You are on page 1of 91

Oleh

:
Nova Rijati, Yuniarsi Rahayu, Achmad Wahid Kurniawan

Penerbit
UDINUS Press
Semarang

KATA PENGANTAR

Puji syukur bagi Tuhan Yang Maha Kasih atas segala karuniaNya yang telah
dilimpahkan kepada penulis sehingga buku Probabilitas dan Statistika ini dapat terselesaikan
dengan baik.
Probabilitas dan Statistika merupakan mata kuliah wajib untuk mahasiswa Fakultas
Ilmu Komputer. Penyusunan buku ini dimaksudkan untuk memberikan kemudahan kepada
mahasiswa dalam memahami mata kuliah Probabilitas dan Statistika bagi mahasiswa
Fakultas Ilmu Komputer Universitas Dian Nuswantoro Semarang khususnya mahasiswa
program studi Teknik Informatika.
Materi yang dibahas dalam buku ini meliputi : Pengantar Probabilitas, Distribusi
Probabilitas, Analisis Regresi, Analisis Korelasi, Distribusi Sampling, Penaksiran Parameter
dan Pengujian Hipotesa
Untuk lebih membantu mahasiswa dalam memahami buku ini, pada tiap-tiap bab
disertai pula dengan contoh dan latihan soal. Meskipun begitu untuk lebih memahami materimateri dalam buku ini, diharapkan mahasiswa mempelajari pula buku-buku textbook seperti
tercantum dalam Daftar Pustaka atau buku-buku yang disarankan dosen sebagai buku
pegangan.
Kami menyadari, penyusunan buku ini belum dapat dikatakan sempurna, sehingga
kritik dan saran dari pengguna buku ini sangat kami harapkan. Meskipun begitu kami
berharap buku ini dapat memberikan manfaat dan membantu mahasiswa dalam mata kuliah
Probabilitas dan Statistika
Penulis

ii

Probabilitas dan Statistika

DAFTAR ISI

HALAMAN JUDUL

i

KATA PENGANTAR

ii

DAFTAR ISI

iii

BAB 1 PENGANTAR PROBABILITAS
1.1. Konsep Dasar Probabilitas

1

1.1.1

Pengantar

1

1.1.2

Pengertian Probabilitas

2

1.2. Hukum-Hukum Probabilitas

3

1.2.1

Gabungan dan Irisan Kejadian

4

1.2.2

Kejadian Yang Saling Bertentangan

5

1.2.3

Kejadian Komplementer

5

1.2.4

Kejadian Yang Saling Bebas

6

1.2.5

Probabilitas Bersyarat

7

1.3. Formula Bayes

8

1.4. Analisa Kombinatorial

9

1.4.1

Permutasi

10

1.4.2

Kombinasi

11

1.5. Latihan Soal

12

BAB 2 DISTRIBUSI PROBABILITAS
2.1

Variabel Acak

15

2.2

Distribusi Probabilitas Diskrit

16

2.2.1

Distribusi Binomial

16

2.2.2

Distribusi Poisson

19

2.3

2.4

Distribusi Probabilitas Kontinu

20

2.3.1

20

Distribusi Normal

Latihan Soal

Probabilitas dan Statistika

26

iii

3 Distribusi Sampling Proporsi 48 5.BAB 3 ANALISIS REGRESI 3.4 Distribusi Sampling Selisih Rata-Rata 50 5.3 Regresi Linier Ganda 33 3.4 Koefisien Determinasi 41 4.6 Latihan Soal 53 BAB 6 PENAKSIRAN PARAMETER iv 6.2 Distribusi Sampling Rata-Rata 47 5.6 Menetapkan Jumlah Sampel 66 6.2 Metode Kuadrat Terkecil Untuk Regresi Linier 32 3.2 Menaksir Rata-Rata 58 6.1 Pendahuluan 46 5.2 Koefisien Korelasi Rank 39 4.1 Regresi Linier 30 3.4 Latihan Soal 36 BAB 4 ANALISIS KORELASI 4.4 Menaksir Selisih Rata-Rata 62 6.3 Menaksir Proporsi 60 6.1 Pendahuluan 38 4.5 Distribusi Sampling Selisih Proporsi 52 5.5 Menaksir Selisih Proporsi 63 6.1 Pendahuluan 56 6.3 Koefisien Korelasi Pearson 40 4.6 Latihan Soal 44 BAB 5 DISTRIBUSI SAMPLING 5.5 Koefisien Korelasi Ganda 42 4.7 Latihan Soal 67 Probabilitas dan Statistika .

