Statistika

TITO ADITYA PERDANA, S.E., M.E.

 Pokok
  Bahasan
1. Distribusi probabilitas

Pertemuan 9 2. Distribusi probabilitas penarikan sampel

3. Distribusi teoritis: Z, t, F, dan

Disribusi
Probabilitas
7.1. Jenis Distribusi Probabilitas
Distribusi probabilitas adalah hasil yang mungkin dari eksperimen atau percobaan dari variabel
random serta besarnya probabilitas pada setiap hasil yang mungkin.

Distribusi probabilitas terdiri dari:

· Distribusi Diskrit yang berkaitan dengan variabel diskrit
Misalnya distribusi jumlah mahasiswa yang mengambil statistika
· Distribusi kontinus yang berkaitan dengan variabel kontinus
Misalnya distribusi tingginya mahasiswa
7.2. Distribusi Probabilitas Diskrit

7.2.1. Distribusi Probabilitas Binomial

Sifat penting dari probabilitas binomial :
 Eksperimen terdiri dari sejumlah percobaan yang sama
 Setiap percobaan menghasilkan dua hasil kejadian yaitu sukses dan gagal
 Probabilitas kejadian sukses dan gagal adalah tetap pada setiap observasi
 Hasil Kejadian bersifat independen yaitu satu hasil dari eksperimen tidak mempengaruhi hasil
eksperimen yang lain.
P ( x) n C x ( p ) x (1  p ) n  x
C = kombinasi kejadian
n = jumlah observasi
p = probabilitas kejadian sukses
1 - p = probabilitas kejadian gagal
x = kejadian
 Contoh 7.1. Distribusi Binomial
Ada 6 Penerbangan yang melayani rute Yogyakarta – Medan setiap harinya. 25% dari
penerbangan ini mengalami keterlambatan tiba di Medan.
1. Berapa probabilitas tidak ada penerbangan terlambat?
2. Berapa probabilitas dua penerbangan terlambat?
3. Berapa probabilitas paling banyak 3 penerbangan terlambat?
4. Berapa probabilitas paling sedikit 4 penerbangan terlambat?
Hasil Perhitungan Distribusi Binomial ketika X = 0 dengan Excel

Hasil Perhitungan Distribusi Binomial ketika X ≤3 dengan Excel

Rata-Rata Distribusi Probabilitas Binomial
=E(X)=np
 =rata rata atau E(X)= nilai harapan; n = jumlah observasi; p= probabilitas kejadian sukses

Varian dan Standar Deviasi Distribusi Probabilitas Binomial

2
  np (1  p )

  np (1  p )

Kembali ke contoh 7.1. dimana ada 6 maskapai yang melayani rute Yogyakarata- Jakarta dimana
p=0,25 dan n = 6.
7.2.2. Distribusi Probabilitas Hypergeometrik
Sifat distribusi probabilitas Hypergeometrik :
· Sampel diambil dari populasi yang terbatas (finete population)
· Setiap percobaan menghasilkan dua hasil kejadian yaitu sukses dan gagal
· Hasil Kejadian bersifat dependen yaitu satu hasil dari eksperimen mempengaruhi hasil
eksperimen yang lain,
· Probabilitas kejadian sukses dan gagal adalah tidak tetap pada setiap observasi

( S C x )( N  S Cn  x )
P( X ) 
N Cn
S = jumlah kejadian sukses di dalam populasi
N = jumlah populasi
x = jumlah kejadian sukses di dalam sampel
n = jumlah sampel atau jumlah eksperimen
Rata-rata dan varian dari distribusi geometrik

Contoh 7.2. Distribusi Probabilitas Hipergeometrik

Sebuah perusahaan ingin meningkatkan skill karyawan produksi dengan melakukan training
selama 3 bulan. Untuk itu, bagian pengembangan sumberdaya manusia atau HRD (human
resource development) memiliih 5 karyawan dari 20 karyawan yang ada. Dari 20 karyawan yang
ada ini 8 sudah pernah melakukan training sebelumnya. Berapa probabilitas bahwa 3 dari 5
karyawan yang dipilih pernah di training sebelumnya?
Hasil Perhitungan Distribusi Hipergeometrik Excel
7.2.3. Distribusi Probabilitas Poisson
Distribusi Poisson sama dengan distribusi Binomial. Perbedaanya pada sifat kejadian di
eksperimen bersifat kontinus seperti periode waktu tertentu, jarak, area atau volume.

