa yang berdistribusi Poisson dirumuskan:

Keterangan:

𝜆 = rata-rata terjadinya suatu peristiwa (𝜆= 𝑛 × 𝑝)

𝑒 = bilangan alam = bilangan natural = bilangan euler = 2,71828

Probabilitas suatu peristiwa yang berdistribusi Poisson dirumuskan:

Keterangan:

𝜆 = tingkat kedatangan rata-rata per satuan waktu

𝑡 = banyaknya satuan waktu

𝑥 = banyaknya kedatangan dalam 𝑡 satuan waktu

𝑒 = bilangan alam = 2,71828

 RUMUS DISTRIBUSI POISSON
B. Probabilitas distribusi Poissonkumulatif

Probabilitas Poisson kumulatif adalah probabilitas dari peristiwa Poisson lebih dari satu. Probabilitas Poisson kumulatif dapat dihitung
dengan rumus:

C. Distribusi Poisson sebagai pendekatan distribusi binomial

Distribusi Poisson sebagai pendekatan distribusi binomial dirumuskan:

Keterangan:

𝑛𝑝= rata-rata distribusi binomial

RATA-RATA, VARIANS, DAN SIMPANGAN
BAKU DISTRIBUSI POISSON
Distribusi Poisson memiliki rata-rata (mean), varians, dan simpangan baku sebagai berikut:

a. Rata-rata

𝐸 𝑋 = 𝜇 = 𝜆= 𝑛× 𝑝

b. Varians

𝐸 𝑋− 𝜆 2 = 𝜎2 = 𝑛× 𝑝

c. Simpangan baku
𝜎 = 𝜆= 𝑛 × 𝑝
CONTOH SOAL LATIHAN
Contoh soal:
1. Sebuah toko alat-alat pertanian mencatat rata-rata penjualan cangkul setiap hari adalah 7 buah. Jika permintaan akan sabit tersebut
mengikuti distribusi Poisson, berapa probabilitas untuk penjualan berikut?
a. 0 cangkul
b. 3 cangkul

2. Sebuah pabrik pengolahan kakao menggunakan 30 mesin. Probabilitas sebuah mesin mengalami dan memerlukan perbaikan adalah 0,05.
Tentukan probabilitas dari 3 mesin yang akan mengalami gangguan dan memerlukan perbaikan, gunakan pendekatan Poisson dan
binomial!

3. Apabila x adalah binomial random variable dengan n=7 dan p=0.3, maka tentukan:
a.P (x=4)
b.P(x > 1)
Pertemuan 4

SEBARAN PELUANG
VARIABEL ACAK KONTINU
MK. Metoda Sataistika untuk Ekonomi Pertanian
dan Sumberdaya (ESL23B)
2021
 Pendahuluan
1. Misalkan X adalah suatu peubah acak kontinu
2. Fungsi peluang dari peubah acak kontinu merupakan fungsi kepekatan peluang
3. Integral fungsi kepekatan peluang dari semua kemungkinan nilai sama dengan 1
4. Peluang dari suatu selang nilai dapat dibentuk dengan mengintegralkan fungsi
kepekatan peluang dalam selang nilai tersebut
Beberapa sebaran peluang kontinu

Normal Gamma

Weibull Beta
Sebaran Normal

0.4500
0.4000
0.3500

1. Bentuk sebaran simetrik

0.3000
0.2500
0.2000
0.1500

2. Mean, median dan modus berada dalam satu titik

0.1000
0.0500
0.0000
2
1 æ x-µ ö
3. Fungsi kepekatan peluang dapat dituliskan sebagai berikut: 1 - ç ÷ X

f ( x, µ , s ) =
2
e 2è s ø

2p s

b
4. Peluang merupakan luasan dibawah kurva kepekatan normal: p(a £ x £ b) = ò f ( x)dx = F (b) - F (a)
a

