(STATISTIKA DASAR)
STATISTIKA DASAR
Pendahuluan
Statistika Deskriptif
Peluang dan Distribusi Peluang
Distribusi Sampling
Statistika Inferensial
Analisis Varian
Analisis Regresi
2
PELUANG/
PROBABILITAS
TEORI PELUANG
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
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
Ruang Sampel
11
RUANG SAMPEL
(Notasi: S atau T)
12
TITIK SAMPEL
13
PENULISAN RUANG SAMPEL
14
Penulisan Ruang Sampel
Misal
S = { x | x himpunan kota-kota di dunia yang
berpenduduk melebihi satu juta}.
15
Example
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 :
A S BS
20
PENENTUAN PELUANG
PERISTIWA
1. SECARA INTUITIF (rasional)
1
P Ai Untuk i = 1,2, …, N
N
21
Contoh.
1
PMM PMB PBM PBB
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 nS
23
Contoh.
3
PA
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 :
2. Permutasi
3. Kombinasi
26
KAIDAH PENGGANDAAN
n1 x n2 x n3 x … x nkj
(misal hidangan di restaurant)
27
PERMUTASI
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
n n!
n Cr
r r ! n r !
30
Contoh
31
Berdasarkan kaidah penggandaan,
maka,
n(S) = 4 x 4 = 16 bilangan
32
A: bilangan kurang dari 30
33
Contoh
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%
nS 220
36
PENENTUAN PELUANG
PERISTIWA
2. DENGAN FREKUENSI RELATIF
37
P A
A terjadi
pengulangan
38
Contoh.
23
P A
100
39
Latihan !
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.
40
HUBUNGAN DUA PERISTIWA
& HUKUM PELUANG
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)
P A 1 P A
c
43
Contoh.
P A 1 / 6
P Ac 1 1 / 6 5 / 6
44
HUKUM PENJUMLAHAN (Union)
P A B P A PB P A B
P A B P A PB
45
Contoh
46
2 4 4
PM , PS , PM S , PM S ?
3 9 5
50 36 14
PM S
45 45
47
PELUANG BERSYARAT
Notasi : P B A
48
PA B
Definisi : P B A , P A 0
P A
PA B
Atau P A B , PB 0
PB
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
NON
0.15 0.45 0.20 0.8
HIPERTENSI
51
Jawab:
a. P (Hipertensi) = 0.20
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 PB
P A B PB A P A
56
Ilustrasi PENGERTIAN DISTRIBUSI
PROBABILITAS
57
Mahasiswa
Jumlah
Kemungkinan
Pilihan
Pilihan A B C Statistika
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
59
Grafik Distribusi Probabilitas Pilihan Mahasiswa
:
60
VARIABEL ACAK/ RANDOM
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.
62
VARIABEL ACAK
63
Contoh.
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
66
Diskrit
Variabel
Acak
Kontinu
67
Variabel Acak Diskrit
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
71
Contoh.
Berat ayam 1,2 kg
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 DISTRIBUSI PELUANG
DISKRIT KONTINU