BASIC STATICTICS

(STATISTIKA DASAR)
STATISTIKA DASAR

Pendahuluan
Statistika Deskriptif
Peluang dan Distribusi Peluang
Distribusi Sampling
Statistika Inferensial
Analisis Varian
Analisis Regresi
2
 PELUANG/
PROBABILITAS
TEORI PELUANG

√ Merupakan bagian penting dari matematika.

√ Teori peluang sebagai kebutuhan dasar
statistika.
√ Telah digunakan dalam bidang yang amat
luas mencakup semua bidang ilmu
pengetahuan.

4
 STATISTIKA
DESKRIPTIF

Kesimpulan ttg
Identifikasi MODEL
POPULASI-nya
POPULASI dari data
sampel :
STATISTIKA - Tabel & grafik
INFERENSIAL - Ukuran pemusatan
- Ukuran lokasi
Dasar logika - Ukuran penyebaran

PELUANG/
PROBABILITAS
5
 Eksperimen, ruang sampel, dan kejadian
 Penentuan peluang peristiwa
 Hubungan 2 peristiwa dan hukum peluang
 Peluang bersyarat

6
PELUANG PERISTIWA

adalah bilangan yg menunjukkan besarnya

kemungkinan terjadinya suatu peristiwa.

7
Contoh :
 Peluang seorang mahasiswa lulus mata kuliah
statistika dasar adalah > 70 %.
 Halini berarti : kemungkinan lulusnya
mahasiswa tersebut relatif besar.

8
 Konsep PELUANG berkaitan
dengan pengertian PERCOBAAN

9
 Percobaan
 Tiap proses yang menghasilkan data mentah.
 Bukan hanya percobaan di laboratorium/ lapangan.
 Hasil tidak pasti (jika diulang dalam kondisi sama, hasil bisa
berbeda).
 Prosedur dijalankan dlm kondisi tertentu, dapat diulang
sebanyak n kali dalam kondisi yg sama.
 berbagai HASIL yang teramati dengan dicacah (diskrit) atau

diukur (kontinu).

10
Contoh

PERCOBAAN HASIL Titik

Sampel

Pelemparan sekeping Muka (M)

mata uang logam satu
kali Belakang (B)

Ruang Sampel

11
RUANG SAMPEL

Himpunan semua HASIL YANG

MUNGKIN dari suatu percobaan statistika.

(Notasi: S atau T)

12
TITIK SAMPEL

Tiap hasil dalam RUANG SAMPEL

(unsur atau anggota ruang sampel)

13
PENULISAN RUANG SAMPEL

Jika unsurnya berhingga, titik-titik

sampel dapat DIDAFTAR dalam suatu
kurung siku dan dipisahkan oleh koma.

14
Penulisan Ruang Sampel

Jika unsurnya tidak berhingga, lebih mudah

ditulis dalam bentuk suatu PERNYATAAN atau
ATURAN.

Misal
S = { x | x himpunan kota-kota di dunia yang
berpenduduk melebihi satu juta}.

15
 Example

Percobaan pelemparan mata uang logam (peluang : muka

dan belakang).
Jika :
 Pelemparan pertama muncul “muka”, maka dilemparkan

uang logam kembali pada pelemparan kedua.

 Pelemparan pertama muncul “belakang”, maka
dilemparkan sebuah dadu pada pelemparan kedua.
16
Tree diagram

Percobaan 1st Result 2nd Results Titik Sampel

M MM
Muka
B MB

1 B1
Koin 2 B2
3 B3
Belakang
4 B4
5 B5
6 B6

17
 Ruang sampel :
S = {MM, MB, B1, B2, B3, B4, B5, B6}

18
HIMPUNAN BAGIAN
Misal :

S : pelemparan 2 kali mata uang logam

S = {MM, MB, BM, BB}

A : paling banyak satu muka

A = {MB, BM, BB}
B : tidak satupun jatuh muka
B = {BB}
19
Himpunan bagian dari ruang sampel

A S BS

20
PENENTUAN PELUANG
PERISTIWA
1. SECARA INTUITIF (rasional)

Masing-masing dari N hasil percobaan mempunyai

kemungkinan SAMA untuk terjadi, sehingga

1
P Ai  Untuk i = 1,2, …, N
N

21
Contoh.

(Dari eksperimen pelemparan mata uang 2 kali)

1
PMM  PMB  PBM  PBB 
4

22
Bila suatu eksperimen dapat menghasilkan N hasil
yang berkemungkinan sama, dan bila tepat
sebanyak n dari hasil tsb berkaitan dengan
peristiwa A, maka

n n A
P  A  atau P  A 
N nS 
23
Contoh.

