DASAR DALAM

STATISTIKA
PEMULIAAN TERNAK

KULIAH 3
DASAR STATISTIKA DALAM PEMULIAAN
TERNAK

(1) Teori probabilitas dan distribusi binomial

(2) Uji chi kuadrat
(3) Kurva normal dan nilai rata-rata
(4) Ragam dan peragam
(5) Standar deviasi
(6) Koefisien variasi
(7) Korelasi
(8) Regresi
(9) Analisis varian (ragam).
Probabilitas Distribusi Binomial

 Distribusi binomial berasal dari percobaan binomial,

yaitu suatu percobaan Bernoulli yang diulang
sebanyak n kali dan tidak saling terikat:
 percobaan tersebut dilakukan berulang-
ulang
sebanyak n kali
 Hasil dari setiap percobaan adalah berhasil dan
gagal
 percobaan yang berulang adalah saling bebas
 Peluang
0
pq  n! 
p(
f
x)  ps q
 
p2  2 pq  q2  s! f ! 
p3  3 p2q  3 pq2 
q 3
p4  4 p3q  6 p2q2  4 pq3
Contoh:  q4
Berapa peluang mendapatkan 3 anak laki-laki dari 4 kelahiran ?

Peluang anak laki-laki (p) dan perempuan (q)

= 0,5

4
p  4(0,5) (0,5) 
3 1
p( x)   ! (0,5)3 (0,5)1  0,25
0,25 3! x1!

 (p  P  r!
n!
pr qs
q) n Contoh : s!
n  2  p2  2 pq  q2 Berapa kemungkinan munculnya anak 2 jantan dan
n  3  p3  3p2q  3pq2 satu betina dari 3 kelahiran pada domba?
 q3

Misalkan
n= 0
0 1 jantan = p, peluang muncul =0.5
n= 11 2 betina = q, peluang muncul= 0.5
1 1 1 3 3 1
n= 1 4 6 4 1
2
Rumus Pascal rumus
Menggunakan = 3p2qumum
= 3(0.5)
: x(0.5)
2 = 0.375
n= 3!
3 (0.5)2(0.5) 0.375
n=
4 (2!)(1!)
Probabilitas dan Distribusi Binomial

Contoh :

Jenis kelamin pada ternak adalah suatu kejadian yang

independent (tidak saling terikat). Jika diharapkan kelahiran
jantan pada 2 kelahiran, berapa peluangnya?

Jawab:

Ada 4 kemungkinan hasil, yaitu kelahiran:

jatan-jantan, jantan dan betina, betina dan
jantan, betina dan betina. Apabila peluang
kemungkinan lahirnya jantan=betina=0.5, maka
kemungkinan lahirnya 2 jantan=0,5x0.5=0.25,
kemungkinan lahirnya 2 betina=0.5x0.5=0.25
dankemungkinan kelahiran 1 jantan=
2x0.5x0.5=0.5
CHIKUADRA
T Penolakan

h 2 (obs  exp) 2
 exp
2 2
h

Obs = nilai Observasi

(pengamatan)
Exp = nilai harapan
(Expected)

Hipotesis:
 H0 : kedua
variabel sama
(tak berarti)
 Contoh persilangan pada Drosophila

Normal Warna hitam

F1: Semua Normal x

Apakah sesuai dengan teori

Mendel?

1000 Normal 300 Warna hitam

 Hasil
Analisis
Menurut hukum Mendel perbandingannya: ¾ Normal dan ¼
Hitam
Phenotip Observasi (O) Harapan (E) 2
Normal 1000 975 0.64
Hitam 300 325 1.92
Total 1300 1300 2.56

Harapan normal = ¾ x 1300 = 975

Harapan hitam = ¼ x 1300 = 325

h 2 (obs  exp) 2  h 2  (1000  975) 2  (300   0.64 1.92 

 exp
325) 2 2.56
n= 2 (Normal dan Hitam); db=2-1 = 1
975
2 tabel dengan db=1 dan =5% = 3.84
325
Kesimpulan :
2 hitung < 2 tabel, hasil pengamatan masih sesuai teori Mendel
Dalam suatu populasi terdapat
120 ekor sapi, yang terdiri dari 83
ekor warna hitam dan 37 Chi Kuadrat
warna putih.
ekor Semua sapi
tersebut berasal dari induk yang (2)
heterozigot (Bb), dimana hitam
(B) dominan terhadap putih (b).
Apakah sapi-sapi tersebut diatas (O 
sesuai dengan teori Mendel?   2
2

Harapan perbandingan sapi hitam

E) E
dan putih berdasarkan teori
mendel adalah 3(B.) : 1(bb)
3
Hitam x120 
Buatlah tabel perhitungan  4 90ekor
2
1
Putih  4 x120  30ekor
 Table Distribusi Peluang Chi Kuadrat

