Statistik dan Probabilitas

Maridi M Dirdjo
Mengapa ya Butuh Statistik
• Di dunia tidak ada yang pasti.
• Ada error/kesalahan, adanya variasi/fluktuasi.
• Butuh sample, generate populasi.
• Ada Dugaan/Estimasi.
• Membutuhkan Pengujian hipotesa dalam eksperimen.
• Ingin mengetahui pola hubungan.
• Ingin mengetahui studi kelayaakan.
• Ingin mengetahui yang akan datang.
• Ingin mengambil kelompok informasi.
• Sebagai Pengambilan Keputusan dlm menentukan
kebijaksanaan.
• Ingin mengidentifikasi pola atau bentuk tertentu.
• Menganalisa Standart Kwalitas Produksi, kompetensi?
• Dll.
Dunia Tidak Pasti
• Mati Pasti, kapan saudara mati?.
• Jodoh Takdir, bagaimana dan kapan?.
• Rejeki Barokah, Berapa tiap hari rejekinya?.
 Error/Kesalahan
Akibat Variasi Data
• Apa semua harus benar?
• Apakah semua makanan enak?
• Apakah suadara pintar?Tampan? Atau
Cantik? .
 Butuh sample
• Mengapa kalau masak perlu di incipi?
• Mengapa kalau beli buah boleh di incipi?
• Mengapa ada ukuran baju S,M,L,XL?
• Mengapa sepatu ada ukuran, 39,40,42 dst.
• Mengapa Quick Count Poling President tepat?
• Mengapa mengukur kwalitas lampu tdk di test semua?
• Mengapa Uji Kekuatan BAN tidak semuanya di tusuk
paku?
 Dugaan/Estimasi
• Mengapa akhir-akhir ini harga-harga melambung?
• Mengapa hasil produksinya menurun?
• Mengapa lumpur lapindo bertambah banyak?
• Mengapa banyak semburan baru di tempat lain?
>> Jangan-jangan, jangan-jangan…..???
 Pengujian Hipotesa
• Untuk membuktikan dugaan eksperimen, benar atau
tidak dugaannya.
• Apakah memang benar susu formula mengandung
bakteri sakazaki???
• Perlu di uji hipotesanya sehingga menyakinkan, berapa
tingkat keyakinannya? Mari kita sepakati.
Susu Formula 40%
ada Bakteri
 Ada Pola Hubungan
• Karena banyak komplikasi Gito rolis
meninggal?...ah itu takdir.
• Karena dompet kosong, saptu malam minggu di
rumah saja, kasihan deach loe!
• Karena……Maka………
 Butuh studi kelayakan
• Bagaimana nasip korban Lapindo?
• Cukup tidak uang ganti ruginya?
• Apakah perlu adanya relokalisasi?
• Apaka setuju lumpur lapindo korban
nasional?
 Keingintahuan akan datang
• Berapa ya kira-kira saya harus jualan
besuk?.
• Besuk cuaca-nya hujan, berawan atau
cerah?
• Sebaiknya kita siapkan tahun depan
anggaran operasional berapa ya?
 Kelompok Informasi
• Ada berapa kelompok perokok
berdasarkan umur?
• Produk “X” termasuk kebawah, menengah
atau ke atas.
 Probabilitas dalam statistik
• Semua kejadian dialam, selalu dikatakan ada
ketidakpastian
• Adanya statistik, karena adanya ketidakpastian,
dgn statistik dpt diambil kesimpulan
• Jadi kejadian alam scr statistik selalu dikatakan
mempunyai peluang untuk terjadi atau tdk terjadi
• Maka, keputusan didlm statistik merpk Peluang
(Probabilitas) yg diyakini benar dan memberi
peluang untuk tdk benar (salah)
 Probabilitas dalam statistik
• Tgs statistik baru dianggap selesai jika berhasil
membuat konklusi dgn baik tentang karakteristik suatu
populasi (terwakili oleh sampel)
• Sampel diambil scr acak dgn maksud semua unit di
dlm polupasi memp probabilitas yg sama untuk
terambil sbg sampel
• Kesimpulan yg akan dimabil tdk absolut 100%, ttp
kesimpulan dinyatakan kebenarannya 95%, 90% atau
0,95, 0,90 yg disebut sbg derajat kepercayaan
• Oleh karena itu dlm mempelajari statistik diperlukan
pengertian ttg peluang dan distribusi peluang
 1.Definisi

