Membahas tentang ukuran atau deajat ketidakpastian suatu

peristiwa
Peristiwa adalah segala bagian yang mungkin dapat atau terjadi.
Contoh : Experimen jumlah kendaraan yang melalui lingkungan
akan menghasilkan peristiwa misalnya :
A = tidak ada kendaraan selama 1 jam , atau
B = ada 10 kendaraan selama 1 jam , dst

Dua peristiwa atau lebih dinamakan saling eksklusif. Jika

terjadinya peristiwa yang satu mencegah terjadinya peristiwa
yang lain
Contoh :
1. Jika E menyatakan suatu peristiwa terjadi, maka E menyatakan
peristiwa itu tidak terjadi
2. E = produksi yang rusak , Ēproduksi yang tidak rusak.
3. Undian mata uang peristiwa – peristiwa muka G yang tampak
, dan muka H yang nampak G dan H saling eksklusif.
Misalkan sebuah peristiwa E dapat terjadi sebanyak n kali diantara N
peristiwa yang saling ekslisif dan masing masing terjadi dengan
kesempatan yang sama maka peluang peristiwa E terjadi adalah n/N
dan dituliskan dalam bentuk P (E) = n/N
Contoh :
1. Undian dengan sebuah mata uang, seluruh peristiwa N=2 (muka G
dan H) , jika E = muka G diatas maka n = 1 .
P (G) = = juga P (H) = 1/2

2. Undian sebuah dadu bermuka enam menghasilkan peristiwa N = 6

P (mata 1) = P (mata 2)……..P (mata 6) = 1/6
3. Kotak berisi 20 kelereng, terdiri dari 5 merah, 12 kuning dan 3
hijau, bila kelereng diambil tanpa memilih maka peluang merah =
5/20 = 0,25 , peluang kuning = 12/ 20 = 0,6 dan peluang hijau 3/20=
0,15
A. P (E) = n/N , N terkecil =0 , yakni peristiwa E tidak ada , dan paling
besar , n =N , yakni dalam hal semua yang terjadi merupakan peristiwa E
.
Peluang peristiwa E paling kecil berharga nol dan paling besar berharga
satu, jadi didapat batas

0≤ P(E) ≤1

P(E) = 0 Peristiwa E pasti tidak terjadi

P (E) = 1 Peristiwa E pasti terjadi
P(E) = mendekati nol peristiwa E praktis tidak terjadi
P (E) mendekati 1 , peristiwa E praktis terjadi
B. P (E) = n/N ,jika E menyatakan bukan peristiwa E, maka di dapat :
P (E) = 1-P(E) atau
P (E) + P (E ) = 1
Contoh :
1.Dalam undian sebuah mata dadu, missal E = mendapat
muka 6 diatas, maka P (E) = 1/6 E muka 1, 2, 3,4,5
maka P(E) = 5/6
2. Kalau peluang mendapat hadiah = 0,61 , maka peluang
tidak mendapat hadiah =peluang 0,39.

C. Untuk peristiwa yang saling eksklusif dihubungkan

dengan kata atau maka berlaku :
Jika K buah peristiwa E1, E 2...... Ek saling eksklusif maka
peluang terjadi E1 atau E 2 atau …. EK sama dengan jumlah
peluang tiap peristiwa.

P (E1 atau E2 atau ….. Ek) = P (E1) + P(E2) +…..P(EK)

Contoh :
1. E dan E saling eksklusif , maka berlaku P (E atau E ) = P (E) + P(E).
Menurut rumus P (E) + P(E) = 1, didapat P (E atau E ) = 1 berarti terjadi
dan tidak terjadinya peristiwa E adalah pasti
2. Undian mata uang .
P (G atau H ) = P(G) + (H) = 1
Berarti : salah satu muka akan Nampak bila diundi.