(Dari eksperimen pelemparan mata uang 2 kali)

Peluang terjadinya peristiwa A

(paling banyak satu muka) adalah

3
PA 
4
24
Karena merupakan PROPORSI antara banyaknya
elemen kejadian dengan banyaknya elemen ruang
sampel, maka

0  P  A 1
dan jika A = S, maka P(A) = P(S) = 1

25
Untuk menentukan banyaknya titik sampel dalam
suatu ruang sampel serta banyaknya elemen suatu
peristiwa, dapat dilakukan dengan :

1. Kaidah Penggandaan/ perkalian

2. Permutasi

3. Kombinasi

26
 KAIDAH PENGGANDAAN

Bila suatu eksperimen suatu operasi dapat

dilakukan dengan n1 cara, dan bila untuk tiap cara
ini operasi kedua dikerjakan dengan n2 cara, dan
seterusnya, maka deretan k operasi dapat
dikerjakan dengan

n1 x n2 x n3 x … x nkj
(misal hidangan di restaurant)
27
PERMUTASI

Susunan berbeda yang dapat dibentuk dari sekumpulan

benda yang diambil sebagian atau seluruhnya (urutan
diperhatikan)

a. Banyak permutasi n benda yg berbeda

(misal permutasi penyusunan 4 huruf)

n!= 1x2x3x…xn

28
b. Banyaknya permutasi akibat pengambilan r
benda dari n benda berbeda adalah
(misal : ada 20 lotre, diambil 2 untuk hadiah 1 dan 2)

n!
n Pr 
n  r !
29
KOMBINASI

adalah susunan benda dengan

tanpa memperhatikan urutan.

Banyaknya kombinasi r benda dari n benda

yang berbeda adalah

n n!
n Cr  
 r   r ! n  r !
 

30
Contoh

Dilakukan eksperimen membentuk bilangan yg

terdiri dari 2 angka dgn menggunakan angka-
angka 1, 2, 3, dan 4. Berapa peluang
terbentuknya bilangan yg kurang dari 30?

31
Berdasarkan kaidah penggandaan,

- angka ke-1 dibentuk dg n1= 4 cara,

- angka ke-2 dibentuk dg n2 = 4 cara,

maka,

n(S) = 4 x 4 = 16 bilangan

32
A: bilangan kurang dari 30

Angka pertama dibentuk dg 2 cara dan angka ke dua

dibentuk dg 4 cara, maka n(A) = 2 x 4 = 8 bilangan.

Sehingga P(A) = 8 / 16 = 0.5.

33
 Contoh

Sebuah kotak berisi 12 biji kacang tanah, 8 diantaranya kulit

bijinya berwarna merah kecoklatan dan 4 biji warna kulitnya
putih.

Tiga biji kacang tanah diambil sekaligus dari kotak tersebut

secara acak, berapakah PELUANG terambilnya dua biji
kacang tanah yg kulitnya berwarna putih dan satu biji yg
kulitnya berwarna merah kecoklatan?
34
Hasil yg mungkin dari pengambilan 3 BIJI KACANG TANAH
secara acak dari 12 biji yg ada dalam kotak sebanyak:

12  12!
n( S )  12 C3      220
 3  3! 12  3!

35
Peristiwa pengambilan 2 BIJI PUTIH dan 1 BIJI
MERAH kecoklatan merupakan peristiwa A, di mana
 4 8 4! 8!
n A         48
 2   1  2!4  2 ! 1!8  1!

Jadi,
n A 48
P  A    0.22  22%
nS  220
36
PENENTUAN PELUANG
PERISTIWA
2. DENGAN FREKUENSI RELATIF

Ketika ASUMSI bahwa masing-masing hasil eksperimen

mempunyai KEMUNGKINAN SAMA untuk terjadi
TIDAK DAPAT DIPENUHI, maka:

- eksperimen dapat DIULANG sebanyak beberapa kali, dan

- peluang peristiwa tersebut terjadi ditentukan oleh frekuensi

relatifnya terhadap banyaknya pengulangan yg dilakukan.

37
P  A 
 A terjadi
 pengulangan

38
Contoh.

Misal A adalah peristiwa munculnya angka 6 dalam

pelemparan mata dadu. Jika dadu dilempar sebanyak 100
kali dan angka 6 muncul 23 kali, maka

23
P  A 
100

39
 Latihan !

Komisi Pemilu Raya Mahasiwa FMIPA menyelenggarakan pemilihan anggota

Dewan Perwakilan Mahasiswa (DPM).