5 Menguji Kesamaan Dua Proporsi 79 7.1 Pendahuluan 70 7.2 Menguji Rata-Rata 72 7.BAB 7 PENGUJIAN HIPOTESA 7.3 Menguji Proporsi 75 7.4 Menguji Kesamaan Dua Rata-Rata 77 7.6 Latihan Soal 81 DAFTAR PUSTAKA 83 TABEL DISTRIBUSI NORMAL STANDAR 84 TABEL DISTRIBUSI STUDENT 85 Probabilitas dan Statistika v .

.

jika kita bermain kartu. menghitung probabilitas suatu peristiwa dan menghitung kombinasi dan permutasi suatu peristiwa. Dalam politik Luar Negeri : Apakah sekarang ini ada kemungkinan pecah Perang Dunia ketiga ? Dalam dunia kedokteran : Apakah pasien ini mungkin diserang penyakit Typhus ? Dan masih banyak lagi. mengetahui rumus-rumus probabilitas. mahasiswa dapat memahami pengertian probabilitas. Lebih banyak lagi kata kemungkinan dipakai dalam bidang permainan (Teori Permainan. misalnya bridge Probabilitas dan Statistika 1 .BAB 1 PENGANTAR PROBABILITAS Standar Kompetensi : Setelah mengikuti kuliah ini. yaitu. dalam bahasa Inggris chance. mahasiswa mampu memahami konsep dan permasalahan probabilitas serta dapat menentukan peluang suatu kejadian. 1.1.1 Konsep Dasar Probabilitas 1. Theory of Games). Kompetensi Dasar : Setelah mengikuti kuliah ini. kesebelasan A mempunyai kemungkinan (kans) menang lebih besar daripada kesebelasan B.1 Pengantar Dalam percakapan sehari–hari seringkali kita menggunakan kata kemungkinan. dalam bahasa Belanda kans. Misalnya dalam pertandingan sepakbola..

Memang lahirnya teori kemungkinan tidak pada tempat yang seharusnya. yaitu masing – masing P(gambar) = P(angka) = 1 2 1 2 kemungkinan untuk . sehingga P(1)=P(2)=P(3)=P(4)=P(5)=P(6) = 1 . 1. maka kejadian tersebut dapat terjadi dengan 3 cara. n Contoh 1. P adalah singkatan dari peluang. kita katakan nilai kemungkinan untuk mendapatkan sisi Gambar. Tidak terbatas pada ilmu statistika saja. kita semua tahu bahwa lemparan tadi dapat menghasilkan sisi Gambar (bunga melati) atau sisi Angka. yang berdasarkan pada teori kemungkinan ini. yaitu di meja perjudian. tetapi ilmu lain juga memakainya. misalnya mata uang 500 rupiah. yaitu 2. probabilitas atau nilai kemungkinan. 2 sehingga P(B) = 2 2 1 = 6 3 Probabilitas dan Statistika . Kita singkat dengan : . dan lain – lain. 5 atau 6. dan tidak berdiri pada pinggirannya setelah dilemparkan. jadi P(A) = 3 1 = . mulai memikirkan teori kemungkinan (Theory of Probability): tidak untuk memakainya dalam judi tetapi dalam ilmu (science). 4.dan lain – lain. dapat terjadi dengan 2 cara yaitu 1. 3. dalam arti tidak cekung atau cembung. Karena mata uang tadi simetris.1. maka probabilitas kejadian A = P(A) = p . sama dengan nilai mendapatkan sisi Angka.2 Pengertian Probabilitas Definisi Klasik Misalkan kejadian A dapat terjadi dalam p cara dari seluruh n cara yang mungkin. Laplace. dan n cara ini mempunyai kemungkinan sama (equally likely). 4. 2. Begitu juga 6 2 dengan B yang merupakan kejadian jatuh hasil  2. atau 6. de Moivre. yaitu hasil lemparan adalah sisi 1.1 Sebuah dadu dilemparkan. Ada 6 cara yang mungkin. Jika kita melempar sebuah mata uang. yaitu ilmu statistika . Cabang ilmu yang pada masa sekarang menjadi penting dan tumbuh pesat. 6 Jika A adalah kejadian jatuh pada sisi genap. tetapi beberapa sarjana besar yang taat beragama seperti Pascal. pada sebuah lantai yang licin.

