STATISTIK MANAJERIAL

H. DETRIKARYA, SE., M.A., Ph.D

DEFINISI

Statistika
Ilmu mengumpulkan, menata, menyajikan,
menganalisis, dan menginterprestasikan data
menjadi informasi untuk membantu pengambilan
keputusan yang efektif.

Statistik
Suatu kumpulan angka yang tersusun lebih dari
satu angka.

2
Macam-macam Statistik

Statistik Deskriptif
Statistik Inferensial yang dibedakan
menjadi dua :
a. Statistik Parametris
b. Statistik Non Parametris
Pengertian Statistik Deskriptif
Statistik yang digunakan untuk
menggambarkan atau menganalisis suatu
statistik hasil penelitian, tetapi tidak
digunakan untuk membuat kesimpulan
yang lebih luas (generalisasi/inferensi).
Statistik Inferensial

Statistik yang digunakan untuk

menganalisis data sampel, dan hasilnya
akan digeneralisasikan (diinferensiasikan)
untuk populasi dimana sampel diambil.
Statistik Parametris
Terutama digunakan untuk menganalisis data
interval atau rasio, yang diambil dari populasi
yang berdistribusi normal
Statistik Non Parametris
Terutama digunakan untuk menganalisis data
nominal, dan ordinal dari populasi yang bebas
distribusi. Jadi tidak harus normal. Teknik
Korelasi dan Regresi dapat berperan sebagai
Statistik Inferensial
 Cara memperoleh data:
Melalui : observasi, wawancara, kuestioner
(angket), maupun dokumentasi, yang
didasarkan pada ciri-ciri keilmuan, yaitu :
rasional, empiris, dan sistematis, serta
komunikatif sehingga dapat menarik pihak
lain untuk membacanya.
 Cara Penyajian data
Kegiatan ini dilakukan dengan menggunakan
tabel, grafik, diagram lingkaran dan
pictogramia.
 Tabel Data Nominal
Dari PT.ABCD
1. Bgn keuangan: jml peg. yg lulus S1 = 25 org; SM = 90
org; SMU = 45 org, SMK = 156 org; SMP = 12 org; SD
= 3 org.
2. Dibagian Umum, jml peg. Yg lulus S1 = 5 org; SM = 6
org; SMU = 6 org; SMK = 156 org; SMP = 4 org. san
SD 1 org.
3. Di bagian penjualan, jml peg. yang lulus S1 = 7 org;
SMK = 65 org; SMP = 37 org; dan SD = 5 org.
4. Dibagian Litbang: Jumlah pegawai yg lulus S3 = 1org;
S2 = 8 org; S1 = 35 org.
 Tabel Komposisi Pendidikan pegawai
PT. ABCD
No Bagian Tingkat Pendidikan
.
S3 S2 S1 SM SMU SMK SMP SD
Jml

1 Keuangan 25 90 45 156 12 3 331

2 Umum 5 6 6 8 4 1 30
3 Penjualan 7 65 37 5 114
4 Litbang 1 8 35 44

Jumlah 1 8 72 96 51 229 53 9 519

 Tabel data Ordinal
No. Aspek Kerja Kualitas Rangking
Kinerja (%) Kinerja

1. Kondisi Fisik Tempat 61,90 1

2. Alat-alat kerja 61,02 2
3. Ortal 58,72 3
4. Kemampuan kerja 58,70 4
5 Peranan Korpri 58,42 5
6. Kepemimpinan 58,05 6
7. Performance kerja 57,02 7
8. Manajemen Kepegawaian 54,61 8
9. Produktivitas kerja 54,51 9
10. Motivasi kerja 54,02 10
11. Diklat yang diperoleh 53,16 11
12. Kebutuhan Individu 53,09 12
 Tabel data Interval Tkt. Kepuasan Pegawai
No. Aspek Kepuasan Kerja Tingkat Kepuasan
1. Gaji 37,58
2. Insentif 57,18
3. Transportasi 68,60
4. Perumahan 48,12
5. Hubungan Kerja 54,00
 Tabel Distribusi Frekuensi
No Kelas Interval Frekuensi
1 10 19 1
2 20 29 6
3 30 39 9
4 40 49 31
5 50 59 42
6 60 69 32
7 70 79 17
8 80 89 10
9 90 - 99 2