3. Enam peristiwa mata dadu , untuk dadu Homogen P (mata 1) = P

(mata2 ) atau P(mata 6) = 1/6 ,maka P (mata 1 ) atau (P mata 2)
atau…..atau mata 6 = P (1) + P(2)…P(6) = 1
4. Kotak barisi kelereng , 10 merah , 18 hijau, dan 22 kuning.
P (merah) =
P (kuning) =
P (hijau) =
P (merah atau kuning) = P (merah) + P (kuning) = 0,22 + 0,44 = 0,64
Berarti 64 dari 100 kali mengambil akan terambil warna merah dan
kuning.
DISTRIBUSI PELUANG
Distribusi peluang yang mempunyai variable acak Diskrit
Distribusi Binomial
Distribusi Multinominal Distribusi Poisson

Distribusi peluang yang mempunyai variable acak kontinu

Distribusi Normal
Distribusi Student
Distribusi Chi-kuadrat
Distribusi F
Distribusi Normal
Sering disebut kurva Normal atau Distribusi Gauss
Grafiknya disebut kurva Normal, kurva yang berbentuk genta, yang
digunakan dalam banyak gugusan data yang terjadi dalam, industry dan
penelitian.
Kurva Normal
Kurva normal : Bila X adalah suatu peubah acak normal dengan nilai
tengah dan ragam maka persamaan kurva normalnya adalah

π = nilai konstan = 3,1416

e = bilangan konstan = 2,7183
µ = parameter , rata-rata untuk distribusi
σ = parameter , simpangan baku distribusi
× mempunyai batas - ∞ < x <∞
DISTRIBUSI NORMAL
KARAKTERISTIK DISTRIBUSI KURVA NORMAL

1. Kurva berbentuk genta (m= Md= Mo)

2. Kurva berbentuk simetris
3. Kurva mencapai puncak pada saat X= m
4. Luas daerah di bawah kurva adalah 1; ½ di sisi kanan nilai tengah dan
½ di sisi kiri.
5. Grafiknya selalu ada diatas sumbu datar x
6. Mempunyai satu modus
7. Grafiknya mendekati sumbu datar x dimulai dari x = µ + 3 σ ke kanan
dan x = µ- 3 σ ke kiri.
 3σ µ-2σ µ-σ µ µ+σ µ+2σ µ+3σ

Catatan :
•Luas kurva normal baku = 1
•Kurva simetrik terhadap µ = 0
•Luas dari garis tegak pada titik nol kekiri ataupun kekanan = 0,5
a. Kira-kira 68% luasnya berada di antara daerah µ – σ dan µ + σ
b. Kira-kira 95% luasnya berada di antara daerah µ – 2σ dan µ + 2σ
c. Kira-kira 99% luasnya berada di antara daerah µ – 3σ dan µ + 3σ
 JENIS-JENIS DISTRIBUSI NORMAL

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

Mesokurtic Platykurtic Leptokurtic

Distribusi kurva normal dengan m sama dan  berbeda

 JENIS-JENIS DISTRIBUSI NORMAL

85 850

Distribusi kurva normal dengan m dan  berbeda

 Sifat-Sifat Distribusi Normal:
• Bentuk distribusi normal ditentukan oleh μ dan σ.

1 1
2

μ 1 = μ 2 σ1 > σ2 μ 1 < μ 2 σ1 = σ2

μ 1 < μ 2 σ1 < σ2
 JENIS-JENIS DISTRIBUSI NORMAL

Mangga “C” Mangga “A”

Mangga “B”
0

0
15

30

45
Distribusi kurva normal dengan m berbeda dan  sama
DISTRIBUSI NORMAL STANDAR / NORMAL BAKU

Untuk penggunaan praktis telah disusun daftar nilai

distribusi Normal Standar atau normal baku.
Distribusi Normal Standar = sebaran peubah acak
normal dengan µ= 0 dan simpangan baku σ = 1. Fungsi
densitasnya berbentuk :

Mengubah distribusi normal umum menjadi distribusi

normal baku digunakan rumus transpormasi
TRANSFORMASI DARI NILAI X KE Z

Transformasi dari X
ke Z

x z

Di mana nilai Z:

Z=X-m


Setelah dilakukan transpormasi maka bagian-bagian luas dari
distribusi normal baku dapat dicari dengan menggunakan
daftar distribusi normal standar.
Contoh penggunaan daftar normal baku.
Akan dicari luas daerah:
1.Antara z = 0 dan z = 2.15
Di bawah Z pada kolom kiri cari 2,1 dan pada kolom
mendatar cari 5 .
2,1 maju ke kanan dan dari 5 menurun , didapat 4842…
Luas daerah yang diarsir adalah 0,4842

0 2,15
2. Antara Z=0 dan z = -1,86
Grafik berada disebelah kiri karena
negatif.
Dengan cara yang sama seperti diatas
diperoleh luas daerah yang diarsir = 0,4686
3. antara Z = -1,50 dan Z = 1,82
Dari daftar :

