Sumber: www.shutterstock.

com

STATISTIKA
Kompetensi Dasar

• Menjelaskan dan menentukan distribusi peluang binomial berkaitan

dengan fungsi peluang binomial.
• Menjelaskan karakteristik data berdistribusi normal yang berkaitan
dengan data berdistribusi normal.
• Menyelesaikan masalah berkaitan dengan distribusi peluang binomial
suatu percobaan (acak) dan penarikan kesimpulannya.
• Menyelesaikan masalah yang berkaitan dengan distribusi normal dan
penarikan kesimpulannya.

Pengalaman Belajar

• Mengamati dan mengidentifi kasi fakta mengenai karakteristik

probabilitas diskrit dan kontinu serta masalah yang terkait.
• Mengumpulkan dan mengolah informasi untuk membuat kesimpulan
dalam menyelesaikan masalah yang berkaitan dengan distribusi
probabilitas diskrit dan kontinu.
• Menyajikan penyelesaian masalah yang berkaitan dengan distribusi
probabilitas diskrit dan kontinu.
Abraham de Moivre (1667–1754)
adalah seorang matematikawan
berkebangsaan Perancis. De Moivre
adalah perintis dalam
pengembangan teori analisis
geometri dan teori probabilitas.

Pada tahun 1756, de Moivre menjadi

orang pertama yang mengemukakan
aproksimasi terhadap distribusi
binomial dan distribusi normal.

Pada konsep yang beliau

kemukakan, beliau menggunakan
distribusi binomial untuk data
dengan jumlah sampel yang sedikit
(diskrit) dan distribusi normal untuk
data dengan jumlah sampel yang
besar.
 4.1 VARIABEL ACAK

4.1.1 Pengertian Variabel Acak

4.1.2 Variabel Acak Diskrit

Varibel acak diskrit adalah variabel acak yang tidak mengambil seluruh nilai
yang ada dalam sebuah interval atau variabel yang hanya memiliki nilai
tertentu. Nilai variabel acak diskrit berupa bilangan cacah, tidak berbentuk
pecahan.
Berikut adalah contoh-contoh variabel acak diskrit.
• Banyak rumah di kampung Anda yang memiliki bel pintu.
• Banyak TV yang terjual setiap tahun dari sebuah toko elektronik.
• Banyak bohlam cacat yang ditemukan di sebuah gudang pabrik bohlam.

4.1.3 Variabel Acak Kontinu

Varibel acak kontinu adalah variabel acak yang mengambil seluruh nilai yang ada
dalam sebuah interval (pada garis bilangan). Nilai variabel acak kontinu berupa
bilangan real.

Sebagai contoh, daerah hasil dari variabel acak kontinu X adalah:

Berikut adalah contoh-contoh variabel acak kontinu.

• Tinggi pria dapat berkisar pada interval 50 < x < 250 cm.
• Volume susu yang dihasilkan seekor sapi dalam sebulan.
Kamu bisa menguji pemahaman
tentang VARIABEL ACAK
dengan mengerjakan soal
Latihan 1 pada halaman 200.
 4.2 DISTRIBUSI PROBABILITAS DISKRIT

4.2.1 Fungsi Probabilitas

Dalam suatu percobaan, peristiwa-peristiwa yang mungkin terjadi dapat

dinyatakan dengan x1, x2, x3, . . . , sedangkan besar probabilitas dari setiap
peristiwa dapat dinyatakan dalam p1, p2, p3, . . . , maka:
4.2.2 Distribusi Probabilitas
 Contoh:

Pada percobaan melempar tiga koin sekaligus bersama-sama, variabel acak

dalam pembicaraan adalah banyak kejadian muncul sisi gambar. Tentukan:
a. distribusi probabilitas,
b. tabel fungsi probabilitas, dan
c. grafik fungsi probabilitas.

Jawab:
Diketahui variabel acak adalah banyak kejadian muncul sisi gambar pada
pelemparan tiga koin.
Contoh:

Jawab:
 Kamu bisa menguji pemahaman
tentang DISTRIBUSI PROBABILITAS
DISKRIT
dengan mengerjakan soal
Latihan 2 pada halaman 206.
 4.3 DISTRIBUSI BINOMIAL

4.3.1 Percobaan Binomial

Misalkan kita melakukan percobaan independen yang berulang beberapa kali

dengan dua hasil yang mungkin, yaitu sukses (peristiwanya terjadi) dan gagal
(peristiwanya tidak terjadi). Percobaan seperti ini disebut percobaan Bernoulli
atau percobaan binomial.

Probabilitas sebuah sukses p, harus konstan dalam seluruh percobaan.

Misalkan q adalah probabilitas untuk sebuah gagal, maka:

Variabel acak X adalah total jumlah sukses dalam n percobaan.

4.3.2 Distribusi Probabilitas Binomial

 Perhatikan peraga puntiran (spinner) pada Gambar

berikut. Puntiran itu memiliki 3 area berwarna putih
(W) dan 1 area berwarna biru (B). Ketika puntiran itu
diputar, kita akan memperoleh hasil putih atau biru.
Peluang muncul putih adalah dan muncul biru
adalah .

Jika p adalah probabilitas muncul putih dan q adalah

probabilitas muncul biru, maka p = dan q = (gagal
mendapatkan warna putih).

Andaikan kita akan memutar puntiran tersebut

sebanyak n = 3 kali. Misalkan variabel acak X adalah
munculnya W, maka x = 0, 1, 2, 3.
Perhatikan bilangan 3 berwarna biru, yaitu banyak cara memperoleh satu sukses
dalam tiga kali percobaan, yang merupakan kombinasi

Berdasarkan tabel di atas dapat ditulis sebagai berikut.