Jumlah 150
 SKALA PENGUKURAN
Skala Nominal
Angka yang diberikan hanya sebagai
label saja.
Contoh: pria = 1, wanita = 2 dan
waria = 3.
Skala Interval
Angka mengandung sifat ordinal dan
mempunyai jarak atau interval.
Contoh: 1. Saham sangat prospektif
dengan harga saham Rp736-878,
2. saham prospektif Rp592-735.
Skala Ordinal
Angka mengandung pengertian
tingkatan.
Contoh: ranking 1, 2, dan 3. Ranking 1
menunjukkan lebih tinggi dari ranking
2 dan 3.
Skala Rasio
Angka mempunyai sifat nominal,
ordinal dan interval serta mempunyai
nilai absolut dari objek yang diukur.
Contoh: bunga BCA 7% dan bunga
Mandiri 14%, maka bunga Mandiri 2
kali bunga BCA.
Hubungan antar variabel

Variabel Independen
Variabel Dependen
Variabel Independen
Variabel ini sering disebut sebagai
variabel stimulus, input, prediktor,
dan antecedent.
Variabel bebas adalah variabel yang
menjadi sebab timbulnya atau
berubahnya varaibel dependen
(variabel terikat). Jadi variabel
independent adalah variabel yang
mempengaruhi
Variabel Dependen
Sering disebut sebagai variabel
respon, output, kriteria, konsekuen.
Juga disebut sebagai variabel terikat,
atau merupakan variabel yang
dipengaruhi atau yang menjadi
akibat, karena adanya variabel bebas
Variabel Moderator

Variabel yang mempengaruhi

(memperkuat atau memperlemah)
hubungan antara variabel independen
dan dependen. Variabel ini sering
disebut sebagai variabel independen
kedua.
Contoh
Hubungan suami dan istri akan semakin akrab,
jika telah mempunyai anak. Anak adalah variabel
moderator
Hubungan suami dan istri akan renggang apabila
ada pihak ketiga. Pihak ketiga adalah variabel
moderator
Hubungan antara kemampuan dan produktivitas
kerja akan semakin tinggi bila etos kerja tinggi.
Demikian sebaliknya etos kerja merupakan
variabel moderator
Variabel Intervening
Variabel yang secara teoritis
mempengaruhi (memperkuat atau
memperlemah) hubungan antara
variabel independen dan dependen,
tetapi tidak terukur.
Contoh
Anak yang pandai nilainya tinggi.
Tapi dalam kasus tertentu ada anak
pandai tetapi nilainya rendah.
Ternyata anak tsb sedang sakit hati
dan frustasi waktu menjawab soal
ujian. Sakit hati dan frustasi sebagai
variabel intervening yang masih sulit
diukur, tetapi ada
Variabel Kontrol
Variabel yang dikendalikan atau
dibuat konstan, sehingga tidak akan
mempengaruhi variabel utama yang
diteliti. Variabel kontrol ini
ditetapkan oleh peneliti, bila peneliti
akan melakukan penelitian terutama
dengan menggunakan metode
eksperimen yang bersifat membuat
perbandingan.
Contoh
Ingin melakukan penelitian untuk
membandingkan kecepatan mengetik
antara lulusan SMK dan SMA. Untuk
penelitian ini perlu ditetapkan
variabel kontrolnya, yaitu naskah
yang diketik sama, mesin ketik sama,
ruang kerjanya sama
1. Paradigma Sederhana
Menunjukkan hubungan antara satu
variabel independen dengan satu
variabel dependen.
(X=penampilan kerja dengan
Y=produktivtias kerja)

X Y
2. Paradigma Sederhana
Berurutan
Menunjukkan hubungan antara satu
variabel dengan variabel yang lain
secara berurutan.

X1 X2 X3 X4

X1 = Kemampuan X3 = Prestasi Kerja

X2 = Penghasilan X4 = Kesejahteraan
3. Paradigma Ganda dengan dua
Variabel Independen
Menunjukkan hubungan bersama-
sama antara X1 dan X2 terhadap Y
X1
Y
X2

X1 = Tata ruang kantor

X2 = Kepemimpinan
Y = Kelancaran kerja
4. Paradigma Ganda dengan Tiga
Variabel Independen
X1

X2 Y

X3

X1 = Pemahaman terhadap tugas X3 = Kepuasan kerja

X2 = Kepemimpinan Y = Produktivitas kerja
5. Paradigma Ganda dengan Dua
Variabel Dependen