Sifat distribusi Poisson :

Variabel random adalah jumlah kejadian yang terjadi di dalam interval tertentu
Interval adalah independen
Probabilitas suatu kejadian adalah proporsional terhadap panjangnya interval

 xe
P( x) 
x!
e = 2,718
x = jumlah kejadian sukses
Rata - rata Varian

  nx  2  nx
 Contoh 7.3. Distribusi Probabilitas Poissson
Sebuah bank syariah buka hari Senin sampai Jum’at mulai jam 8 pagi sampai jam 4 sore. Rata-
rata kedatangan nasabah yang melaporkan keluhan soal kartu ATM adalah 5 orang per jamnya.
a. Berapa probabilitas tidak ada nasabah yang datang?
b. Berapa probabilitas dua nasabah datang?
c. Berapa probabilitas paling tidak 2 nasabah datang?
d. Berapa probabilitas paling banyak 2 nasabah datang?
Hasil Perhitungan Distribusi Poisson dengan Excel kasus X=2

Hasil Perhitungan Distribusi Poisson dengan Excel kasus X ≤ 2

7.3. Distribusi Probabilitas Kontinue
Distribusi probabilitas ini berasal dari variabel kontinus yang nilainya terletak dalam interval
tertentu.
Misalnya, waktu dibutuhkan seseorang dalam melakukan transaksi melalui ATM.

7.3.1. Distribusi Probabilitas Uniform

Distribusi Uniform merupakan bentuk persegipanjang dengan nilai interval (a-b) dan
mempunyai nilai minimum (a) dan nilai maksimum (b)
Probabilitas ini disebut uniform karena nilai di dalam interval a dan b mempunyai probabilitas
sama (equally likely).
Probabilitas sama (uniform) di dalam interval a dan b yaitu 1/ (b-a).
 Contoh 7.4. Distribusi Probabilitas Uniform
Penerbangan rute Surabaya – Jakarta membutuhkan waktu antara 70 – 90 menit. Jika waktu
tempuh penerbangan ini mengikuti distribusi uniform:
a. Berapa rata-rata dan standar deviasinya lama penerbangan?
b. Berapa probabilitas waktu penerbangan antara 75 -85 menit?
c. Berapa probabiltias waktu penerbangan kurang dari 85 menit?
d. Berapa probabilitas waktu penerbangan lebih dari 80 menit?
7.3.2. Distribusi Probabilitas Normal
Karakteristik distribusi probabilitas normal :
· Berbentuk kurva menyerupai lonceng (bell-shaped) dan bersifat simetris
· Probabilitas yaitu P ( X  ) = P( X  ) = 0,5
· Besarnya rata-rata, median dan modus adalah sama
· Kurva normal bersifat asymptotic
· Rata-rata kurva () normal merupakan pusat distribusi normal sedangkan deviasi standar
menunjukkan dispersi distribusi normal ().
· Area di bawah kurva normal menunjukkan probabilitas variabel random normal (Probability
Distribution Function=PDF) dan total area dibawah kurva untuk distribusi probabilitas
normal (Cumulative Distribution Function=CDF) adalah satu.
Distribusi probabilitas normal dihitung dengan menggunkan formula sbb:
 ( X   )2 
 
1  2
2

P( X )  e
 2
 = konstanta dengan nilai 22/7 atau 3,1416
e = konstanta dengan nilai 2,7183
 = rata - rata
 = standar deviasi

 Distribusi standar normal mempunyai rata-rata nol dan standar deviasi 1.