Z= -1,5 = 0,4332
Z =1,82 = 0,4656 +
0,8988
Maka luas daerah yang diarsir = 0,8988
4. antara Z =1,40 dan Z = 2,65

Luas dari Z = 0 sampai Z = 2,65 dikurangi luas

Z=0 sampai ke Z= 1,40
Luas daerah yang diarsir adalah 0,4960- 0,4192=
0,0768
5. dari Z = 1,96 ke kiri

Luas dari Z = 0 ke kiri = 0,5 ditambah Z=0 sampai ke Z =1,96

Z = 1,96 = 0,4750
Luas = 0,5 + 0,4750 = 0,9750
6. Dari Z = 1,96 ke kanan

Luas dari Z = 0 kekanan = 0,5 dikurangi luas

dari Z = 0 ke Z = 1,96
Z = 1,96 = 0,4750
Luas = 0,5 – 0,4750 = 0,0250
Contoh soal :

Berat bayi yang baru lahir rata – rata 3.750 gr dengan

simpangan baku 325 gr. Jika berat bayi berdistribusi
normal maka tentukan ada :

•Berapa persen bayi yang beratnya lebih dari 4.500 gr

•Berapa bayi yang beratnya antara 3.500 dan 4.500 gr
Jika semuanya ada 10.000 bayi
•Berapa bayi yang beratnya ≤ 4000 gr jika semuanya
ada 10.000 bayi
•Berapa bayi yang beratnya 4250 jika semuanya ada
5.000 bayi
PENYELESAIAN
X = Berat bayi, µ = 3.750 gram, σ = 325 maka :
•Dengan rumus transpormasi untuk X = 4.500

Berat lebih dari 4500 gr, pada Grafiknya adalah sebelah kanan
Z = 2,31
Luas daerah = 0,5 – 0, 4896 = 0,0104
Jadi ada 1,04% bayi yang beratnya lebih dari 4500 gr.
2. Bayi yang beratnya antara 3500 gr dan 4500
gr : dengan x = 3500 dan x = 4500 didapat :

dan Z =2.31
Z = -0,77 = 0,2794 ; Z= 2,31 = 0,4896
Luas daerah = 0,2794 + 0,4896 = 0,7690
Banyak bayi antara 3500 dan 4500 gr diperkirakan
0,7690 x 10.000 = 7.690
3.Beratnya ≤ 4000 gr , maka
beratnya harus lebih kecil dari
4000,5 gr

Peluang berat bayi ≤ 4000 gr = 0,5 +

0,2794 = 0,7794
Banyak bayi = 0,7794 x 10.000 = 7794
4. Berat 4250 gr berarti berat antara 4.249.5
gr dan 4250,5 gr
X = 4.249,5 dan X= 4250,5 didapat :

Luas daerah yang prlu = 0,4382 – 0, 4370 = 0,0012

Banyak bayi = 0,0012 x 5000 = 6
*SOAL*
A. Carilah luas daerah dibawah kurva normal baku
untuk :
1. Z antara 1,03 dan 2,79
2. Z antara – 0,82 dan – 2,57
3. Z antara – 0,85 dan 1,28
4. dari Z = 0,97 kekanan
5. Dari Z = 0,97 kekiri
6. Dari Z = - 2,02 kekiri
B. carilah harga z dari kurva normal baku sehingga
luasnya :
•Dari Z kekanan 0,1075
•Dari Z kekiri 0,9732
•Dari Z kekanan 0,8265
C. Misalkan tinggi mhs berdistribusi normal
dengan rata-rata 167,5cm dan simpangan baku
4,6 cm semuanya ada 200.000 mahasiswa.
Tentukan ada berapa mahasiswa yang tingginya
:
•Lebih dari 175 cm
•Lebih dari 160 cm
•Kurang dari 170 cm
•Kurang dari 166 cm
•Antara 158 cm dan 170 cm
•Kurang dari atau sama dengan 170 cm
•172 cm
Contoh kasus :