Y1

Y2

X = Tingkat Pendidikan
Y1 = Kepuasan Kerja
Y2 = Kematangan Kerja
Peranan Statistik Dalam
Penelitian
1. Alat untuk menghitung besarnya anggota sampel
yang diambil dari suatu populasi. Dengan
demikian jumlah sampel yang diperlukan lebih
dapat dipertanggungjawabkan
2. Alat untuk menguji validitas dan reliabilitas
instrumen. Sebelum instrumen digunakan untuk
penelitian, maka harus diuji validitas dan
reliabilitasnya terlebih dahulu
3. Teknik-teknik untuk menyajikan data, sehingga
data lebih komunikatif. Teknik-teknik penyajian
data ini antara lain : tabel, grafik, diagram
lingkaran dan pictogram
4. Alat untuk menganalisis data seperti menguji
hipotesis penelitian yang diajukan. Dalam hal ini
statistik yang digunakan antara lain : korelasi,
regresi, t-test, anova, dll
Macam Data Penelitian
Data Kualitatif (Data yang berbentuk
kalimat, kata atau gambar)
Data Kuantitatif (Data yang berbentuk
angka, atau data kualitatif yang diangkakan
(scoring)). Data kuantitatif ada 2 kelompok
: data diskrit dan data kontinum
Data diskrit adalah data yang diperoleh dari
hasil menghitung atau membilang (bukan
mengukur), misal jumlah meja ada 20, jumlah
orang ada 12 dsb. Data ini sering disebut
dengan data nominal, dimana data ini biasa
diperoleh dari penelitian yang bersifat
eksploratif atau survey
Data Kontinum adalah data yang
diperoleh dari hasil pengukuran. Data
kontinum dapat dikelompokkan
menjadi 3 yaitu : data ordinal,
interval, dan rasio.
 Kualitatif

Macam Data Deskrit

Ordinal
Kuantitaif

Kontinum Interval

Rasio
PENYAJIAN
DATA
DISTRIBUSI FREKUENSI

Langkah-langkah Distribusi Frekuensi:

a. Mengumpulkan data

b. Mengurutkan data dari terkecil ke terbesar atau sebaliknya

c. Membuat kategori kelas

Jumlah kelas k = 1 + 3,322 log n
di mana 2k>n; di mana k= jumlah kelas; n = jumlah data

d. Membuat interval kelas

Interval kelas = (nilai tertinggi nilai terendah)/jumlah kelas

e. Melakukan penghitungan atau penturusan setiap kelasnya

CONTOH DISTRIBUSI FREKUENSI

Kelas ke- Interval Frekuensi

1 160 303 2
2 304 447 5
3 448 591 9
4 592 735 3
5 736 878 1

Batas kelas atas

Batas kelas bawah
 Penyajian Data Bab 2

HISTOGRAM

Definisi:
Grafik yang berbentuk balok, di mana sumbu horisontal (X) adalah tepi
kelas dan sumbu vertikal (Y) adalah frekuensi setiap kelas.

Interval Frekuensi

159,5 - 303,5 2

303,5 - 447,5 5

447,5 591,5 9

591,5 735,5 3

735,5 878,5 1
 Penyajian Data Bab 2

POLIGON
Definisi:
Grafik berbentuk garis dan menghubungkan antara nilai tengah
kelas dengan jumlah frekuensi pada setiap kelas.
Nilai tengah Jumlah
kelas frekuensi 10
231,5 2

375,5 5 k
reun
e s
i
5

519,5 9
F

0
663,5 3 231,5 375,5 519,5 663,5 807,0

807,0 1 Nilai Tengah Interval Kelas Harga Saham

Penyajian Data Bab 2

KURVA OGIF

Definisi:
Diagram garis yang menunjukkan kombinasi antara interval kelas
dengan frekuensi kumulatif.
Interval Tepi Kelas Frekuensi Frekuensi Lebih
kurang dari dari
159,5 0 (0%) 20 (100%)
160-303
303,5 2 (10%) 18 (90%)
304-447
447,5 7 (35%) 13 (65%)
448-591
591,5 16 (80%) 4 (20%)
592-735
735,5 19 (95%) 1(5%)
736-878
878,5 20 (100%) 0 (0%)
Penyajian Data Bab 2

KURVA OGIF

25
Frekuensi Kumulatif

20
15
10
5
0
159.5 303.5 447.5 591.5 735.5 878.5
Tepi Kelas Interval Harga Saham

Frek. Kum. Kurang dari Frek. Kum. Lebih dari

 Ukuran Pemusatan Bab 3

RATA-RATA HITUNG

Rata-rata Hitung Populasi

X

N
Rata-rata Hitung Sampel

X
X
n
Ukuran Pemusatan Bab 3

RATA-RATA HITUNG DATA BERKELOMPOK

1. Data berkelompok adalah data yang sudah dibuat distribusi

frekuensinya.
2. Rumus nilai tengah = f. X/n

Interval Nilai Tengah (X) Jumlah Frekuensi (f) f.X

160-303 231,5 2 463,0

304-447 375,5 5 1.877,5

448-591 519,5 9 4.675,5

592-735 663,5 3 1.990,5

736-878 807,0 1 807,0

Jumlah n = 20
f= 9.813,5
Nilai Rata-rata ( fX/n) 490,7
REGRESI, KORELASI DAN
PROBABILITA
Regresi