Dalam statistika.G). (A. A).A). ini disebut populasi. (G. 1000.G).2 Pandanglah 9 angka 1. yaitu 1. dst sampai dengan 9. (G. Suatu bilangan diambil secara acak atau random . kejadian A (hasil tos sama) adalah {(A. Nilai kemungkinan mempunyai interval 0  P(A)  1 Contoh 1. G). Probabilitas dan Statistika 3 .Contoh 1.3 Eksperimen lemparan 2 buah dadu. 500 dan Rp. dan 9.A)}.A). Dari 9 cara yang mungkin ini hanya ada 3 cara untuk mendapatkan bilangan yang habis dibagi 3. 4. ruang sampel disebut himpunan semesta. dan kejadian B (hasil tos berbeda) adalah {(A. (G. yang satu disebut dadu putih. A). sehingga ruang sampel ini mempunyai 4 titik sampel. 5. 3. 6.A). menghasilkan ruang sampel S yang terdiri atas 6 x 6 = 36 titik. Satu hal dari ruang sampel diatas disebut titik sampel . G)}. (G. A = {(A. Pada teori himpunan. Satu kejadian (event) merupakan satu himpunan bagian (subset) dari ruang sampel.A). (G. (G. 3 1 = 9 3 Hukum-Hukum Probabilitas Pandang sebuah eksperimen lemparan 2 mata uang logam . yang kedua disebut dadu merah. G)}. Jadi.G). Rp. 7. Dikatakan semua hal yang mungkin ini membentuk ruang sampel atau ruang kemungkinan. (G. atau 2. S = { (A.2. Biasanya ruang sampel dinyatakan dengan huruf besar S. Berapa nilai kemungkinannya mendapat angka yang habis dibagi 3 ? Jawab : Ada 9 cara yang mungkin untuk mendapat satu angka. (A. Semua hal yang mungkin terjadi (possible cases) adalah (A. (G. yaitu setiap angka mempunyai kemungkinan terambil yang sama. Jadi P (bilangan yang habis dibagi 3) = 1.G) } Satu titik sampel adalah satu unsur himpunan semesta. B = {(A. 8. atau 3. A)}. misalnya. 2.G).