Rata-rata produktivitas padi di Aceh tahun 2013 adalah

6 ton per ha, dengan simpangan baku (s) 0,9 ton. Jika
luas sawah di Aceh 100.000 ha dan produktivitas padi
berdistribusi normal (data tentatif), tentukan
1. berapa luas sawah yang produktivitasnya lebih dari
8 ton ?
2. berapa luas sawah yang produktivitasnya kurang dari
5 ton
3. berapa luas sawah yang produktivitasnya 4 – 7 ton
4. berapa luas sawah yang produktivitasnya ≥ 8 ton ?
5. berapa luas sawah yang produktivitasnya ≤ 7 ton ?
DISTRIBUSI STUDENT – t Student
Sampel kecill yang jumlah sampelnya
kurang dari 30, nilai standar deviasi
berfluktuasi sangat besar sehingga
dikembangkan suatu distribusi yang
dikenal dengan distribusi –t atau distribusi
student, t-student.
 Ciri ciri Distribusi Student :

Distribusi t –student seperti distribusi Z , merupakan

distribusi kontinu dimana nilainya dapat menempati
semua titik pengamatan

Distribusi t-student seperti distribusi Z berbentuk

seperti genta atau lonceng

Setiap distribusi t student mempunyai rata rata

hitung sama dengan 0, tetapi dengan standar
deviasi yang berbeda beda sesuai dengan
besarnya sampel atau simetrik terhadap t = 0

Luas daerah dibawah kurva = 1

DISTRIBUSI STUDENT
Sering disebut distribusi t
Fungsi Densitasnya :

K = Bilangan tetap yang besarnya tergantung n

Luas daerah dibawah kurva = 1 unit
Pada distribusi terdapat bilangan (n-1) yang dinamakan Derajat
Kebebasan (dk)
dk = ν(baca nu) dimana ν = n-1

Grafik distribusi t
dk = ν = (n – 1)
luas daerah yang diarsir = p dibatasi paling kanan oleh tp.
harga tp dicari di daftar G
.
Contoh :
1. n= 13, jadi dk = 12 dan P = 0,95 t = 1,78
2. Untuk n = 16 tentukan t supaya yang diarsir
0,95
Luas t kekanan dan – t kekiri = 1 – 0,95 = 0,05
Luas t kekanan = 0,05/2 = 0.025
Luas t kekiri = 1 – 0,025 = 0,975
Daftar G ν= 15 p= 0,975 , t = 2,13
Luas yang diarsir 0,95 berada antara t = - 2,13 dan t
= 2,13
3. Tentukan t sehingga luas dari t
ke kiri = 0,05 dengan dk = 9
Untuk ini P yang digunakan
= 1- 0,05 = 0,95
Dengan dk = 9 didapat t = 1,83
Karena yang diminta t ke kiri =
kurang dari 0,5 maka t = - 1,83
 SOAL
1. Jika jumlah sampel 25 dengan
Peluang = 0,95 , berapakah nilai t nya
2. Jika jumlah sampel 36 dengan
Peluang = 0,95 , berapakah nilai t nya
3. Jika jumlah sampel 45 dengan
Peluang = 0,95 , berapakah nilai t nya
4. Tentukan t sehingga luas dari t ke
kanan = 0,05 dengan jumlah sampel
30
INTERPOLASI
DISTRIBUSI t
30 ---------------- 2,04 (nilai t tabel)
40---------------- 2,02
Berapa nilai t untuk 35
35 = 30 + x (40 - 30)
35 – 30 = 10 x
x = 0,5
t = 2,04 +0,5 (2,02 – 2,04)
= 2,04 + (-0,01)
= 2,03
f (U)= K . U 1/2ν-1 e-1/2U
Dengan U = x2 , harga u > 0
ν = Derajat Kebebasan
K = bilangan tetap yang tergantung ν
e = 2,7183
luas daerah dibawah kurva = satu satuan luas
Grafik distribusi chi-kuadrat umumnya merupakan
kurva positif , miring ke kanan
dk = ν= n - 1
luas daerah yang diarsir = peluang p yaitu luas
dari X2 P ke kiri
X2P diperoleh dari daftar H
Contoh :
1. Mencari X 2 dengan p= 0.95 dan dk = 14 X2 = 23.7
2. Grafik distribusi X2 dengan dk = 9.
a. Jika luas daerah yang diarsir sebelah kanan = 0.05,
maka X2 = 16.9 Ini diperoleh dari dk = 9 P = 1 - 0.05 =
0.95
b. Jika luas daerah yang diarsir sebelah kiri = 0.025
maka X2 = 2.70 didapat dari dk = 9 dan P =
0.025.
3 . Untuk jumlah luas yang diarsir 0.05 bisa
terjadi banyak hal. Karena distribusi x2
tidak simetrik, maka luas ujung bagian
kanan bisa 0.04 dan ujung daerah kiri 0.01 ;
atau ujung kanan 0.03 dan ujung kiri
0.02.
Seringkali dibuat sama sehigga masing-
masing : 0.025
Luas ujung kiri 0.025 v = 9 x12 = 2,70
Luas ujung kanan 0,025 v = 9 P = 0,975
X22 = 19,0
DISTRIBUSI STUDENT – t Student
Sampel kecill yang jumlah sampelnya kurang dari 30,
nilai standar deviasi berfluktuasi sangat besar
sehingga dikembangkan suatu distribusi yang dikenal
dengan distribusi –t atau distribusi student, t-student.
Nilai nilai distribusi t dinyatakan sebagai berikut :