Cara Penerapan Regresi

Persamaannya Y = a + bX.
na + Xb = Y
Xa + Xb = XY
Maka :

b = nXY - XY / nX - (X)

a = ( Y - bX)/n
 Korelasi (Hubungan)
Rumus Korelasi

nXY - X Y
r=
nX - (X) n Y - (Y)

Nilai r bervariasi dari -1 melalui o hingga +1

Bila r = 0 atau mendekati 0, mk hub. kedua variabel sangat lemah atau tdk ada hub.
sama sekali.
Bila r = +1 atau mendekati 1 maka hub. Kedua variable dikatakan positif dan
sangat kuat sekali.
Bila r = -1 atau mendekati -1, maka korelasinya dikatakan sangat kuat dan negatif.
 Konsep Dasar Probabilitas Bab 7

PENDAHULUAN

Definisi:
Probabilitas adalah peluang suatu kejadian

Manfaat:
Manfaat mengetahui probabilitas adalah membantu
pengambilan keputusan yang tepat, karena kehidupan di dunia
tidak ada kepastian, dan informasi yang tidak sempurna.

Contoh:
pembelian harga saham berdasarkan analisis harga saham
peluang produk yang diluncurkan perusahaan (sukses atau
tidak), dll.
PENDAHULUAN

Probabilitas:
Suatu ukuran tentang kemungkinan suatu peristiwa (event)
akan terjadi di masa mendatang. Probabilitas dinyatakan antara
0 sampai 1 atau dalam persentase.
Percobaan:
Pengamatan terhadap beberapa aktivitas atau proses yang
memungkinkan timbulnya paling sedikit dua peristiwa tanpa
memperhatikan peristiwa mana yang akan terjadi.
Hasil (outcome):
Suatu hasil dari sebuah percobaan.
Peristiwa (event):
Kumpulan dari satu atau lebih hasil yang terjadi pada sebuah
percobaan atau kegiatan.
PENDEKATAN PROBABILITAS

1. Pendekatan Klasik

2. Pendekatan Relatif

3. Pendekatan Subjektif
PENDEKATAN KLASIK

Definisi:
Setiap peristiwa mempunyai kesempatan yang sama untuk terjadi.

Rumus:

Probabilitas = jumlah kemungkinan hasil

suatu peristiwa jumlah total kemungkinan hasil
 PENDEKATAN KLASIK

Percobaan Hasil Probabi-

litas

Kegiatan melempar 1. Muncul gambar 2

uang 2. Muncul angka

Kegiatan 1. Menjual saham 2

perdagangan saham 2. Membeli saham

Perubahan harga 1. Inflasi (harga naik) 2

2. Deflasi (harga turun)

Mahasiswa belajar 1. Lulus memuaskan 3 1/3

2. Lulus sangat
memuaskan
3. Lulus terpuji
 PENDEKATAN RELATIF ATAU EMPIRIS

Definisi:
Probabilitas suatu kejadian tidak dianggap sama, tergantung dari
berapa banyak suatu kejadian terjadi.

Rumus:

Probabilitas = jumlah peristiwa yang terjadi

suatu peristiwa jumlah total percobaan

Contoh: Seorang anak dari jarak 5 meter melempar

sebuah benda 100 kali dan kena 70 kali, maka
berdasarkan pendekatan ini probalitasnya ditentukan
70/100 atau 0,70
 PENDEKATAN SUBJEKTIF
Definisi:

Probabilitas suatu kejadian didasarkan pada penilaian

pribadi yang dinyatakan dalam suatu derajat
kepercayaan.

Misalnya:
* Seorang calon Bupati yang merasa ialah
yang bakal terpilih karena banyak orang yang
sudah berjanji dengannya.
* Atau seorang laki-laki yg merasa seorang
wanita tertarik kepadanya karena sang wanita
sering senyum kepadanya.
KONSEP DASAR HUKUM PROBABILITAS

A. Hukum Penjumlahan
P(A ATAU B) = P(A) + P(B)
Contoh : P(A) = 0,35, P(B) 0,40 DAN P (C) 0,25
Maka P(A ATAU C ) = 0,35 + 0,25 = 0,60

Peristiwa atau Kejadian Bersama

A AB B

P(A ATAU B) = P(A) + P(B) P (AB)

Apabila P(AB) = 0,2, maka ,

P(A ATAU B) = 0,35 + 0, 40 0,2 = 0,55
KONSEP DASAR HUKUM PROBABILITAS

Peristiwa Saling Lepas

P(AB) = 0
Maka P(A ATAU B) = P (A) + P(B) + 0
= P(A) + P(B)