• Probabilitas atau peluang:

– Merupakan ukuran numeric tentang seberapa
sering peristiwa itu akan terjadi. Semakin
besar nilai probabilitas menyatakan bahwa
peristiwa itu akan sering terjadi.
 PROBABILITAS
• Probabilitas untuk keluarnya mata satu
dalam pelemparan satu kali sebuah dadu
adalah :
1/6 (seperenam)
 KONSEP-KONSEP PROBABILITAS
• Pandangan Klasik / Intuitif
Probabilitas adalah harga angka yg menunjukkan
seberapa besar kemungkinan suatu peristiwa terjadi

P(E) = X/N
P = Probabilitas
E = Event / Kejadian
X = Jlh kejadian yg diinginkan /peristiwa
N = Keseluruhan kejadian yg mungkin terjadi
 Contoh :
• Sebuah mata uang logam memp 2 sisi (H &
T), jika mata uang tsb dilambungkan satu
kali, maka peluang untuk keluar sisi H adalah
: 1/2

• Sebuah dadu untuk keluar mata ‘lima’ saat

pelemparan dadu tersebar satu kali adalah
1/6
 Contoh
• Didalam suatu pabrik ada 30 wanita dan 70 laki-
laki. Setelah makan siang yg disediakan oleh
pabrik, akan ditanyakan apakah makanan tadi
cukup baik. Untuk itu akan diundi (acak), siapa
orang yang akan ditanyakan pendapatnya.
Probabilitas akan terambil seorang buruh wanita?

• 30/100 p = 0,3
 Pandangan
Empiris/Probabilitas Relatif
• Probabilitas bdsk observasi, pengalaman atau
kejadian (peristiwa) yg telah terjadi
• Contoh :
Pelemparan coin 100 kali 59 x keluar sisi H,
maka dikatakan peluang P(H) adalah 59 %

Dari 10.000 hasil suatu produksi, 100 rusak.

Maka P (rusak) = 100/10.000 = 1% =0,01
 Contoh :
• Distribusi Relatif Probabilitas

Upah (Rp.1000,-) Jumlah %

I 200 - 499 90 30
II 500 - 749 165 55
III 750 - 999 45 15

• Kalau diambil scr acak satu orang, probabilitas untuk

terambil seseorang yg memp upah antara 200-499 ?
1/3 = p (0,3)
 Hubungan antara pandangan klasik
dan pandangan empiris

• P(E) = X/N dan P(E) = lim X/N, akan sama

jika N tak terhingga
 Pandangan Subyektif
• Probabilitas ditentukan oleh yg membuat
pernyataan
• Misalnya : seorang karyawan meyakini
bahwa kalau ada kesempatan untuk
pendidikan lanjut yg akan dikirim adalah
dirinya (keyakinan = 95% = 0,95)
 UNSUR-UNSUR
PROBABILITAS
• Konsep probabilitas berhub dgn
eksperimen /percobaan yg menghasilkan
hasil yg tdk pasti artinya eksperimen yg
diulang-ulang dlm kondisi yg sama akan
menghasilkan ‘hasil’ yg berbeda-beda
• Eksperimen adalah proses pengumpulan
data tentang suatu fenomena yg
menunjukkan adanya variasi didalam hasil
 Unsur–unsur Probabilitas
• Ruang sampel
himpunan yg elemen-elemennya mrpk hasil
yg mungkin terjadi dari suatu eksperimen
S = (a1, a2, ..........................a n )
• Titik sampel
Semua elemen yg ada didlm suatu ruangan
sampel
• Peristiwa/kejadian/event
Himpunan bagian dari suatu ruang sampel
 Contoh :
• Eksperimen : pelemparan sebuah dadu
Hasil : mata dadu yang tampak
Ruang sampel : S =(1, 2,3,4,5,6)
Suatu peristiwa : A titik ganjil yg tampak
(1,3,5)
B titik genap yg tampak
(2,4,6)
 Simbol (digambarkan dgn diagram
Venn)
• AU B
Union peristiwa A dan B
adalah himpunan semua B
elemen yg ada didalam
himpunan A ataupun B