Dimana :
t = Nilai distribusi t
x = Nilai rata rata sampel
µ = Nilai rata rata populasi
s = Simpangan baku sampel
n = jumlah sampel
4. Suatu pabrik bola lampu yakin bahwa bola
lampunya akan tahan menyala rata – rata
selama 500 jam. Untuk mempertahankan nilai
tersebut, tiap bulan diuji 25 bola lampu.

Bila nilai t yang dihitung terletak antara dan

maka pengusahan pabrik tadi akan
mempertahankan kenyakinannya.

Kesimpulan apa yang seharusnya dia ambil dari

sampel dengan rataan = 518 jam dan
simpangan baku s = 40 jam?
Suatu pabrik bola lampu yakin bahwa bola lampunya akan tahan menyala rata
– rata selama 500 jam. Untuk mempertahankan nilai tersebut, tiap bulan diuji
25 bola lampu. Bila nilai t yang dihitung terletak antara dan maka
pengusahan pabrik tadi akan mempertahankan kenyakinannya. Kesimpulan
apa yang seharusnya dia ambil dari sampel dengan rataan = 518 jam dan
simpangan baku s = 40 jam? Anggap bahwa distribusi waktu menyala, secara
hampiran, noramal.
Jawab :
Dari tabel 5 diperoleh = 1,711 untuk derajat kebebasan 24. Jadi pengusaha
tadi akan puas dengan keyakinananya bila sampel 25 bola lampu memberikan
nilai t antara -1,711 dan 1,711. Bila memang = 500, maka
Suatu nilai yang cukup jauh di atas 1,711. Peluang mendapat nilai t, dengan
derajat kebebasan v = 24, sama atau lebih besar dari 2,25, secara hampiran
adalah 0,02. Bila , nilai t yang di hitung dari sampel akan lebih wajar. Jadi
pengusaha tali kemungkinan besar akan menyimpilkan bahwa produksinya
lebih nbaik daripada yang diduganya semula.
Selama kurun waktu Agustus 2003, harga saham perusahan berbasis
pertanian di bursa BEJJ adalah Rp. 354 per lembar. Untuk melihat
bagaimana kinerja saham perusahan berbasis pertanian di pasar
modal, maka diambil 4 sampel yang terdiri dari perusahan
perikanan, kehutanan perkebunan, peternakan. Dari 4 perusahan
tersebut diketahui bahwa harga saham rata ratannya mencapai Rp.
272 perlembar dengan standar ddeviasi Rp. 260. Pada taraf 1 %
apakah harga saham perusahan berbasis pertanian mengalami
penurunan , atau perbeedaan selisih yang terjadi karena kebetulan
Jawab :

Dari tabel diperoleh = 1,711 untuk derajat kebebasan 24.