A B

Hukum Perkalian
P( A DAN B) = P(A) X P(B)
Apabila P(A) 0,35 DAN P(B) = 0,25
Maka P(A DAN B) = 0,35 X 0,25 = 0,0875

Kejadian Bersyarat P(B|A)

P(B|A) = P(AB)/P(A)
KONSEP DASAR HUKUM PROBABILITAS

Hukum Perkalian
P( A DAN B) = P(A) X P(B)
Apabila P(A) 0,35 DAN P(B) = 0,25
Maka P(A DAN B) = 0,35 X 0,25 = 0,0875

Kejadian Bersyarat P(B|A)

P(B|A) = P(AB)/P(A)

Peristiwa Pelengkap (Complementary Event)

P(A) + P(B) = 1 atau P(A) = 1 P(B)
 Konsep Dasar Probabilitas Bab 7

DIAGRAM POHON

Keputusan Jual atau Beli Jenis Saham Probabilitas bersama

Diagram Probabilitas Bersyarat

BC
1 x 0,6 x 0,35 = 0,21
0,35
Pohon A
Jua BL 0,40 1 x 0,6 x 0,40 = 0,24
l P
Suatu diagram BNI 0,25 1 x 0,6 x 0,25 = 0,15
0,
berbentuk 1
6
pohon yang
1 x 0,4 x 0,35 = 0,14
membantu BC 0,3
Beli A 5
mempermudah BL 0,4 1 x 0,4 x 0,40 = 0,16
mengetahui P 0
probabilitas BNI 0,25 1 x 0,4 x 0,25 = 0,10
suatu peristiwa
Jumlah Harus = 0,21+0,24+0,15+0,14
1.0 +0,16+0,10 =1,0
 TEOREMA BAYES

Merupakan probabilitas bersyarat-suatu kejadian terjadi setelah

kejadian lain ada.
Rumus:

P(Ai|B) = P(Ai) X P (B|Ai)

P(A1) X P(B|A1)+P(A2) X P(B|A2) + + P(Ai) X P(B|AI)
BEBERAPA PRINSIP MENGHITUNG

Factorial (berapa banyak cara yang mungkin dalam

mengatur sesuatu dalam kelompok).

Factorial = n! atau 4! = 4.3.2.1 = 24

Permutasi (sejumlah kemungkinan susunan jika

terdapat satu kelompok objek).

Permutasi nPr = n!/(n-r)!

Kombinasi (berapa cara sesuatu diambil dari

keseluruhan objek tanpa memperhatikan urutannya.

Kombinasi nCr = n!/r!(n-r)!

 Contoh Teorema Bayes

Sebuah Pabrik Guna 4 Mesin ( A1, A2, A3, dan A4)

utk menghasilkan semacam brg. Hasilnya pd akhir
bulan: Dari Mesin A1 = 100 buah, A2 = 120 buah, A3
= 180 buah dan A4 = 200 buah. Jumlahnya 600 buah.
Hasil Mesin A1 dan A2 probabilitas rusaknya 5%
sedang Mesin A3 dan A4 adalah 1%. Bila dari 600
tersebut diambil 1 dan ternyata rusak, berapa
kemungkinannya berasal dari mesin A4?.
 Contoh Kombinasi
Tiga orang pemain badminton hendak dipilih
dua orang untuk pasangan ganda. Maka jumlah
pemain ganda yg mungkin dibentuk adalah:
n = 3 r=2
nCr = 3!/2!( 3-2)! = 3 pasang
 Contoh Permutasi

Dari tiga orang pimpinan desa, A,B,C hendak

dipilih seorang kepala desa dan seorang
sekretaris. Berapa alternatif kombinasi calon tsb
menduduki jabatan tsb?.
n=3 r=2

nPr = 3!/ (3 2 )! = 6
Distribusi Probabilitas Diskret Bab 8

DISTRIBUSI PROBABILITAS BINOMIAL

Ciri-ciri Percobaan Bernouli:

Setiap percobaan menghasilkan dua kejadian:

(a) kelahiran anak: laki-laki-perempuan;
(b) transaksi saham: jual- beli,
(c) perkembangan suku bunga: naikturun dan lain-lain.

Probabilitas suatu kejadian untuk suskes atau gagal adalah tetap

untuk setiap kejadian. P(p), peluang sukses, P(q) peluang gagal,
dan P(p) + P(q)= 1.

Suatu percobaan dengan percobaan bersifat bebas.

Data yang dihasilkan adalah data perhitungan.

Distribusi Probabilitas Diskret Bab 8

DISTRIBUSI PROBABILITAS BINOMIAL

Rumus distribusi probabilitas binomial:

P (r) = [n!/ r!(n-r)!].prq(n-r)

Distribusi Probabilitas Diskret Bab 8

CONTOH DISTRIBUSI BINOMIAL

PT MJF mengirim buah melon ke Hero. Buah yang dikirim 90%

diterima dan sisanya ditolak. Setiap hari 15 buah dikirim ke Hero.
Berapa peluang 15 dan 13 buah diterima?