Setiap prodi di FMIPA kemudian diminta untuk mengirimkan usulan nama calon.
Jika jumlah anggota DPM yang akan dibentuk adalah 4 orang dan calon yang
diusulkan terdiri dari 3 mahasiswa Biologi, 3 mahasiswa Kimia, 4 mahasiswa
Matematika, dan 5 mahasiswa Fisika.

Tentukan peluang bahwa anggota DPM itu terdiri atas :

• 1 mahasiswa program studi Fisika, 2 mahasiwa program studi Matematika dan

1 mahasiswa program studi Kimia.

• 1 orang dari setiap program program studi.

40
 HUBUNGAN DUA PERISTIWA
& HUKUM PELUANG

Misal ada dua peristiwa A dan B, maka

S
B A dan B saling asing
A (mutually exclusive/ disjoint)

S
A dan B saling terkait
A B (tdk bebas)

41
Hubungan Peristiwa yang paling Dasar

1. Komplemen
2. Union (gabungan)
3. Intersection (Irisan)

Dari tiga hubungan tersebut muncul hukum-

hukum peluang.
42
HUKUM KOMPLEMEN

Bila A dan Ac adalah dua peristiwa

yg berkomplemen, maka

 
P A 1  P A
c

43
Contoh.

Dalam pelemparan sebuah dadu, peluang peristiwa

munculnya mata dadu bukan 5 , bila A adalah peristiwa
munculnya mata dadu 5, adalah

P  A  1 / 6
 
P Ac  1  1 / 6  5 / 6

44
HUKUM PENJUMLAHAN (Union)

Bila A dan B adalah dua peristiwa sembarang, maka

P A  B  P A PB  P A  B 

Bila A dan B saling asing, maka A  B  

dan berlaku

P A  B  P A PB 

45
Contoh

Peluang seorang mahasiswa lulus mata kuliah

Matematika (M) 2/3, peluang dia lulus mata kuliah
Statistika (S) 4/9. Bila peluang untuk lulus sekurangnya
satu mata kuliah tersebut 4/5, berapa peluang dia lulus
kedua mata kuliah tersebut?

46
 2 4 4
PM   , PS   , PM  S   , PM  S   ?
3 9 5

PM  S   PM   PS   PM  S 

4 2 4
   PM  S 
5 3 9

50  36 14
PM  S   
45 45
47
 PELUANG BERSYARAT

Peluang terjadinya peristiwa B apabila

peristiwa lain A telah terjadi (telah diketahui).

Notasi : P B A

48
 PA  B 
Definisi : P B A , P  A  0
P  A

PA  B 
Atau P A B   , PB   0
PB 
sebaliknya :

49
Contoh
Sekelompok eksekutif digolongkan dalam status berat badan dan
penderita hipertensi (PELUANGNYA seperti pada tabel). Jika dipilih
satu orang eksekutif,
a. berapa peluang orang tersebut dalam golongan yg menderita
hipertensi
b. Seorang yg dipilih ditemukan overweight, berapa peluang orang
tersebut adalah penderita hipertensi?
(syarat : harus overweight)
50
 OVER- NORMAL UNDER
TOTAL
WEIGHT WEIGHT WEIGHT

HIPERTENSI 0.10 0.08 0.02 0.20

NON
0.15 0.45 0.20 0.8
HIPERTENSI

TOTAL 0.25 0.53 0.22 1.0

51
Jawab:

a. P (Hipertensi) = 0.20

b. P (Overweight & Hipertensi) = 0.10

P (Overweight) = 0.25

52
Jadi,

P H  O 
P  Hipertensi Overweight 
P Overweight 
0.10

0.25
 0.40

53
Dari definisi, dapat diturunkan
P A  B   P A B  PB 

P A  B   PB A P A

Jika A dan B independent, maka tidak ada syarat, sehingga

PB A P(B)

PA B  P( A)
P A  B   P A PB 
54
DISTRIBUSI
PELUANG
PENGERTIAN DISTRIBUSI
PELUANG

adalah sebuah daftar dari keseluruhan hasil

suatu percobaan kejadian, yang disertai dengan
nilai probabilitas masing-masing hasil (event).