1. P (µ - s < x < µ + s ) = 0.683

2. P (µ - 2 s < x < µ + 2s ) = 0.954

5. Peubah acak (X) dengan mean (µ) dan ragam (s2) menyebar normal
sering dituliskan sebagai X ~ N (µ, s2)
Bentuk Sebaran Normal dengan
Berbagai Nilai Ragam

Variable
60
Semakin besar ragam dari sebaran
ragam 1
ragam 3
ragam - 5
50 ragam -10 normal maka semakin landai bentuk
40
sebarannya
Percent

30

20

10

0
-36 -24 -12 0 12 24 36
Data
Nilai Harapan Peubah Acak
Kontinu

• Nilai harapan dari peubah acak tersebut dalam jangka panjang ¥

• Secara matematis nilai harapan dapat dirumuskan sebagai berikut: E( X ) = ò x f ( x )dx, jika X p.a kontinu
i i
-¥

• Setiap peubah acak normal memiliki karakteristik yang berbeda-bedaè perhitungan

peluang akan sulit
• Lakukan transformasi dari X ~ N(µ , s2) menjadi peubah acak normal baku Z ~ N(0 , 1)
dengan menggunakan fungsi transformasi

• Distribusi peluang dari peubah acak normal baku Z ~ N(0 , 1) sudah tersedia dalam bentuk
tabel peluang normal baku
X -µ
Z=
s
Cara Penggunaan Tabel Normal
Baku

1. Nilai z, disajikan pada kolom pertama (nilai z sampai Nilai Z 0.00 0.01 0.02 0.03

desimal pertama) dan baris pertama (nilai z desimal -2.6 0.005 0.005 0.004 0.004
kedua)
2. Nilai peluang didalam tabel normal baku adalah
peluang peubah acak Z kurang dari nilai k (P(Z<k)).
-2.5 0.006 0.006 0.006 0.006

-2.4 0.008 0.008 0.008 0.008

P(Z<-2.42)=0.008
 Soal Latihan
1. Sebuah pabrik pembuatan tahunmemiliki tingkat kedatangan rata-rata pembeli sebanyak 8 orang per hari.Kedatangan pembeli mengikuti proses
Poisson.
a. Berapa probabilitas kedatangan 5 pembeli per hari?
b. Berapa probabilitas kedatangan 5 pembeli sampai pada siang hari saja?

2. Diketahui bahwa dosis pupuk menyebar normal dengan nilai tengah 50 dan simpangan baku 10, hitunglah peluang bahwa X mengambil sebuah
nilai antara 45 dan 62

3. Bobot badan sejumlah besar sapi kira-kira menyebar normal dengan nilai tengah 8 kg dan simpangan baku 0,9 kg. Hitunglah proporsi banyaknya
sapi yang berbobot
a. Lebih dari 9,5 kg
b. Antara 7,3 dan 9,1 kilogram

4. Apabila terdapat sebuah sebaran normal dengan nilai tengah 40 dan simpangan baku 6, maka hitunglah nilai X yang luas daerah di bawahnya ada
38%.
TERIMAKASIH
 P E R T EM U AN 5

Konsep Penarikan
Contoh

MK. Metode Statistika untuk Ekonomi Pertanian dan

Sumberdaya (ESL23B)
Tahun Akademik 2022/2023
 • Sebaran peluang suatu statistik disebut sebaran
penarikan contoh
• Sebaran penarikan contoh suatu statistik akan
bergantung pada ukuran populasi, ukuran contoh,
dan metode pengambilan contohnya.
Penarikan
Sebaran