Hipotesis diterima (H0

Hipotesis di tolak
diterima) (non significant)

Probability (p)

Degrees of
0.95 0.90 0.80 0.70 0.50 0.30 0.20 0.10 0.05 0.01 0.001
Freedom

1 0.004 0.02 0.06 0.15 0.46 1.07 1.64 2.71 3.84 6.64 10.83

2 0.10 0.21 0.45 0.71 1.39 2.41 3.22 4.60 5.99 9.21 13.82

3 0.35 0.58 1.01 1.42 2.37 3.66 4.64 6.25 7.82 11.34 16.27

4 0.71 1.06 1.65 2.20 3.36 4.88 5.99 7.78 9.49 13.38 18.47

5 1.14 1.61 2.34 3.00 4.35 6.06 7.29 9.24 11.07 15.09 20.52

6 1.63 2.20 3.07 3.83 5.35 7.23 8.56 10.64 12.59 16.81 22.46

7 2.17 2.83 3.82 4.67 6.35 8.38 9.80 12.02 14.07 18.48 24.32

8 2.73 3.49 4.59 5.53 7.34 9.52 11.03 13.36 15.51 20.09 26.12

9 3.32 4.17 5.38 6.39 8.34 10.66 12.24 14.68 16.92 21.67 27.88

10 3.94 4.86 6.18 7.27 9.34 11.78 13.44 15.99 18.31 23.21 29.59
x

DESKRIPSI POPULASI SIFAT KUANTITATIF

Rata-rata populasi biasanya

ditulis dengan notasi 
sedangkan rata-rata sampel 1
ditulis dengan notasi x  (x1  2  x3 ... xn )
x n
x
 2 (x  x) 2
(x  x) 2
...(x  x) 2
Ragam (varian)
s  1 2
n1
n

   2  populasi
s  s2 
sampel
Standar Deviasi


C   x100  populasi
Koefisien Variasi
C x100 
s sampel

x
 Korelasi
Koefisien korelasi (r)
menunjukkan besarnya
keeratan hubungan antara
dua variabel, nilainya
berkisar antara -1.0
sampai +1.0.

Cov(x,y)
r
(sx2 )(s2y)

 Cov(x,y) peragam x dan

y (x  x)(y1  y)(x2  x)(y2  y)...(xn  x)(yn  y)
= 1

 sx2  ragam variabel x n1

 sy2  ragam variabel y

 Regresi
Regresi merupakan suatu
metoda yang digunakan
untuk menduga suatu
variabel yang belum
diketahui nilainya
berdasarkan variabel lain
yang telah diketahui nilainya.
Regresi juga merupakan
salah satu metoda untuk
menduga nilai heritabilitas

bxy  Cov(x,y)
2
y  bxy (x  x)
sx
x

Analisis Ragam
(Analisis Varian)

No. Tinggi Pundak Lingkar Dada (x- )(y- ) (x- )2 (y- )2

(cm) (cm)
(x) (y)
1 135 212 44 16 121
2 129 195 12 4 36
3 132 203 0 1 4
4 131 200 0 0 1
5 130 205 -4 1 16
6 129 194 14 4 49
7 125 195 36 36 36
8 130 194 7 1 49
9 135 207 24 16 36
10 134 205 12 9 16
Rata- 131 201 13.67 9.78 40.44
rata
Peragam=13.67
Ragam x = 9.78
Ragam y = 40.44
Standar deviasi x =3.13 cm----ingat
akar dari ragam
Standar deviasi y =6.36 cm

13.67
Koefisien korelasi =  0.69
9.78x40.44
 Model
Yij =  + j + eij atau
Yij -  = j + eij
 Yij : respon variable
  :
rata-rata umum
 j : pengaruh perlakuan ke j
 eij : Galat

Hipotesis
H 0 :  1 = 2 =  3 … = k
H1: 1 ≠ 2 ≠ 3 … ≠ k atau paling sedikit salah satu
berbeda
 Faktor Koreksi (FK) Jumlah Kuadrat Perlakuan (JKP)
i
Yi.2
FK  Y..2 JKP Y
r 
2
  FK
 
Y.. r
tr i.

i1 j1

Jumlah Kuadrat Total (JKT) Jumlah Kuadrat Galat (JKG)

i r
2
JKT 
JKG   Y ij Y 
i r
j1 Y
2

i1 
..
Y  JKT 
ij i r
JKP
i. i1 j1
JKT    Yij2 
i1 j1 FK
Tabel Sidik Ragam

Sumber keragaman db JK KT F Hitung

Perlakuan (P) p-1 JKP JKP KTP
KTP 
t 1
KTG
Galat (G) p(r-1) JKG
JKG 
KTG
t(r 1)
Total pr-1 JKT