Jawab:

Untuk mencari nilai distribusi binomial dapat menggunakan tabel

distribusi binomial dengan n=15; dimana X =15, dan X = 13
dengan P(p)= 0,9 dan dapat diperoleh nilai ...?
 Distribusi Probabilitas Diskret Bab 8

DISTRIBUSI POISSON

Dikembangkan oleh Simon Poisson

Poisson memperhatikan bahwa distribusi binomial sangat

bermanfaat dan dapat menjelaskan dengan baik, namun
untuk n di atas 50 dan nilai P(p) sangat kecil akan sulit
mendapatkan nilai binomialnya.

Rumus:

P(X) = xe-/X!
Distribusi Probabilitas Diskret Bab 8

CONTOH DISTRIBUSI POISSON

Jumlah emiten di BEJ ada 120 perusahaan. Akibat krisis ekonomi,

peluang perusahaan memberikan deviden hanya 0,1. Apabila BEJ
meminta secara acak 5 perusahaan, berapa peluang ke-5
perusahaan tersebut akan membagikan dividen?

Jawab:

Untuk mendapatkan nilai distribusi Poisson, dapat digunakan tabel

distribusi Poisson. Carilah Nilai = 12 dan nilai X = 5, maka akan
didapat nilai ?
Kurva Normal: Oleh Carl Gauss
Rumus Umum Z = ( X Xrata-rata)/ s
Mis: Mhs yg ikut ujian 200 orang. Nilai rata-rata
6. dan simpangan bakunya 2. Berapa mhs yg
dpt nilai 8 ke atas?
Z = ( 8 6 )/ 2 = 1. Dalam tabel 1, luasnya
34,13%. Krn dlm tabel berada di atas 8 maka
50% - 34,13% = 15,87%.
Jadi Mhs yg dpt nilai 8 ke atas = 15,87 % x
200 = 31,74 0rang atau 32 orang.
KARAKTERISTIK DISTRIBUSI KURVA NORMAL

1. Kurva berbentuk genta (= Md= Mo)

2. Kurva berbentuk simetris
3. Kurva normal berbentuk asimptotis
4. Kurva mencapai puncak pada saat X=
5. Luas daerah di bawah kurva adalah 1; di sisi kanan nilai
tengah dan di sisi kiri.
JENIS-JENIS DISTRIBUSI NORMAL

10
9
8
7
6
5
4
3
2
1
0
m

Mesokurtic Platykurtic Leptokurtic

Distribusi kurva normal dengan sama dan berbeda

 Distribusi Probabilitas Normal Bab 9

TRANSFORMASI DARI X KE Z

Contoh Soal:
Harga saham di BEJ mempunyai nilai tengah (X)=490,7 dan standar
deviasinya 144,7. Berapa nilai Z untuk harga saham 600?

Jawab:
Diketahui: Nilai = 490,7 dan = 144,7

Maka nilai Z =( X - ) /
Z =?
 Distribusi Probabilitas Normal Bab 9

LUAS DIBAWAH KURVA NORMAL

68,26%

95,44%

99,74%

-3 -2 -1 =x +1 +2 +3
-3 -2 -1 Z=0 +1 +2 +3

Luas antara nilai Z (-1<Z<1) sebesar 68,26% dari jumlah data.

Berapa luas antara Z antara 0 dan sampai Z = 0,76 atau biasa
dituis P(0<Z<0,76)?
Dapat dicari dari tabel luas di bawah kurva normal. Nilainya
dihasilkan = ?
PENERAPAN KURVA NORMAL

Contoh Soal:
PT GS mengklaim berat buah mangga B adalah 350 gram
dengan standar deviasi 50 gram. Bila berat mangga
mengikuti distribusi normal, berapa probabilitas bahwa berat
buah mangga mencapai kurang dari 250 gram, sehingga akan
diprotes oleh konsumen.

Z=-2,0
Distribusi Probabilitas Normal Bab 9

PENERAPAN KURVA NORMAL

Contoh Soal:
PT Work Electric, memproduksi Bohlam Lampu yang dapat
hidup 900 jam dengan standar deviasi 50 jam. PT Work
Electric ingin mengetahui berapa persen produksi pada kisaran
antara 800-1.000 jam, sebagai bahan promosi bohlam lampu.
Hitung berapa probabilitasnya!