Contoh
 Some Notes

• It is important to realize that sample results provide only

estimates of the values of the corresponding population
characteristics
• With proper sampling methods, the sample results will provide
“good” estimates of the population parameters.
• A sample mean provides an estimate of a population mean,
and a sample proportion provides an estimate of a population
proportion
 Pemilihan Sampel
Finite Population / Populasi
Terbatas
• Kerangka Sampling (Sampling
Frame) dapat ditentukan
dengan mudah
• Jumlah populasi cenderung
tetap selama periode waktu
tertentu
Infinite Population / Populasi Tidak
Terbatas
• Kerangka Sampling (sampling
frame) sulit atau bahkan tidak bisa
ditentutkan
• Jumlahnya populasi cenderung
berubah setiap periode
• Populasi tak terbatas biasanya
dikaitkan dengan proses yang
beroperasi dari waktu ke waktu
 2 2 2.0 0.0
Sebaran Penarikan Contoh 2 3 2.5 0.5
2 6 4.0 8.0
2 8 5.0 18.0
Pengambilan 2 9 5.5 24.5
dengan pemulihan
Bila semua kemungkinan Populasi 3 2 2.5 0.5
contoh acak berukuran n 3 3 3.0 0.0
3 6
diambil DENGAN 9 3 6 4.5 4.5
PEMULIHAN (Sampel yang X 3 8 5.5 12.5
2 8 3 9 6.0 18.0
sudah diambil, berpeluang
diambil lagi) dari suatu n=2 6 2 4.0 8.0
populasi terhingga 6 3 4.5 4.5
berukuran N yang µ = 5.6 dan ² = 7.44 6 6 6.0 0.0
mempunyai nilai tengah µ 6 8 7.0 2.0
dan simpangan baku σ X menyebar Normal → kombinasi linear dari X 6 9 7.5 4.5
maka untuk n yang cukup besar juga menyebar Normal 8 2 5.0 18.0
sebaran penarikan contoh bagi 8 3 5.5 12.5
nilai tengah X akan 8 6 7.0 2.0
menghampiri sebaran normal 8 8 8.0 0.0
8 9 8.5 0.5
9 2 5.5 24.5
9 3 6.0 18.0
9 6 7.5 4.5
Distribusi rata-rata akan mendekati distribusi normal dengan 9 8 8.5 0.5
𝜎 𝑥ҧ − 𝜇 9 9 9.0 0.0
𝜇𝑥ҧ = 𝜇 dan 𝜎𝑥ҧ = dan 𝑧= Rataan 5.6
𝑛 𝜎/ 𝑛 Var 3.72
 Sebaran Penarikan Contoh Rataan Ragam
Bila semua kemungkinan Contoh 2 3 2.5 0.5
contoh acak berukuran n 2 6 4.0 8.0
diambil TANPA Pengambilan 2 8 5.0 18.0
Populasi
PEMULIHAN (Sampel yang tanpa pemulihan 2 9 5.5 24.5
3 2 2.5 0.5
sudah diambil, tidak 6
3 6 4.5 4.5
3
berpeluang diambil lagi) dari X 9 3 8 5.5 12.5
n=2
suatu populasi terhingga 2
8 3 9 6.0 18.0
berukuran N yang 6 2 4.0 8.0
6 3 4.5 4.5
mempunyai nilai tengah µ µ = 5.6 dan ² = 7.44 6 8 7.0 2.0
dan simpangan baku σ 6 9 7.5 4.5
maka untuk n yang cukup 8 2 5.0 18.0
besar sebaran penarikan 8 3 5.5 12.5
8 6 7.0 2.0
contoh bagi nilai tengah X
8 9 8.5 0.5
akan menghampiri sebaran 9 2 5.5 24.5
normal 9 3 6.0 18.0
9 6 7.5 4.5
9 8 8.5 0.5
Rataan 5.6 9.30
Var 2.79
Distribusi rata-rata akan mendekati distribusi normal dengan
𝑥ҧ − 𝜇
dan 𝜎 𝑁−𝑛 dan 𝑧=
𝜇𝑥ҧ = 𝜇 𝜎𝑥ҧ = (𝜎/ 𝑛)
𝑁−𝑛
𝑛 𝑁−1 𝑁−1
 Identifikasi Sampling Frame Exercise 1
Dari ilustrasi di bawah ini makanah yang termasuk kategori populasi terbatas dan tidak
terbatas, jelaskan alasannya
No Ilustrasi Kasus Finite / Infinite Keterangan