4) (5. 3) (2.2). 5) (6.1 A B Untuk kejadian majemuk “A dan B”. (4. 3) (6. 6) 3 (3. Jadi. 3) (3. 5) (5. berarti A terjadi dan juga bersamaan B terjadi. 4) (6. 2) (4. Arti “atau” disini adalah A atau B atau keduanya.1) Gambar 1. 6) 4 (4. maka P(B) = 1. 5) (2. 1) (3. 2 ) (1. 2) (6. Misalkan kejadian A adalah hasil jumlah 36 7. 4) (2. 4) (3. 5) (3. 5) (4. (5. yang dinyatakan dengan simbol A  B. 6 36 Kejadian B menyatakan hasil jumlah 8. Jadi A  B adalah kumpulan semua titik yang berada di A atau pada B atau pada keduanya (Gambar 1. 6) Semua titik mempunyai nilai kemungkinan yang sama. 6) 6 (6.3). (2. 3) (5. 4) (1. (6.2) 4 Probabilitas dan Statistika . 6) 2 (2.1 2 3 4 5 6 1 (1. A  B adalah kumpulan semua titik yang ada pada A dan juga pada B (Gambar 1. 3) (4.1)} dan P(A) = jumlah semua ukuran titik di A = 6 x 1 1 = . 3) (1. 2) (2. 1) (5.5). karena kita misalkan tiap – tiap dadu bentuknya simetris dan sudah tentu hasil yang putih tidak mempengaruhi hasil dadu merah. 1) (6.6). 6) 5 (5.1 5 36 Gabungan dan Irisan Kejadian Misalkan diketahui 2 kejadian A dan B yang kita lukiskan dengan diagram Venn. P(tiap titik) = 1 . 2) (5. Untuk kejadian “A atau B” dilambangkan dengan simbol A  B. 4) (4.2. 1) (4. 1 ) (1. maka A menyatakan himpunan bagian A = {(1. (3. 2) (3. 5) (1.4). 1) (2.

Gambar 1.3.2. disebut kejadian komplementer Probabilitas dan Statistika 5 . A B A  B juga disebut A gabungan B atau A union B. yang terdiri dari semua titik di S yang tidak di A. Dalam teori himpunan A dan B disebut saling lepas (disjoint).2. 1.2.3 dibawah ini B A Gambar 1. Jika kita akan menghitung P(A  B).2.3 A B Dengan begitu P(A  B) = Ǿ (himpunan kosong) Untuk dua kejadian yang saling lepas berlaku : P( A  B) = P(A) + P(B) 1. Pada diagram Venn 2 kejadian yang saling bertentangan atau 2 kejadian yang saling lepas dapat dilukiskan seperti Gambar. sedangkan A  B disebut A irisan B atau A intersection B. Kejadian yang Saling Bertentangan Dua kejadian yang tidak dapat terjadi bersamaan disebut saling bertentangan. Kejadian Komplementer Kejadian A dan kejadian à (bukan A). dari diagram Venn dapat dilihat bahwa P(A) + P(B) – P(A  B) = P(A  B) P(A  B) = P(A) + P(B) – P(A  B) 1.

(4. 1 6 5 6 P(C  D) = 1 36 Ternyata P(C  D)  P(C) .4. Definisi Kejadian A dan B disebut bebas.6)}. 5). jika dan hanya jika. (6. 5). 5). P(A  B) = P(A) . P( D ) = _ Jadi P(D) = 1 . sehingga P( A ) = 1 – P(A) 1. P(C) = 1 18 _ _ D = {(1. sehingga A dan A adalah dua himpunan yang saling lepas dan kejadian A dan kejadian A saling bertentangan. 5)}. 5)}.4 A A dan A tidak mempunyai persekutuan. P(D) Jadi C dan D saling bergantung. A dan B disebut saling bergantung.A Gambar 1. Maka A  A = S. P(B) Jika syarat ini tidak dipenuhi. apakah kejadian C (merah + putih = 11) dan kejadian D (merah  5) saling bebas ? Jawab : C = {(5. 5). Kejadian Yang Saling Bebas Kejadian yang saling bebas adalah kejadian yang tidak bersangkut paut. 6).4 Dalam eksperimen lemparan dua buah dadu. (2. 5). P(S) = P(A  A ) = P(A) + P( A ). (3. dan P(S) = 1. (6. Contoh 1.2. (5. 6 Probabilitas dan Statistika .P( D ) = C  D = {(5.