Jadi pengusaha tadi akan puas dengan keyakinananya bila

sampel 25 bola lampu memberikan nilai t antara -1,711 dan
1,711. Bila memang = 500, maka Suatu nilai yang cukup jauh
di atas 1,711. Peluang mendapat nilai t, dengan derajat
kebebasan v = 24, sama atau lebih besar dari 2,25, secara
hampiran adalah 0,02. Bila , nilai t yang di hitung dari sampel
akan lebih wajar. Jadi pengusaha tali kemungkinan besar akan
menyimpulkan bahwa produksinya lebih baik daripada yang
diduganya semula.
Analisis regresi : Hubungan fungsional antara
variable-variabel
Regresi : Suatu model yang berusaha menjelaskan
suatu perubahan berdasarkan perubahan yang lain.
Peubah : Y = Peubah yang dijelaskan
= Peubah tidak bebas
= dependent variable

X = Peubah yang menjelaskan

= peubah bebas / independent variable

Contoh :
Hasil panen padi dan pupuk yang digunakan
Variabel X = volume pupuk
Y = Hasil panen
Meramalkan nilai kimia berdasarkan test intlegensia
variable X = Skor tes intlegensia
Y = Nilai kimia
Model Regresi sederhana untuk populasi :
Y=Ɵ1+Ɵ2X Ɵ 1 dan Ɵ 2 = parameter
Model regresi linier sederhana untuk sempel (model dugaan)
Y=a+bx
a = penduga tak bias Ɵ 1
b = penduga tak bias Ɵ 2
untuk menentukan persamaan regresi ada 2 :
Metode tangan bebas
Metode kuadrat terkecil
Metode tangan bebas
- Data yang diperoleh digambarkan dalam diagram pencar , dimana x =
sumbu datar , y = sumbu tegak
- Bentuk regresi diperlukan berdasarkan titik dalam diagram
- Jika titik-titik sekitar garis lurus = regresi linear
- Jika titik – titik sekitar garis lengkung = regresi non linier
- Regresi linier ditarik secocok mungkin dengan letak titik – titik ,
kemudian persamaanya ditentukin dengan menggunakan dua
titik yang dilalui
METODE KUADRAT TERKECIL
Jumlah pangkat dua (kuadrat ) daripada jarak antara
titik – titik dengan garis regresi yang dicari harus
sekecil mungkin
Contoh data : (Xi , Yi), i = 1, 2,3….n
Persamaan regresi linier = y= a+bx

Jika terlebih dahulu dihitung koefisien b, maka

koefisien a dapat pula ditentukan dengan rumus :
a=Ȳ-bx
Contoh :
Data nilai kimia untuk skor tes intlegensia sbb:
Skor tes (x) Nilai kimia (y)
65 85
50 74
55 76
65 90
55 85
70 87
65 94
70 98
55 81
70 91
50 76
55 74
•Tentukan persamaan regresinya
•Tentukan nilai dugaan nilai kimia bagi mahasiswa dengan skor
intlegensia 60
Jawab :
Xi Yi XiYi Xi2
65 85
50 74
55 76
65 90
55 85
70 87
65 94
70 98
55 81
70 91
50 76
55 74
725 1011 1685 44475
 b = 0,897
a = Y - bX
= 84250 – (0,897)(60417) = 30,056
Persamaan garis regresinya :
Y = 30,056 + 0,897 X

Artinya setiap penambahan satu nilai intlegensia akan menambah nilai

kimia (Y) sebesar 0,897
b. Bila skor nilai intlegasi 60 , X = 60
Y = 30,056 + 0,897 (60) = 80,876

Nilai dugaan untuk nilai kimia bagi mahasiswa dengan skor integlensia
60 = 80,876
Jumlah Produksi Jumlah Pupuk
Durian (kilogram) Organik (kilogram)

10 2
12 2
14 3
15 3
16 3
19 4
20 4
22 5
 KOEFISIEN KORELASI (PEARSON)
Korelasi Pearson merupakan salah satu ukuran
korelasi yang digunakan untuk mengukur kekuatan
dan arah hubungan linier dari dua veriabel.
Dua variabel dikatakan berkorelasi apabila
perubahan salah satu variabel disertai dengan
perubahan variabel lainnya, baik dalam arah yang
sama ataupun arah yang sebaliknya.
Koefisien korelasi hanya mengukur kekuatan
hubungan linier dan tidak pada hubungan non
linier.
hubungan linier yang kuat di antara variabel tidak
selalu berarti ada hubungan kausalitas, sebab-
akibat
 Eksplorasi data
Sebelum melakukan analisis korelasi antar
variabel, sebaiknya kita mengeksplorasi data
tersebut terlebih dahulu secara grafis.