Penarikan sampel petani untuk mengetahui sebaran

1
pendapatan petani padi di Desa A
Penarikan sampel buah tomat yang masuk ke pasar Induk
2 Kramat Jati untuk mengetahui rata-rata berat tomat yang
dijual
Penarikan sampel anggota bank sampah untuk mengetahui
3
besaran rata-rata tabungansampah
Penarikan sampel rata-rata berat sampah organik yang
4
dihasilkan per truk sampah di TPA Bantar Gebang
Penarikan sampel wisatawan kebun raya untuk melihat
5
rata-rata biaya perjalanan (travel cost)
Penarikan sampel pembeli di supermarket untuk melihat
6
preferensi terhadap produk sayur organik
Penarikan sampel perusahaan tambang batubara untuk
7
melihat rata-rata biaya CSR yang dikeluarkan
 Exercise 2
• Perusahaan perikanan dalam satu hari rata-rata
mampu memproduksi 10.000 bungkus bakso
ikan. Perusahaan ini menyatakan bahwa rata-
rata berat sebungkus bakso ikan adalah 255
gram dengan standart deviasi 15 gram. Rata-rata
populasi dianggap menyebar normal.
a. Berapa persen bungkus bakso yang beratnya
antara 260 gram dan 245 gram
b. Jika diambil sampel secara acak sebanyak 100
bungkus dengan pemulihan, hitunglah peluang
isi sebungkus bakso ikan kurang dari 258 gram.
c. Jika diambil sampel secara acak sebanyak 50
bungkus dengan pemulihan, hitunglah peluang
isi sebungkus bakso ikan beratnya antara 250
gram dan 260 gram
 Exercise 3
Diketahui rata-rata hasil tangkapan 500
nelayan adalah 155 kg dengan
standart deviasi 30 kg. Rata-rata
populasi dianggap normal.
a. Jika penarikan sampel 30 nelayan
dilakukan tanpa pemulihan,
hitunglah peluang hasil tangkapan
nelayan lebih dari 165 kg.
b. Jika diambil 20 nelayan tanpa
pemulihan. Berapa peluang hasil
tangkapan nelayan antara 135 kg
dan 160 kg?
 TERIMA KASIH

.
 Praktikum ke-6

Pendugaan Parameter
Satu Populasi Departemen Ekonomi
Sumberdaya dan Lingkungan

Fakultas Ekonomi dan

MK. Metode Statistika untuk Ekonomi Pertanian dan Sumberdaya Manajemen
(ESL23B)
 Statistika Deskriptif

 Statistika Deskriptif adalah sebuah cara untuk mengatur, merepresentasikan,

MK. Metode Statistika untuk Ekonomi Pertanian dan Sumberdaya (ESL23B)

dan mendeskripsikan kumpulan data menggunakan tabel, grafik dan aneka

tampilan visual lainnya.
 Statistika Deskriptif sangat penting bagi Data Scientists untuk melihat sebuah
pattern dari data.
 Statistika Deskriptif ini hanya bisa digunakan untuk sampel data yang sedang
dipelajari, tidak bisa digunakan untuk melakukan generalisasi atau mengambil
kesimpulan tentang populasi atau kelompok lainnya.
 I. Statistika Deskriptif
MK. Metode Statistika untuk Ekonomi Pertanian dan Sumberdaya (ESL23B)

• Mean (𝒙ഥ): Nilai rata-rata dari data yang bertipe numerik/angka

1 1 𝑛
𝑥ҧ = (𝑥1 + 𝑥1 +…+𝑥1 ) atau 𝑥ҧ = σ𝑖=1 𝑥𝑖
𝑛 𝑛
• Median (Me): Nilai tengah yang membagi data terurut menjadi
2 bagian sama besar.
𝑛+1
Data ganjil: 𝑀𝑒 = 𝑥
2
1
Data Genap: 𝑀𝑒 = 𝑥(𝑛) + 𝑥(𝑛+1)
2 2 2
• Modus (Mo): Nilai yang paling sering muncul dari data
 Statistika Deskriptif
MK. Metode Statistika untuk Ekonomi Pertanian dan Sumberdaya (ESL23B)