0,4772
0,4772

-2 2
Contoh Soal.
Dik. Jarak tempuh 1 ltr bensin dari sepeda mtr merk
K 38 km, dg = 6 km. Bila dianggap bhw
distribusi jarak tempuh pemakaian 1 ltr bensin
mendekati distribusi normal, berapa:
a. % tase spd mtr yg dpt mencapai 30 km/l.
b. % tase yg dpt mencapai 25 s/d 35 km/l.
c. % tase yg dpt mencapai lebih dari 50km/l
d. 10 % dikatakan spd mtr yg berbahan bakar
hemat, berapa jarak minimalnya?.
Distribusi Probabilitas Normal Bab 9

PENDEKATAN NORMAL TERHADAP BINOMIAL

Apabila kita perhatikan suatu distribusi probabilitas binomial, dengan

semakin besarnya nilai n, maka semakin mendekati nilai distribusi normal.
Gambar berikut menunjukkan distribusi probabilitas binomial dengan n
yang semakin membesar.

0.6

0.5

0.4

0.3

0.2

0.1

0
0 1 r 0 1 2 3 r 0 2 4 6 8 10 12 14 16 18 20 r
 Distribusi Probabilitas Normal Bab 9

DALIL PENDEKATAN NORMAL TERHADAP

BINOMIAL

Bila nilai X adalah distribusi acak binomial dengan nilai tengah =np
dan standar
deviasi =npq, maka nilai Z untuk distribusi normal adalah:

Z = X - np
npq

di mana n dan nilai p mendekati 0,5

 Contoh Soal dan jawaban.
Probabilitas memperoleh 5 permukaan A dari 12 kali
lemparan mata uang sbb:
n = 12 x = 5 p=
P(5 ; 12) = 0,1934. ( dg rumus binomial)
Dg rumus Curva normal: = np = 12 x = 6
p = np(1 p ) p = 12(1/2)(1/2)=1,732
Z1 = (4,5 6)/ 1,732 = - 0,87 0,3078 (tabel)
Z2 = (5,5 6)/ 1,732 = - 0,29 0,1141 (tabel)
Jadi luas 4,5 sampai 5,5 = 0,3078 0,1141 = 0,1937
Catatan: 0,0003 di abaikan.
 58 Juta jiwa,
Angka pengangguran di Indonesia
4 juta sarjana(gimana ya ?).
Capital ?????!!!!!!!!!!!!!!!!!
Rumus-rumus dalam distribusi Sampling
x =

x = with replacement
n
N-n
x = .
n N- 1

without replacement
Rumus-rumus dalam distribusi Sampling
p = P
p( 1- p )
p = with replacement
n
p( 1- p ) N-n
p = .
n N- 1

without replacement
Rumus-rumus dalam distribusi Sampling
Distribusi Sampling Harga Rata-rata.
x - x
Z =
x

Distribusi Sampling Harga Proporsi

^p - P
Z =
^p
Rumus-rumus dalam distribusi Sampling
Distribusi Sampling Harga perbedaan dua Rata-rata.
(x1 - x2 ) (1 - 2 )
Z =
(x1 - x2 )

Distribusi sampling harga perbedaan dua Proporsi

(x1/n1 x2/n2) - (P1 - P2)
Z =
(x1/n1 x2/n2)
 Rumus-rumus dalam distribusi Sampling

p1( 1- p1) p2( 1- p2)

(x1/n1 x2/n2) = +
n1 n2
 Estimasi
Interval Estimasi x - z /n x + z /n
Misal: Dari sampel random 100 mhs, IQ rata2 = 112 dg
= 10.
Hitung: a. 95 % CI estimasi dari rata2 IQ seluruh mhs
tersebut.
Jawab: = 5%. z = 0.05/2 = 0.025
z 0.025 = 1,96 ( tabel)
Jadi: 112 1,96 . 10/ 100 112 1,96
Maka Estimasi IQ rata2 mhs. adalah
Antara 112 1,96 112 + 1,96
Atau 110,04 113,96
Estimasi harga beda dua rata-rata
( X1 X2) - Z/2 1/n1 + 2/n2 < 1 - 2 <
( X1 X2) + Z/2 1/n1 + 2/n2

Estimasi harga beda dua Proporsi

p1( 1- p1) p2( 1- p2)
(^p1- ^p2) - Z/2 + < 1-2 <
n1 n2

p1( 1- p1) p2( 1- p2)