5 Probabilitas dan Statistika 7 . P(B|C . maka P(A  B) = P(A|B) . P(C) Contoh 1.1. P(A) Rumus tersebut dapat diperluas untuk irisan 3 kejadian.5 Misalkan 5% pria dan 1% wanita buta warna. dan masing – masing merupakan 50% dari populasi. dimana P(B)  0 Jika kedua ruas dikalikan dengan P(B). ditulis dengan P(A|B) dan ditentukan oleh P(A|B) = P( A  B) P( B) . Seorang peneliti mengambil seorang buta warna secara acak. Berapa nilai kemungkinan ia (a) pria. maka P(A  B) = P(B|A) . (b) wanita ? Jawab : Misalkan diagram Venn untuk kasus di atas adalah sebagai berikut : pria wanita AC A B Gambar 1.2.P(B) Karena A  B = B  A. sehingga P(A  B  C) = P(A|B  C) .5 Probabilitas Bersyarat Definisi Nilai kemungkinan bersyarat kejadian A jika kejadian B diketahui.

475 0.3 Formulasi Bayes Formulasi Bayes adalah pengembangan dari probabilitas bersyarat (conditional probability) dan aturan umum hukum perkalian. satu cara untuk 8 Probabilitas dan Statistika .030 .025 P( A  C ) = 0.025 0.500 B 0.C N A 0.500 0. Andaikan terdapat sekelompok peristiwa B1.970 1. B2. ditulis sebagai P{pria|buta warna} = P(A|C) = 0.970 2 Nilai kemungkinan untuk pria. terdapat sebuah peristiwa lain A yang didefinisikan pada ruang sampel yang sama.495 0. artinya masingmasing peristiwa tidak memiliki keluaran yang sama dan secara bersama-sama memuat keseluruhan keluaran didalam ruang sampel.030 P(C ) Nilai kemungkinan bersyarat untuk kejadian yang saling bebas : Jika A dan B adalah 2 kejadian yang bebas dengan nilai kemungkinan bukan nol.000 Dapat dilihat bahwa P(A)=P(B) = 1 . dan P(N) = 0.005 0. Oleh karena itu. peristiwa Bi yang mutually exclusive bersifat exhaustive jika dan hanya jika : n  P( B )  1 i 1 i Sebagai tambahan. Dapat dilihat bahwa P(A|C) = Demikian P(B|C) = 0.030 6 P(A|C) disebut nilai kemungkinan bersyarat A.030 0. maka P(A|B) = P(A) dan P(B|A) = P(B) 1.005 P( B  C ) = 0.030 P(C ) 0. Secara matematis. P(C) = 0. jika diketahui buta warna. Karena peristiwa-peristiwa Bi bersifat exhaustive maka peristiwa A pasti beririsan dengan satu atau lebih peristiwa Bi. jika C diketahui. Bn yang mutually exlusive dan exhaustive.025 5 = 0. ….

B2. 5%.35) + (0. Bagaimana menentukan probabilitas masing-masing peristiwa Bi juga terjadi ? P( Bi │A) = P( B ).05) (0. 30%.03 =    0. maka probabilitas telur rusak itu berasal dari supplier III adalah : P( Bi │A) = 1.1) P( B3  A) 0.2) (0.2353 P( A) 0. P(B4) = (0.3) (0.25) + (0. dan IV masing-masing mengirimkan 20%.P( A Bi ) P( Bi ). P(B2) + P(A│B3) . dan IV.1) + (0. dan IV menyediakan seluruh keperluan telur bagi Toko Roti Swiss sebanyak masing-masing 25%.1275 P( A) Analisa Kombinatorial Untuk dapat menghitung nilai kemungkinan dari kejadian yang lebih majemuk.3)(0. B2 dan B4 adalah peristiwa pemilihan telur yang dikirim oleh supplier I. 10 % dan 30%. 35%. P(Bi) i 1 = P(A│B1).P(B3)+P(A│B4) .1275 Kemudian jika ditemukan ada sebutir telur yang rusak.6 Supplier I. III. Dari pengalaman selama ini diketahui bahwa supplier I.1) (0. Maka probabilitas bahwa sebutir telur yang dipilih secara acak merupakan telur yang rusak dapat dihitung sebagai berikut : Misalkan A adalah peristiwa ditemukannya sebutir telur yang rusak. II.P( A Bi ) j 1 j 1 Contoh 1. II. digunakan analisa kombinatorial Probabilitas dan Statistika 9 . II.4 P( Bi ). dan B1.P( A B3 ) (0.3) = 0. dan 10% telur yang rusak. Maka : n P(A) =  P (A∩ Bi) = i 1 n  P(A│Bi) .P( A Bi ) P( Bi  A) = n i  n P( A)  P( B j  A)  P( Bi ). P(Bi) i 1 Sekarang jika persoalan diubah dan diasumsikan bahwa peristiwa A telah terjadi. III.P(B1)+P(A│B2).mendapatkan probabilitas peristiwa A adalah dengan menjumlahkan probabilitas P (A∩ Bi) untuk seluruh harga i. Maka : 4 P(A) =  P (A∩ Bi) = i 1 4  P(A│Bi) .1275 0. III.