• Ragam/Varian (𝝈𝟐 , 𝒔𝟐 , var(x)): Rata-rata kuadrat dari selisih/jarak

setiap observasi dengan nilai mean (the average of the squared
differences from the mean)

𝟐 σ𝒏 (𝒙
𝒊=𝟏 𝒊 −ഥ
𝒙 ) 𝟐
𝟐 σ𝒏 (𝒙
𝒊=𝟏 𝒊 −ഥ
𝒙 ) 𝟐
𝝈 = 𝒔 =
𝒏 𝒏−𝟏

• Simpangan baku/standar deviasi: Nilai yang menggambarkan

seberapa bervariasi/beragamnya suatu data = akar kuadrat dari Ragam
 II. Statistika Inferensia
MK. Metode Statistika untuk Ekonomi Pertanian dan Sumberdaya (ESL23B)

• Statistika inferensia digunakan untuk menarik kesimpulan terhadap

karakteristik sebuah populasi dengan memanfaatkan informasi dari
sampel/contoh.
• Karakteristik dari populasi dinamakan parameter, sedangkan karakteristik
dari sampel/contoh dinamakan statistik.
• Dua pokok bahasan utama statistika inferensia adalah:
a. Pendugaan parameter/parameter estimation
b. Uji hipotesis/hypothesis testing
 Pendugaan Parameter
MK. Metode Statistika untuk Ekonomi Pertanian dan Sumberdaya (ESL23B)

Pendugaan parameter berarti

melakukan estimasi/ pendugaan
terhadap parameter populasi yang
diketahui berdasarkan informasi dari
contoh acak/ random sample yang
diambil dari populasi bersangkutan.
 Pendugaan Parameter

TIGA sifat yang harus dimiliki penduga/estimator yang baik:

MK. Metode Statistika untuk Ekonomi Pertanian dan Sumberdaya (ESL23B)

Tak Bias Efisien Konsisten

Nilai harapan penduga Harus mempunyai Semakin besar ukuran
sama dengan ragam minimum contoh maka ragam
parameter yang diantara penduga penduga makin kecil
diduga lainnya
 Pendugaan Parameter
1. Pendugaan titik: Pendugaan yang terdiri dari satu nilai saja. Memberikan nilai yang
MK. Metode Statistika untuk Ekonomi Pertanian dan Sumberdaya (ESL23B)

kemungkinan besar berbeda dari nilai parameter yang sebenarnya. Misalnya untuk mengetahui
rata-rata produktivitas padi di Kabupaten Bogor, diambil sampel acak dari 100 petani padi dan
diperoleh rata-rata produktivitas sebesar 7 ton per hektar.
2. Pendugaan selang: akan memberikan nilai-nilai statistik dalam suatu interval/selang
kepercayaan dan bukan nilai tunggal sebagai penduga parameter.
• Selang kepercayaan 1 - α adalah sebuah interval antara dua angka, di mana dipercaya nilai
parameter sebuah populasi terletak di dalam interval tersebut. Pendugaan parameter
diwujudkan dalam pembentukan selang kepercayaan, karena hampir tidak pernah ditemukan
nilai statistik tepat sama dengan nilai parameter.
• Alpha α adalah peluang bahwa parameter populasi yang sesungguhnya berada di luar selang
kepercayaan. Nilai Alpha α yang umumnya digunakan dalam pendugaan parameter adalah
1%, 5% dan 10%, sehingga memberikan selang kepercayaan yang umum digunakan adalah
99%, 95% dan 90%.
MK. Metode Statistika untuk Ekonomi Pertanian dan Sumberdaya (ESL23B)

Pendugaan Selang
MK. Metode Statistika untuk Ekonomi Pertanian dan Sumberdaya (ESL23B)

Pendugaan Parameter Satu Populasi: Rataan

MK. Metode Statistika untuk Ekonomi Pertanian dan Sumberdaya (ESL23B)

Pendugaan Parameter Satu Populasi: Rataan

MK. Metode Statistika untuk Ekonomi Pertanian dan Sumberdaya (ESL23B)