(^p1- ^p2) - Z/2 +
n1 n2
 Estimasi Proporsi Populasi
p - z p p + z p
p = p(1 p )/n
Contoh: Dari 900 sampel Ibu2, ttg tanggapan nya thd
detergen Rinso, dan ternyata 30% menyukai Rinso.
Hitunglah interval estimasi proporsi dari ibu2 tsb
yg menyukai Rinso. CI = 95%.
Jawab: p = 30% = 0.3 n = 900
p = 0,3(0,7 )/900 = 0,0151
Jadi : 0,30 1,96 * 0,0151.
Maka Interval Estimasi = 0,27 0,33
 Estimasi harga rata-rata sampel kecil
x -
t = Jadi Estimasi Rata-rata menjadi
s/ n

x-t(0,025; n-1) *s/n< < x+t(0,025; n-1) *

s/n
Estimasi beda dua harga rata-rata sampel kecil

(X1 X2) t(/2; n1+n2-2 [(n1-1)s + (n2-

1)s2/ n1+n2 - 2 ) * (1/n1 + 1/n2)]<1-2<
(X1 X2) + t(/2; n1+n2-2 [(n1-1)s + (n2-
1)s2/ n1+n2 - 2 ) * (1/n1 + 1/n2)]
 Menentukan besar sample
Dengan tabel Krecjie: Biasa digunakan utk populasi
berstarata. Mis; Peg. Neg. 1000 org terdiri dari S1 =
50; SM = 300; SMK =500; SMP= 50; SD= 100.
Dg tkt kesalahan 5% maka sampelnya 278. Maka tkt
sampelnya yg proporsional:
S1 = 50/1000 x 278 = 13,90 = 14
SM = 300/1000x278 = 83,40 = 83
SMK= 500/1000x278 = 139,00= 139
SMP= 50/1000 x 278 = 13,90 = 14
SD = 100/1000x278 = 28 Jadi Total Sampel 278
Ukuran sample dg perhitungan
Bila Ukuran tabel lebih dari 100.000 biasanya
sample dihitung sbb:
n = ( Z/2 / E )
Misal: Bila kita ingin mencari besarnya
sampel yg diperlukan dg probalitias 95% dan
kesalahan yg terjadi tidak lebih dari 0,09
maka;

n = [ 1,96/0,09 ]
n = 118,57 atau 119 orang ( dibulatkan ).
 hIPotheSIS

HIPOTHESIS
Konsep Dasar Pengujian Hipotesis
Hipotesis: Jawaban sementara terhadap rumusan
masalah penelitian.
Bentuk Rumusan Hipotesis:
1. Hipotesis Deskriptif: Dugaan ttg nilai suatu
variabel mandiri, tdk membuat perbandingan
atau hubungan, sbb:
a. Seberapa tinggi daya tahan lampu merk X?
b. Seberapa tinggi produktivitas padi di KabX?
c. Seberapa baik gaya kepemimpinan di
lembaga X?.
 Hipotesisnya Deskriptif

Daya tahan lampu merk X = 800 jam

Produktivitas di Kab. X 8 ton/ha
Daya tahan lampu merk A = 450 jam dan
merk B = 600 jam
Hipotesis Statistik
Selalu berpasangan antara Ho dan Ha. Bila salah
satu menolak, maka yang lain mene-rima.
Pernyataan Hipotesis:
Suatu minuman hrs mengikuti ketentuan, bahwa
salah satu unsur kimia boleh dicampur paling
banyak hanya 1%. Maka:
Ho : 0,01
Ha : > 0,01
Contoh Hipotesis
Suatu bimbingan tes menyatakan bahwa murid yg
dibimbing di lembaga itu, paling sedikit 90% dpt
diterima di Perguruan Tinggi Negeri.
Ho : 0,90
Ha : < 0,90
Seorang peneliti menyatakan bahwa daya tahan lampu
merk A = 450 jam dan B 600 jam. Hipotesis
statistiknya:
Lampu A : Lampu B :
Ho : = 450 jam Ho : = 600 jam
Ha : 450 jam Ha : 600 jam
Hipotesis Komparatif
Perumusan Masalah:
a. Adakah perbedaan daya tahan lampu merk A dan B?.
b. Adakah perbedaan produktivitas kerja antara pegawai
golongan I, II, III?.
Rumusan Hipotesis:
1) -Tdk terdpt perbedaan daya tahan lampu antara merk A
dan B.
-Daya tahan lampu merk B paling rendah sama
denganlampu merk A.
- Daya tahan lampu merk B paling tinggi sama dg
lampu merk A.
Hipotesis Statistiknya:
Ho : = 2
Ha : 2 Uji Hipotesis dua pihak

Ho : 2
Ha : < 2 Uji Hipotesis pihak kiri

Ho : 2
Ha : > 2 Uji Hipotesis Pihak kanan
Lanjutan..
Tdk terdpt perbedaan (persamaan)
produktivitas kerja antara Gol. I, II, III.
Rumusan hipotesisnya sbb:
Ho : = 2 = 3
Ha : 2 = 3 ( salah satu berbeda sudah
merupakan Ha)