(n – r + 1) = nPn = n! n! (n  r )! 1. bac. ba. 3 . kita mendapatkan permutasi ab. jadi ab sama dengan ba. 2 .4. dan cab. Kombinasi Pandang 3 unsur a. . dan bc adalah 3 kombinasi 3 unsur diambil 2. . Jika hanya diambil 2 unsur saja. Tiap urutan disebut dengan permutasi 3 unsur dari ketiganya dinyatakan dengan simbol 3P3 dan 3P3 = 6.. Sekarang diambil 2 unsur tanpa mengindahkan urutannya. acb. dan cb. b dan c . 2 . b. 3 .(n). ac. Jadi : 2! = 1. Definisi : Suatu kombinasi r unsur yang diambil dari n unsur yang berlainan.2. (n-1). bca. ac.3= 6 4! = 1 .2 = 2 3! = 1.2.Simbol untuk n faktorial adalah n! Definisi : n faktorial = n! = 1 . Pilihan ab. 5 = 120 Catatan : untuk 1! = 0! = 1 1. adalah suatu pilihan dari r unsur tanpa memperhatikan urutannya (r  n) 10 Probabilitas dan Statistika . ac sama dengan ca. dan c. yang diambil dari n unsur yang berlainan. bc. 4 = 24 5! = 1 . .1) (n – 2) . 2 ..4. Banyaknya permutasi 3 unsur diambil dari 3P2 = 6 Definisi : Suatu permutasi r unsur. cba. ca.1 Permutasi Pandang 3 unsur yang berlainan. yiatu penempatan r unsur itu dalam satu urutan (r  n) nPr = n (n . misal a. 4. Kita dapat mengurutkannya sebagai abc.

atau 3 ( ) = 3 . Kantor pos memberikan 4 perangko yang berlainan.Banyaknya kombinasi 3 unsur diambil 2 dinyatakan dengan simbol 3C2. D = Jerman. diambil 1 unsur saja. C = Kimia. yaitu 100. b dan c. Kita hendak mengirimkan surat per pos dan biayanya Rp 2300. 2 yaitu a.2 Contoh Pemakaian Permutasi dan Kombinasi 1. Jadi 3C1 = 3 n Cr n n! n Pr = ( )= = r r!(n  r )! r! Contoh 1.7 3C2 = 3! 6 = = 3 2 ! 1! 2 .1 4C2 = 4! 24 = = 6 2! 2! 2 . ada berapa permutasikah ? Jawab : Banyaknya permutasi 5 buku yang berlainan diambil 3. Jika kita mengambil 3 buku kemudian mengurutkannya pada rak buku. 800. adalah 5P3 = 5! = 60 2! 2. akan ada kombinasi. E = Inggris. B= Biologi. Ada 5 buku : A= Aljabar. Jika dari 3 unsur di atas. 1100. Dengan berapa permutasi kita dapat menempelkan 4 perangko ini pada surat kita ? Jawab : Banyaknya permutasi 4 unsur diambil 4 unsur adalah 4P4 = 24 Probabilitas dan Statistika 11 . 300.