Pendugaan Parameter Satu Populasi: Rataan

MK. Metode Statistika untuk Ekonomi Pertanian dan Sumberdaya (ESL23B)

Pendugaan Parameter Satu Populasi: Rataan

MK. Metode Statistika untuk Ekonomi Pertanian dan Sumberdaya (ESL23B)

Pendugaan Parameter Satu Populasi: Rataan

MK. Metode Statistika untuk Ekonomi Pertanian dan Sumberdaya (ESL23B)

Pendugaan Parameter Satu Populasi: Rataan

MK. Metode Statistika untuk Ekonomi Pertanian dan Sumberdaya (ESL23B)

Pendugaan Parameter Satu Populasi: Proporsi

 1. Dalam suatu kelompok tani, beberapa petani kedelai dijadikan sampel
dengan data produktivitas sebagai berikut (dalam kuintal per Ha):
Latihan 172, 167, 180, 170, 169, 160, 175, 165, 172, 170
Hitunglah simpangan baku pada data sampel tersebut

Soal 2. Seratus orang calon siswa Sekolah Lapang Agribisnis sebagai sampel
acak yang sudah pernah mengikuti tes IQ, mempunyai rata-rata-IQ
sebesar 110 dan diketahui mempunyai simpangan baku sebesar 20.
Dengan menggunakan tingkat keyakinan sebesar 95%, buatlah
pendugaan interval dari rata-rata IQ.

3. Dari 100 buah manggis yang akan diekspor, setelah diperiksa

terdapat 30 buah manggis yang berada dalam keadaan rusak.
Dengan menggunakan tingkat kepercayaan 95%, buatlah pendugaan
interval P yang menunjukkan proporsi manggis yang rusak.
 Terima Kasih

MK. Metode Statistika untuk Ekonomi Pertanian dan Sumberdaya

(ESL23B)
 PERTEM U AN 7

Pendugaan
Parameter Dua
Populasi
MK. Metode Statistika untuk Ekonomi Pertanian dan
Sumberdaya (ESL23B)
Tahun Akademik 2021/2022
 Research Question: apakah penyakit ISPA yang diderita penduduk
kecamatan A disebabkan oleh aktivitas PLTU batubara? Diketahui
bahwa di kecamatan A hanya ada PLTU batubara tersebut, tidak ada
pembangkit listrik maupun pabrik lainnya.
1. Berapa selisih biaya berobat penyakit ISPA antara penduduk
kecamatan A dengan penduduk kecamatan B? à kasus dua
Selisih Rataan contoh SALING BEBAS
2. Berapa selisih biaya berobat penyakit ISPA penduduk kecamatan A
antara sebelum dan sesudah tahun 2018? à kasus dua contoh
Pendugaan

BERPASANGAN

µ1 -µ2

x1 -x2

s x -x
1.96
1.96 sx
1 2 1 -x2

Margin of Error
Pendugaan parameter:
Kasus dua contoh
saling bebas
Selisih rataan dua populasi
 Syarat : diketahui
s12 & s22

PERLU DIINGAT:
Apabila ukuran contoh cukup
Tidak
besar (n1+n2 ³ 30) maka diketahui
pada Formula 1 dan Formula
2 selang kepercayaan sama
tersebut dapat menggunakan s12 & s22
Formula 1
sebaran NORMAL (Z).
Tidak
sama

Formula 2
FORMULA 1 FORMULA 2
Jika s1 dan s2 tdk diketahui dan diasumsikan sama: Jika s1 dan s2 tdk diketahui dan diasumsikan tidak sama:
Pendugaan parameter:
Kasus dua contoh
berpasangan
Selisih rataan dua populasi
 Ditimbang
Ditimbang Diberi pakan kondisi akhir :
kondisi awal : tertentu bobot kelinci
bobot kelinci

Setelah periode tertentu

Perubahan akibat pemberian pakan :

selisih bobot akhir – bobot awal
 Dugaan selang bagi selisih rataan
dua contoh berpasangan

Selang kepercayaan (1-a)100% bagi µd:

INGAT:
Jika ukuran contoh
cukup besar (n1+n2 >
30) maka pada Formula
selang kepercayaan
dapat menggunakan
sebaran NORMAL (Z)

1
Pendugaan parameter:
Kasus dua contoh
Selisih proporsi
Margin of Error
Selang kepercayaan (1-a)100%bagi 𝑝^1- 𝑝^2

Sampel Besar

Sampel Kecil:

Ganti Z dengan t pada derajat bebas n1+n2-2

LATIHAN SOAL
PRAKTIKUM 7
 Contoh 1
Seorang mahasiswa ESL ingin meneliti dampak kekeringan
yang diakibatkan mengeringnya embung di Desa Bahagia
terhadap produksi hasil pertanian, khususnya hortikultura.
Mahasiswa membandingkan biaya penyediaan air untuk
Lahan antara petani di Desa Bahagia dengan petani di Desa
Ceria yangberjarak 3 km dari Embung.

Hasil sampling secara acak petani Desa Bahagia diambil

sejumlah 50 petani dan 30 petani di Desa Ceria. Diperoleh
rata-rata biaya penyediaan air petani di Desa Bahagia per
musim tanam adalah Rp. 100 ribu dan petani Desa Ceria
sebesar Rp. 150 ribu. Hitunglah selisih biaya rata-rata
penyediaan air antara petani di kedua desa, apabila diketahui
data sebagai berikut;
a. Interval kepercayaan 90% bagi μB- μC
b. simpangan baku populasi bagi petani Desa Bahagia = Rp.
15.000 dan petani Desa Ceria = Rp. 10.000
 Untuk mengevaluasi dampak kekeringan dari Embung
Contoh 2
terhadap produksi petani di Desa Ceria, dipilih secara
acak 15 petani dari Desa Ceria. Data yang diambil
adalah biaya penyediaan air per musim tanam pada
saat air tersedia dan pada saat kekeringan sbb:

Pasangan Kondisi Normal Kekeringan di di^2

1 75.000 100.000 (25.000) 625.000.000
2 50.000 150.000 (100.000) 10.000.000.000
3 55.000 120.000 (65.000) 4.225.000.000
4 65.000 110.000 (45.000) 2.025.000.000
5 60.000 115.000 (55.000) 3.025.000.000
6 52.000 108.000 (56.000) 3.136.000.000
7 80.000 109.000 (29.000) 841.000.000
8 85.000 125.000 (40.000) 1.600.000.000
9 90.000 112.000 (22.000) 484.000.000
10 62.000 113.000 (51.000) 2.601.000.000
11 65.000 114.000 (49.000) 2.401.000.000
12 53.000 116.000 (63.000) 3.969.000.000
13 52.000 117.000 (65.000) 4.225.000.000
14 73.000 122.000 (49.000) 2.401.000.000
15 71.000 123.000 (52.000) 2.704.000.000
Jumlah (766.000) 44.262.000.000
 Contoh 3
Kementerian Pertanian melakukan penelitian di dua
kecamatan yang berdekatan (Ka dan Kb) untuk
mengetahui apakah ada perbedaan antara persentase
petani yang setuju pelaksanaan sekolah lapang untuk metode
budidaya padi dengan SRI di BPP yang dekat dengan dua
kecamatan tersebut. Kemudian akan dibuat pendugaan
interval mengenai besarnya selisih/perbedaan persentase
tersebut. Di kecamatan Ka dan Kb masing-masing dilakukan
wawancara terhadap 200 orang, antara lain menanyakan
apakah mereka setuju pelaksanaan sekolah lapang atau tidak.
Dari Ka ada 150 orang yang setuju dan dari Kb ada 120
orang yang setuju pelaksanaan sekolah lapang. Buatlah
pendugaan interval dari perbedaan persentase tentang
pendapat penduduk yang setuju dengan pelaksanaan
sekolah lapang, di kedua daerah tersebut,dengan tingkat
keyakinan sebesar 95%.
 TERIMA KASIH