A
Simbol (digambarkan dgn diagram Venn)
A ∩ B ( interaksi dua peristiwa A dan B adalah himpunan semua
elemen yg ada didalam A dan juga B)

A∩B
 Simbol (digambarkan dgn diagram
Venn)
• Komplemen peristiwa A ditulis Ac adalah
himpunan semua elemen yg tidak didalam
A

Ac A

Ac
 AZAS PERHITUNGAN
PROBABILITAS
• 0≤P≥1
• P (X/N) Bilangan positip (+)
• Kejadian mutually exclusive (peristiwa
saling terpisah = disjoint)
Satu peristiwa terjadi akan meniadakan
peristiwa yg lain untuk terjadi atau saling
meniadakan
• Contoh : permukaan coin, permukaan
dadu, kelahiran anak laki atau perempuan
pd kehamilan tunggal
Peristiwa non mutually eclusive
(joint)
• Dua atau lebih peristiwa dpt terjadi
bersama-sama (ttp tidak selalu bersama)
• Penarikan kartu As dan berlian
• Seorang laki-laki dan dokter
 HUKUM PERTAMBAHAN
• Untuk kejadian mutually eclusive :

A B

• P (A U B) = P (A) + P (B)
• P (A ∩ B) = 0
 HUKUM PERTAMBAHAN
• Untuk peristiwa non
mutually aclusive : B

• P (A U B) = P (A) + P (B) -
P (A ∩ B)

A (A ∩ B)
 Contoh :
1.Probabilitas untuk keluar mata 2 atau mata
5 pada pelemparan satu kali sebuah dadu
adalah ?
2.Ada 5 orang kandidat untuk dikirim ketempat
suatu kejadian luar biasa (KLB) diare, sebut
saja A,B,C,D,E,yg akan dikirim hanya satu
orang. Probabilitas D atau E akan dikirim
adalah ?
3.Penarikan satu kartu dari satu set kartu
bridge. Berapakah peluang akan terambil
kartu AS atau berlian ?
 Jawaban :
1. P (2 U 5) = P(2) + P (5) = 1/6 + 1/6 = 2/6
2. P (D U E) = 1/5 + 1/5 = 2/5
3. P (As) = 4/52 P (Berlian) = 14/52
Ada sebuah kartu As dan Berlian =
P (As ∩ Berlian) = 1/52
P (As U Berlian) = P (As)+P(Ber)-P(As ∩ Berlian)
= 4/52 + 14/52 – 1/52 = 17/52
 HUKUM PERKALIAN
• Peristiwa Bebas (Independen)
Apabila kejadian atau ketidakjadian suatu
peristiwa tidak mempengaruhi peristiwa
lain
• Contoh : sebuah coin dilambungkan dua
kali, maka peluang keluarnya H pada
lemparan pertama dan pada pelemparan
kedua saling bebas
 HUKUM PERKALIAN
• Peristiwa tidak bebas (conditional probabiity) =
peristiwa bersyarat
• Dua peristiwa dikatakan bersyarat apabila
kejadian atau ketidakjadian suatu peristiwa akan
berpengaruh terhadap peristiwa lainnya
• Contoh : dua buah kartu ditarik darai set kartu
bridge dan tarikan kedua tanpa memasukkan
kembali kartu pertama yg ditarik.
• Simbol untuk peristiwa bersyarat P (B A), artinya
probabilitas B pada kondisi A
 Peristiwa Independen (Bebas)
• P (A ∩ B) = P(A) x P(B)
• Contoh :
Sebuah dadu dilambungkan dua kali, berapakah
peluang untuk terjadi keduakalinya yg keluar
adalah mata 5
P (5 ∩ 5) = 1/6 x 1/6 = 1/36
 Contoh Peristiwa Independen
(Bebas)
• Sebuah dadu dan sebuah coin
dilambungkan bersama-sama, berapakah
peluang untuk terjadinya hasil lambungan
adalah sisi H pada coin dan sisi 3 pada
dadu ?