8 336 = = = 56 6 3! 5 ! 1. Dua mata uang dilempar. berapa nilai kemungkinan untuk mendapat hasil satu gambar dan satu angka ? 2. 3 diantaranya berwarna merah. Tentukanlah jumlah susunan huruf yang dapat dibentuk dengan menggunakan huruf dalam kata “PERMUTASI”. Ada 8 orang dan diambil 3. jadi ada ( ) = = 6 cara 2 2! 2! 4 4! dan seorang wanita dari 4 istri. Berapa probabilitas untuk mendapat bola putih. Dua dadu dilempar. jika kita mengambil satu bola secara acak ? 4. 2 . satu putih dan 3 merah 5. Jika panitia ini harus terdiri dari 2 pria dan 1 wanita ? Jawab : a. berapa nilai kemungkinan untuk mendapatkan jumlah mata dadu 7 ? 3. Berapa probabilitas untuk mendapatkan : a. a. apabila : 12 Probabilitas dan Statistika . Satu baskom berisi 10 bola putih dan 15 bola merah. Jika semua orang ini dipilih b. semua merah c. dua putih dan 2 merah d. Dua pria dipilih dari 4 suami. Seorang pegawai perpustakaan akan mengatur 8 buku di rak buku.5 Latihan Soal 1. 3 buku yang berwarna merah selalu berdampingan b. 3 buku yang berwarna merah itu tidak boleh bersebelahan 6. Satu baskom berisi 3 bola putih dan 5 bola hitam. 3 4 4! b. 7 . Ada berapa carakah pegawai tersebut dapat mengatur buku itu bila : a. semua putih b. Ada berapa cara satu panitia terdiri atas 3 orang dapat dipilih dari 4 pasangan suami istri.3. jadi ada ( ) = = 4 cara 1 1! 3! sehingga ada 6 x 4 = 24 cara 1. Akan kita ambil 4 bola secara acak. jadi ada () = 8! 6 .

0. satu pria dan 2 wanita 9. Suatu panitia terdiri dari 10 orang. probabilitas bahwa Probabilitas dan Statistika 13 . C dan D masing-masing adalah 0. Sepasang pengantin baru mengatakan bahwa mereka ingin mempunyai 3 anak dari pernikahannya.a. Bila keinginannya terpenuhi. Dalam peristiwa terbakarnya sebuah gedung di kota itu. Probabilitas seorang dokter akan mendiagnosis dengan tepat adanya suatu penyakit tertentu adalah 0. Ada berapa carakah mereka menempati 10 kursi yang tersedia mengelilingi meja itu ? 10. Berapakah jumlah plat mobil dapat dibuat dengan menggunakan 2 huruf. Lulus dalam dua mata kuliah 13. Pada peristiwa seorang dokter membuat kesalahan dalam pemeriksaan suatu penyakit (diagnosis tidak tepat). pria semua c. berapa probabilitasnya bahwa keduanya tidak hidup 20 tahun lagi b.92. Sebuah kota kecil mempunyai satu unit pemadam kebakaran dan satu ambulance yang tersedia dalam keadaan darurat. berapa probabilitasnya keduanya akan siap beroperasi b. Tidak lulus dalam empat mata kuliah c. Jika diketahui probabilitas bahwa Amir masih hidup 20 tahun lagi adalah 0. tentukanlah nilai kemungkinan bahwa anaknya : a.7 dan probabilitas bahwa Badu masih hidup 20 tahun lagi adalah 0.6 . semua huruf dipakai tetapi 3 huruf tertentu selalu berdampingan 7. semua huruf dipakai tetapi semua huruf hidup berdampingan c.9. kemudian 4 angka. wanita semua b. a. Probabilitas bahwa unit pemadam kebakaran akan siap diperlukan adalah 0. 0. hitunglah probabilitasnya bahwa mahasiswa tersebut : a.7.7 dan 0. semua huruf dipakai tanpa syarat b. Seorang mahasiswa mempunyai peluang untuk lulus dalam mata kuliah A. berapa probabilitasnya bahwa hanya Amir yang masih hidup 20 tahun lagi 12. berapa probabilitasnya bahwa yang siap beroperasi hanya salah satu 11. a. dan terakhir 1 huruf ? 8. Lulus dalam keempat mata kuliah b. Jika kelulusan dalam suatu mata kuliah tidak tergantung dari kelulusan mata kuliah lainnya. B.8 .9. Mereka mengadakan rapat dan mengelilingi meja bundar.98 dan probabilitas bahwa ambulance siap bila dipanggil adalah 0.