Jika suatu percobaan binomial diulang sampai dengan n kali, maka probabilitas
diperoleh sukses sebanyak x ditentukan oleh fungsi probabilitas berikut.

Berdasarkan penyelesaian di atas, kita dapat simpulkan sifat distribusi binomial

sebagai berikut.
(1) Distribusi probabilitasnya diskrit.
(2) Ada dua hasil, sering disebut sukses atau gagal.
(3) Percobaannya independen sehingga sukses di suatu percobaan tertentu tidak
terpengaruh dari sukses atau gagal dari percobaan sebelumnya. Dengan kata
lain, probabilitas sukses selalu konstan di setiap percobaan yang dilakukan.
Contoh:

Jawab:
Contoh:

Jawab:
Kamu bisa menguji pemahaman
tentang DISTRIBUSI BINOMIAL
dengan mengerjakan soal
Latihan 3 pada halaman 212.
 4.4 DISTRIBUSI NORMAL

4.4.1 Fungsi Kerapatan Probabilitas Kontinu

Contoh:

Jawab:
Contoh:

Jawab:
Kamu bisa menguji pemahaman
tentang FUNGSI KERAPATAN
PROBABILITAS KONTINU
dengan mengerjakan soal
Latihan 4 pada halaman 217.
4.4.2 Distribusi Normal
Distribusi normal adalah distribusi yang sangat penting untuk variabel acak
kontinu. Banyak fenomena alam yang berdistribusi normal atau mendekati
normal.
Beberapa contoh di antaranya adalah sebagai berikut.
• Ukuran lingkar dada pria.
• Hasil panen padi, jagung, gandum, dan sebagainya.
• Panjang hiu macan betina dewasa.
• Skor ujian yang dilakukan oleh populasi yang besar.

Fungsi kerapatan probabilitas

Sifat-sifat kurva distribusi normal adalah sebagai berikut.
(1) Kurva distribusi normal berbentuk lonceng/genta dengan satu titik puncak
(unimodal).
(2) Mean sama dengan median dan sama dengan modus yang memberikan pola
simetris.
(3) Kurva di kedua sisi ujungnya mendekati sumbu horizontal.
(4) Kurvanya menunjukkan bahwa luas daerah yang termasuk antara z = –1 dan
z = 1; z = –2 dan z = 2; z = –3 dan z = 3 masing-masing sama dengan
68,26%; 95,45%; dan 99,73%.
Penggunaan kurva normal standar (baku)

Luas daerah di bawah kurva normal standar dapat ditentukan dengan

menggunakan daftar distribusi normal standar, yaitu tabel luas dari kurva normal
standar dengan nilai-nilai z tertentu.

Luas seluruh daerah kurva adalah 1 satuan. Karena kurva simetris terhadap mean
m = 0, maka luas dari garis tegak pada titik nol ke kiri maupun ke kanan adalah
0,5 dan dinotasikan sebagai: P(z > 0) = 0,5. Luas daerah di bawah kurva normal
pada interval tertentu dapat dinotasikan sebagai: P(0 < z < b).
Contoh:

Jawab:
Untuk mengubah distribusi normal umum menjadi distribusi normal standar,
gunakan nilai z (standar unit). Bentuk rumusnya adalah sebagai berikut.

dengan:
z = variabel normal standar,
x = nilai variabel acak,
m = mean variabel acak, dan
s = simpangan baku variabel acak.
Contoh:

Jawab:
Kamu bisa menguji pemahaman
tentang DISTRIBUSI NORMAL
dengan mengerjakan soal
Latihan 5 pada halaman 225.
Menentukan nilai k (invers distribusi normal)

Contoh:

Jawab:
 Contoh:
Sebuah mesin menghasilkan piringan sepeda. Diameter piringan yang dihasilkan
berdistribusi normal dengan simpangan baku 12 mm. Sebanyak 20% piringan
yang dihasilkan dinyatakan gagal karena berdiameter lebih dari 170 mm.
Tentukan rata-rata diameter piringan yang dihasilkan mesin tersebut.

Jawab:

Jadi, rata-rata diameter piringan yang

diproduksi adalah 159,92 mm.
Kamu bisa menguji pemahaman
tentang MENENTUKAN NILAI K
(INVERS DISTRIBUSI NORMAL)
dengan mengerjakan soal
Latihan 6 pada halaman 230.
 4.5 PENARIKAN KESIMPULAN

4.5.1 Uji Hipotesis

Hipotesis adalah pernyataan atau dugaan tentang karakter suatu populasi yang
masih lemah kebenarannya dan perlu dibuktikan.

Dalam penelitian, biasanya dikenal dua macam hipotesis sebagai berikut.

a. Hipotesis nol (H0) adalah hipotesis yang diartikan sebagai tidak ada
perbedaan antara data populasi dan data sampel.
b. Hipotesis alternatif (H1) adalah lawan hipotesis nol, diartikan sebagai ada
perbedaan antara data populasi dan data sampel.

Uji hipotesis adalah prosedur menguji sebuah hipotesis dengan membandingkan

data hasil percobaan acak terhadap nilai yang diprediksi oleh hipotesis tersebut.
Ada dua jenis uji statistik berdasarkan arahnya, yaitu uji satu arah (one tailed)
dan uji dua arah (two tailed).
Contoh:
Jawab:
4.5.2 Prosedur Pengujian Hipotesis
Contoh:

Jawab:
 Kamu bisa menguji pemahaman
tentang PENARIKAN KESIMPULAN
dengan mengerjakan soal
Latihan 7 pada halaman 237.