• P(H)=1/2 P(3)=1/6
• P(H ∩ 3) = 1/2 x 1/6 = 1/12
 Peristiwa Bersyarat :
• P (A ∩ B) = P(A) x P (B A)
• Contoh :
Dua kartu ditarik dari satu set kartu bridge,
berapa peluang untuk yg tertarik keduanya
kartu As
• Peluang As I adalah 4/52 P(As I)=4/52
• Peluang As II dgn syarat As I sdh tertarik
adalah 3/51 P(As II As I) = 3/51
 Joint probabilitas & marginal
probabilitas
Tabel 2.1
Jumlah pengunjung Puskesmas PQR
Menurut jenis kelamin dan Umur

Kelamin Wanita Laki-laki Jumlah

Umur
< 30 thn 60 50 110

> 30 thn 80 10 90

Jumlah 140 60 200

• Probabilitas pengunjung adalah wanita ?
140/200 (Probabilitas Marginal)
• Probabilitas pengunjung adalah berumur
<30 tahun ? 110/200 = 0,55
• Probabilitas seorang pengunjung adalah
wanita dan berumur <30 tahun ? 60/200
(joint probabilitas = interaksi)
 Probabilitas bersyarat bukan
probabilitas joint
• Berapakah peluang seorang pengunjung
adalah wanita dengan syarat berumur <30
tahun ?
• P (W berumur <30 tahun)
• P (A ∩ B) = P (A) x P(B)
• P (B A) = P (A ∩ B) P(A)
• P(W berumur <30 tahun)= 60/200 140/200
= 60/140
 PERMUTASI/KOMBINASI
• Diagram Pohon

H T

H T H T

HH HT TH TT
 Dalil I (kaidah umum
Pergandaan)
• Kalau suatu step/langkah dari suatu
eksperimen menghasilkan k hasil yg berbeda
dan step kedua menghasilkan m hasil yg
berbeda, maka kedua langkah eksperimen
akan menghasilkan k x m hasil
• Contoh :
Suatu coin dilambungkan 2 kali, maka
hasilnya adalah 2 x 2 (ruang hasil)
Sebuah dadu dilambungkan 3 kali, maka hasil
ruang sampelnya adalah 6 x 6 x 6
 Contoh :
• Seorang mahasiswa untuk mencapai
digerbang UI depok dpt dgn cara (bus,
kereta, angkot), dari gerbang UI sampai
Fakultas ada 4 cara (jalan kaki, bus
kuning, ojek, numpang teman). Maka
berapa cara seorang mahasiswa akan
sampai di fakultas?
• 3 x 4 = 12 cara
 Dalil II (Permutasi) urutan
dipentingkan
• n Pr = n!
(n–r)!
P = jumlah permutasi (urutannya
dipentingkan)
n = Banyaknya obyek
r = Jumlah anggota pasangan
! = Faktorial (3! = 3x2x1), 1! = 1
 Contoh :
• Ada tiga cara yg efektif untuk pengobatan
pasien kanker (Bedah (B), radiasi (P),
kemoterapi (O). Ada berapa carakah dapat
diobati seseorang yg menderita kanker kalau
kepada masing-masing pasien hanya dua
macam terapi yg bisa diberikan ?
• 3 P 2 = 3 ! = 3x2x1 =6
(3-2)! 1
Jadi jlh cara yg dpt dilakukan
(BP,BO,PB,PO,OB,OP)
 Dalil III Kombinasi (Urutan tdk
dipentingkan)
• n C r = n!
r!(n–r)!