Pola hubungan di antara variabel dengan cara

memplotkan pasangan sampel data tersebut
pada diagram kartesian yang disebut dengan
scatterplot atau diagram pencar. Setiap pasangan
data (x, y) diplotkan sebagai titik tunggal.
Formula untuk korelasi Pearson adalah sebagai berikut:
Nilai koefisien korelasi (r) berkisar antara -1 sampai
dengan 1, nilai r dapat dinyatakan sebagai berikut :

r = -1, hubungan X dan Y sempurna dan negatif

r = 0 , hubungan X dan Y lemah sekali atau tidak
ada hubungan
r = 1 , hubungan X dan Y sempurna dan positif

Pedoman intepretasi r :
0.00 – 0,199 = hubungan sangat rendah
0,20 – 0,399 = hubungan rendah
0,40 – 0,599 = hubungan sedang
0,60 – 0,799 = hubungan kuat
0,80 – 1,000 = hubungan sangat kuat
Sebuah perusahaan industri mempunyai data produksi
bulanan selama sepuluh bulan dan jumlah jam kerja seperti
Tabel dibawah ini.
Produksi Jam kerja
Bulan
(Xi) (Yi)

1 30 73
2 20 50
3 60 128
4 80 170
5 40 87
6 50 108
7 60 135
8 30 69
9 70 148
10 60 132
Besar hubungan linier antara produksi dan jam kerja
karyawan pada perusahaan industri tersebut adalah
sebesar 0,9978 atau sebesar 99,78 persen.
 Systolic
No Age (X) Pressure X2 Y2 XY
(Y)
1 34 108 1156 11664 3672
2 43 129 1849 16641 5547
3 49 126 2401 15876 6174
4 58 149 3364 22201 8642
5 64 168 4096 28224 10752
6 73 161 5329 25921 11753
7 78 174 6084 30276 13572
Jumlah 399 1015 24279 150803 60112
Rata-rata 57 145
 Koefisien Determinasi

Definisi Koefisien Determinasi : nilai yang

menyatakan proporsi keragaman Y yang dapat
diterangkan/dijelaskan oleh hubungan linier antara
variabel X dan Y.

Nilai kuadrat dari r bisa mengukur secara tepat

rasio/proposi tersebut, dan nilai statistik ini
dinamakan dengan Koefisien Determinasi, r2

Koefisien determinasi mempunyai range nilai

berkisar antara 0 sampai 1.
nilai korelasi (r) antara produksi dengan jam kerja= 0.9978,
maka r2 = 0.9978 x 0.9978 = 0,9956= 99,56%. Hal ini berarti
bahwa 99,56% keragaman produksi dapat
diterangkan/dijelaskan oleh jam kerja . sisanya, sebesar
0,44% disebabkan oleh faktor lain dan atau error (galat) dari
percobaan.
nilai korelasi (r) antara umur dengan
tekanan diastole= 0.9561, maka r2 =
0.9561 x 0.9561 = 0,9141= 91,41%. Hal ini
berarti bahwa 91,41% keragaman tekanan
diastole dapat diterangkan/dijelaskan
oleh umur . sisanya, sebesar 8,59%
disebabkan oleh faktor lain
Kovarian
Salah satu ukuran kekuatan hubungan linear antara dua variabel
acak kontinu adalah dengan menentukan seberapa banyak kedua
variabel tersebut co-vary, yaitu bervariasi bersama-sama.

Jika salah satu variabel meningkat (atau menurun) sebagai akibat

peningkatan (atau penurunan) variabel pasangannya, maka dua
variabel tersebut dinamakan covary.

Namun jika satu variabel tidak berubah dengan meningkatnya

(atau penurunan) variabel lain, maka variabel tersebut tidak
covary.

Statistik untuk mengukur berapa banyak kedua variabel covary

dalam sampel pengamatan adalah kovarian.
Sifat-Sifat Penting Distribusi Normal
Grafiknya selalu ada diatas sumbu datar x
Bentuknya simetrik terhadap x = µ
Mempunyai satu modus
Grafiknya mendekati sumbu datar x dimulai dari x = µ + 3 σ ke kanan dan
x = µ- 3 σ ke kiri.
Luas daerah grafik selalu sama dengan satu unit persegi

Jika σ makin besar, kurvanya makin rendah (plati kurtik), untuk σ makin
kecil kurvanya makin tinggi (Leptokurtik)

A = kurva normal µ=10 σ=5 kurva tinggi

B = kurva normal µ=20 σ=7 kurva rendah