 Distribusi normal dapat dirubah menjadi distribusi normal standar dan hasilnya disebut nilai
statistik Z.
X 
Z

X = nilai pada observasi
 = nilai rata - rata distribusi
 = deviasi standar distribusi
Area distribusi normal
1)   1 sekitar 68%
2)   2 sekitar 95%
3)   3 sekitar 99,74% atau hampir semua area dibawah kurva distribusi normal
 Contoh 7.5. Distribusi Normal
Rata-rata harga saham PT Telkom pada perdagangan tahun 2012 Rp 4,200 per lembar saham
dengan standar deviasi Rp 225 per saham dengan asumsi 240 hari perdagangan setiap
tahunnya. Jika harga saham mengikuti distribusi normal:
a. Berapa probabilitas harga saham antara Rp. 4.200 Rp4.600?
b. Berapa probabilitas harga saham lebih besar dari 4,500?
c. Berapa probabilitas harga saham antara Rp 3,900 – Rp 4,600
d. Jika 15 % harga saham tertinggi merupakan nilai harga saham dimana harga saham cepat
turun , berapa nilai terendah harga saham cepat turun ?

a. Z=(4.600-4.200)/225 = 1,78
Area kurva normal dengan nilai Z = 1,78 besarnya 0,4625.
P (4200<X<4600) sebesar 0,4625
b. Z=(4500-4200)/225 = 1,33
Area kurva normal dengan nilai Z = 1,33 besarnya 0,4082
P (X>4500)=0,5-0,4082=0,0918

c. Z=(4000-4200)/225 = -0,89
Area kurva normal dengan nilai Z = -0,89 besarnya 0,3133
P (X<4000)=0,5-0,3133=0,1867
d. 15% harga saham tertertinggi akan cepat turun kembali sehingga sisanya 0,35 (35%) tidak
responsif terhadap penurunan harga. Nilai Z yang berkaitan dengan besarnya probabilitas
0,35 sebesar 1,04.

Nilai terendah dari 15% harga saham tertinggi akan cepat turun besarnya :
1,04= (X-4200)/225
X=4200 + (1,04)(225)
X=4434
 Distribusi Normal dengan Excel kasus 4200 < X < 4600

Distribusi Normal dengan Excel kasus 15% saham tertinggi

7.3.3. Distribusi Normal Untuk menghitung Distribusi Binomial
Syaratnya jika distribusi binomial
1) nP  5
2) n(1-p)  5
 
Faktor koreksi kontinus ( continuity correction factor).
3) besarnya probabilitas jika paling tidak X terjadi (at least X) maka (X – 0,5)
4) besarnya probabilitas lebih dari X (more than X) maka (X + 0,5)
5) besarnya probabilitas paling tidak X terjadi (X or fewer) maka (X + 0,5)
6) besarnya probabiltias kurang dari X (fewer than X) maka (X – 0,5)

Formulanya sbb:
 Contoh 7.5. Probabilitas Binomial dengan Distribusi Normal
Sebuah lembaga riset pemasaran menunjukkan bahwa sebesar 20% rumah tangga di Indonesia
mempunyai mobil paling tidak dua. Sebanyak 250 rumah tangga di ambil sampel secara random.
a. Berapa probabilitas lebih dari 60 rumah tangga mempunyai mobil paling tidak dua?
b. Berapa probabilitas kurang dari 55 rumah tangga mempunyai mobil paling tidak dua?
=np=(250)(0,2)=0,5
=[np(1-p)]0.5 =[(250)(0,2)(0,9)]0,5 =6,3246

c. Faktor koreksinya adalah (X+0,5)=60 +0,5=60,5

Z= (60,5-50)/6,3246=1,66
Area kurva normal dengan nilai Z = 1,,66 besarnya 0,4515
P(X>60)=0,5 – 0,4515= 0,0485
b. Faktor koreksinya adalah (X - 0,5)=55 - 0,5=54,5
Z= (54,5-50)/6,3246=0,71
Area kurva normal dengan nilai Z = 0,71 besarnya 0,2580
P(X<55)=0,5 + 0,2580= 0,7580