56
Ilustrasi PENGERTIAN DISTRIBUSI
PROBABILITAS

 Terdapat tiga orang mahasiswa (A, B, dan C) yang akan

memilih mata kuliah Statistika dan Matematika. Ketiga
mahasiswa tersebut bebas memilih mata kuliah mana
yang akan diikuti, yaitu dapat memilih Statistika semua,
Statistika dan Matematika, atau Matematika semua.
 Pada tabel berikut, ditunjukkan kemungkinan pilihan
statistika yang dipilih oleh ketiga mahasiswa tersebut :

57
 Mahasiswa
Jumlah
Kemungkinan
Pilihan
Pilihan A B C Statistika

1 Statistika Statistika Statistika 3

2 Statistika Statistika Matematika 2
3 Statistika Matematika Statistika 2
4 Matematika Statistika Statistika 2
5 Statistika Matematika Matematika 1
6 Matematika Statistika Matematika 1
7 Matematika Matematika Statistika 1
8 Matematika Matematika Matematika 0
58
Dari 8 kejadian di atas, dapat disusun distribusi probabilitas berikut.

Jumlah Statistika Jumlah Total Distribusi Probabilitas

dipilih Mahasiswa Frekuensi Kemungkinan (Hasil P(r))

0 1 8 1/8 0,125

1 3 8 3/8 0,375

2 3 8 3/8 0,375

3 1 8 1/8 0,125

Jumlah Total Distribusi Probabilitas 1

59
Grafik Distribusi Probabilitas Pilihan Mahasiswa
:

60
VARIABEL ACAK/ RANDOM

adalah sebuah ukuran atau besaran yang

merupakan hasil suatu percobaan atau kejadian
yang terjadi secara acak dan mempunya nilai
yang berbeda-beda.

61
Contoh.
Peternak ayam menimbang berat masing-masing ayam.
Dari 5 ekor ayam, diperoleh berat 1 kg ; 1,8 kg ; 1,2
kg ; 2,1 kg ; dan 1,4 kg.

 penimbangan berat adalah percobaan acak dan

 nilai berat setiap ayam adalah variabel acak.

62
 VARIABEL ACAK

Model peluang suatu percobaan di spesifikasi oleh ruang

sampelnya dan peluang yang berkaitan dengan titik
sampelnya.

63
Contoh.

Percobaan : Melempar 1 mata uang 3 kali

Ruang sampel: S = {MMM, MMB, MBM, MBB, BMM, BMB,
BBM, BBB}

Fokus: banyaknya sisi muka (M) muncul di setiap elemen (titik

sampel)

64
Elemen 1
3 Harga dari elemen-
Elemen 2
elemen S
Elemen 3 2 (0,1,2,3)
Elemen 4
Elemen 5 1
Elemen 6
0
Elemen 7 Variabel
Elemen 8
ACAK

65
VARIABEL ACAK

Fungsi yg menghubungkan suatu nilai

numerik (bilangan) dengan masing-
masing hasil dari suatu percobaan.

66
 Diskrit
Variabel
Acak
Kontinu

67
Variabel Acak Diskrit

√ adalah hasil dari percobaan yang bersifat acak

dan mempunyai nilai tertentu yang terpisah
dalam suatu interval yang berbeda-beda dan
terhingga jumlahnya.

√ Biasa berupa bilangan bulat dan berasal dari

perhitungan.
68
Contoh.
 Jumlah telur 30 butir.

 Jumlah mahasiswa 56 orang, dll.

69
 Jika suatu ruang sampel berisi sejumlah kemungkinan
terhingga atau urutan yang tidak terbatas dengan unsur
sebanyak bilangan bulat, maka ruang sampel ini disebut
Ruang Sampel Diskrit, dan variabel acak yang
didefinisikan disebut Variabel Acak Diskrit.

70
Variabel Acak Kontinu

 adalah nilai berbeda-beda yang menempati

seluruh interval hasil percobaan, biasanya
dihasilkan dari hasil pengukuran dan bukan
penjumlahan.

 Semua yang dihasilkan dari kegiatan

pengukuran , baik bulat/ pecahan.

71
Contoh.
 Berat ayam 1,2 kg

 Tinggi pohon 1,5 meter, dll.

72
 Jika suatu ruang sampel berisi sejumlah kemungkinan tak
terhingga yang sama dengan jumlah titik-titik didalam
sebuah segmen garis, maka ruang sampel ini disebut
Ruang Sampel Kontinu, dan variabel acak yang
didefinisikan disebut Variabel Acak Kontinu.

73
 DISTRIBUSI PELUANG
DISTRIBUSI PELUANG
DISKRIT
• Distribusi Uniform
• Distribusi Binomial
• Distribusi Multinomial
• Distribusi Poisson
• Distribusi Hipergeometrik
• Distribusi Binomial Negatif
• Distribusi Geometrik
DISTRIBUSI PELUANG
KONTINU
• Distribusi Uniform
• Distribusi Normal
• Distribusi Eksponensial
• Distribusi Chi-Kuadrat
• Distribusi Weibull
74
CONTINUED…
Semangaattt!
!