C = jumlah kombinasi (yg urutannya tdk

dipentingkan
n = banyaknya obyek
r = jumlah anggota pasangan
 Contoh :
• Tiga orang pasien digigit ular dan dibawa
ke Puskesmas. Di Puskesmas hanya
tersedia 2 dosis anti racun ular. Berapa
kemungkinan pasangan yg akan diberikan
2 dosis tsb (pasiennya A,B,C)
 Contoh :
• 2 orang yg berpasangan disini, misalnya A
dan B sama saja dengan B dan A, jadi
urutan disini tdk ada artinya.
• 3C2= 3! = 3x2x2 = 3
2!(3-2)! 2x1x1

• Mereka adalah : AB, AC, BC

 Latihan Soal :
1. Dari 10 orang perawat yang akan dikirim
ke daerah kejadian gempa bumi akan
dipilih 4 orang menjadi : ketua, wakil
ketua, sekretaris dan bendahara. Berapa
cara organisasi tsb akan terjadi ?
2. Hitunglah : C (7,4), C (6,4)
3. Hitunglah : P (8,3), P (6,3)
 Latihan soal :
4.Diketahui bahwa 10% dari masyarakat,
paling kurang satu kali pernah sakit dalam
satu tahun. Jika diambil secara acak
sebanyak 6 orang, dapatkanlah
probabilitasnya dari mereka sakit dalam
tahun itu :
a. Semuanya
b. Paling kurang 3 orang
 Latihan soal :
5. Sekitar 50% dari semua orang yg berumur 3
tahun ketas memakai kacamata atau kontak
lens. Suatu saat diambil secara random
sebanyak 5 orang. Hitunglah probailitas
didapatkan yg memakai kacamata atau
kontak lens dari 5 orang tersebut ?
a. Tepat tiga orang
b. Paling kurang satu orang
c. Paling banyak satu orang
DISTRIBUSI PROBABILITAS
(DISTRIBUSI TEORITIS)

Maridi M. Dirdjo
Bermacam-macam Distribusi Teoritis
 Distribusi Binomial (Bernaulli)
 Distribusi Poisson
 Distribusi Normal (Gauss)
 Distribusi Student (‘t’ W Gosset)
 Distribusi Chi Square (X²)
 Distribusi Fisher (F)
Distribusi Binomial
 Distribusi Random Diskrit
 Distribusi Probabilitas Diskrit
 Distribusi Bernaulli
BERNAULLI TRIAL, mempunyai 4
syarat :
1. Jumlah trial mrpk bilangan bulat
2. Setiap eksperimen memp 2 outcome
(hasil) : sukses dan gagal
3. Peluang sukses sama setiap eksperimen
4. Setiap eksperimen independen satu sama
lain
Simbol
 Didalam suatu eksperimen peluang sukses :
P
 Peluang gagal = ( 1 – p ) = q
Contoh :
 Peluang keluarnya mata 4 pd pelemparan dadu
satu kali = 1/6
Peluang bukan mata 4 adalah = 1-1/6 = 5/6

 Jumlah pasien tdk sembuh dlm suatu trial

pengobatan 10 orang dari 200 orang. Peluang tdk
sembuh adalah p = 10/200= 0,05
Peluang sembuh adalah 1-0,05 = 0,95
Contoh :
 Peluang seorang ibu hamil memeriksakan
kehamilan ke Puskesmas 3/10 = 0,3
Peluang ibu tdk periksa ke puskesmas
adalah : 1 – 0,3 = 0,7
Bernaulli Trial
 Bila suatu trial dilakukan n kali (n= 1,2,3...n),
maka jumlah sukses (variabel random X) dpt
menjalani nilai dari 0 sampai n (0,1,2....n)
kali
 Contoh : Seorang ibu memp 3 anak (n=3),
maka kalau yg dianggap sukses adalah
lahirnya anak perempuan, maka (X) variabel
random dpt menjalani nilai (0,1,2,3)
Simbol
 Untuk suatu trial bernaulli/binomial
b (X, n, p), artinya : Suatu probabilitas
binomial (bernaulli), banyaknya sukses yg
akan terjadi, pada n kali trial, dimana
probabilitas sukses setiap trial adalah = p
Contoh :
 Probabilitas seorang bayi tdk diimunisasi
(0,2), kalau pada suatu hari di Puskesmas
ada sebanyak 5 bayi. Hitunglah peluang 2
bayi belum di imunisasi !
 b (X=2, n =5, p=0,2) b (2,3,0,2)
Rumus Umum :
 n x n-x

P (1 – P)
r

 Koefisien Binomial (n) = n!

(r) x ! (n – x) !
 P˚=1
Contoh :
 Peluang dari 2 bayi belum diimunisasi dari 5 bayi
yg berkunjung ke Puskesmas , bila peluang tdk
imunisasi diketahui 0,2
 P= 5! 2 3
2 ! (5 – 2) ! . 0,2 . 0,8
= 0,2048
 Bila trialnya sdh banyak perhitungan probabilitas
memakai rumus sdh sulit, sudah ada TABEL
BINOMIAL
Latihan soal :
 Seorang ahli gizi sdh berpengalaman,
bahwa jeruk import selalu rusak (busuk)
sebanyak 20%. Pada suatu hari dia
membuka sebanyak 10 jeruk. Hitunglah
peluang yang rusak ?
a. Paling banyak 3 jeruk
b. Paling kurang sedikit 5
c. Antara 2 sampai 4
DISTRIBUSI POISSON
 Digunakan untuk menentukan peluang suatu
kejadian yg jarang terjadi tetapi mengenai
populasi yang luas atau area yg luas dan jg
berhub dengan waktu
 Distribusi Poisson mrpk fungsi probabilitas :

x -µ x -λ
P (X) = µ е = λ е
X! X!
 µ = λ = n.p = E (x) Nilai rata-rata
 е = konstanta = 2,71828
Contoh :
 Diketahui probabilitas untuk terjadi syok
pada saat imunisasi dengan vaksinasi
meningitis adalah 0,0005. Bila di suatu kota
yang dilakukan vaksinasi 4000 orang,
hitunglah peluang tepat tiga orang akan
terjadi syok !
Jawab :
 µ = λ = n.p = 4000 x 0,0005 = 2

 P (x=3) = 2³ . 2,71828 -²
3!
= 0,1804
Tabel distribusi Poisson
 Penyelesaian ini dapat juga memakai
TABEL DISTRIBUSI POISSON
 Baris = µ = λ = n.p
Kolom = X
DISTRIBUSI NORMAL (GAUSS)
 Paling banyak dipakai dlm analisis statistik
 Distribusi binomial b (x, n, p), kalau n cukup
besar dan p tdk terlalu kecil (tdk mendekati
0.......1), dilakukan pendekatan memakai
distribusi normal
DISTRIBUSI NORMAL (GAUSS)
 Variabel Random Kontinyu
1 . (x - µ) ²
2δπ²
∫ (X) = 1 . e
√ 2δπ²
 =<x>= δ² = 0
 =<µ>= π = 3,14π e = 2,71828
Distribusi Normal
 Simetris
 Seperti lonceng
 Titik belok µ ± δ
 Luas = probability = 1
KURVA NORMAL STANDAR
 Mempunyai µ = 0 dan δ = 1 N (0,1)
 Untuk menentukan probabilitas didalam kurva normal umum,
maka nilai yg akan dicari ditransformasikan dulu ke nilai
kurva normal standar melalui transformasi Z
 (µ = karakter populasi dan Sd = standar sampel)

Z= X -µ Z=X–X
δ Sd
Contoh :
 Suatu penelitian thd 150 orang laki-laki yg
berumur 40-60 tahun, didapatkan rata-rata kadar
kolesterol mereka 215 mg% dan simpangan baku
Sd = 45 mg%. Hitunglah peluang kita
mendapatkan seorang yang kadar kolesterolnya :
a. > 250 mg%
b. < 200 mg%
c. Antara 200 – 275 mg%
Jawab :
 Z = (250 – 215) / 45 = 0,76 Tabel 0,224
( p = 0,224)
 Z = (200-215) / 45 = -0,33 Tabel 0,371
(p = 0,371)
 Z 1 = (200-215) / 45 = -0,33 Tabel 0,371
(P=0,129) = 0,5 – 0,371 = 0,129
Z 2 = (275 – 215) / 45 = 1,33 Tabel 0,408
(p=0,408)
 Kurva normal standar = N (µ = 0, δ = 1)
 Kurva normal umum = N (µ, δ)