Pengantin baru mengatakan bahwa mereka menginginkan 3 orang anak dari pernikahannya. Berapa probabilitas armada yang rusak ? b. wanita semua. b. tentukan : a. Hitunglah probabilitasnya bahwa dokter tersebut membuat diagnosis yang tidak tepat dan pasien tersebut mengajukan tuntutan. Bila keinginannya terpenuhi. Berdasarkan pengalaman diketahui bahwa dari ke-3 armada tersebut.9. berapa probabilitas bahwa armada tersebut adalah Bus Rahayu 14 Probabilitas dan Statistika . tentukanlah nilai kemungkinan bahwa anaknya a. Jika ternyata ditemukan ada armada yang rusak. Ternyata diketahui bahwa 25% orang memilih Bus Safari.pasien akan mengajukan tuntutan adalah 0. 6% dari Bus Nusantara kemungkinan rusak armadanya dan 8% dari Bus Rahayu kemungkinan rusak armadanya. c. 30% orang memilih Bus Nusantara dan sisanya memilih Bus Rahayu. Suatu Biro Perjalanan Wisata menawarkan 3 armada barunya. satu pria dan dua wanita. 14. 4% dari Bus Safari kemungkinan rusak armadanya. Berdasarkan data-data diatas. pria semua 15.

menentukan nilai variabel dan memahami manfaatnya lebih lanjut serta dapat menghitung luas kurva dengan tabel Z. adalah variabel yang memiliki sebuah nilai numerik tunggal untuk setiap keluaran dari sebuah eksperimen probabilitas. membaca tabel binomial. suatu cacahan/hitungan.1. Jadi X dapat bernilai angka berapapun tergantung pada keluaran yang mungkin dihasilkan dari eksperimen. 2. Dengan kata lain. mahasiswa dapat memahami pembentukan distribusi probabilitas. Variabel Acak Eksperimen probabilitas memiliki keluaran yang bisa berupa suatu nilai numerik (angka/bilangan). penentuan peubah acak dan pemanfaatan harapan matematis.BAB 2 DISTRIBUSI PROBABILITAS Standar Kompetensi : Setelah mengikuti kuliah ini. Kompetensi Dasar : Setelah mengikuti kuliah ini. Sementara variabel acak kontinu memiliki nilai yang tak terhingga banyaknya Probabilitas dan Statistika 15 . mahasiswa dapat menentukan jenis distribusi probabilitas yang tepat untuk suatu masalah beserta pemakaian rumus dan tabel yang sesuai. dan dapat membedakan pemakaian distribusi normal dengan distribusi student serta menghitung probabilitas kejadian dengan distribusi tersebut. atau suatu hasil pengukuran. Variabel Acak (random variable). biasa ditandai dengan sebuah simbol seperti X. memahami masalah Binomial. Variabel acak diskrit adalah variabel acak yang memiliki nilai yang dapat dicacah. nilai tertentu dari X dalam sebuah eksperimen adalah suatu kemungkinan keluaran yang acak. membedakan antara distribusi peluang diskrit dan distribusi peluang kontinu. memahami masalah Poisson.

maka kejadian yang terjadi adalah : GG. Jadi nilai-nilai dari fungsi yang mungkin akan selalu berada dalam interval 0 ≤ p(x) ≤ 1 2. Distribusi Binomial Distribusi Binomial adalah salah satu distribusi probabilitas diskrit yang paling sering digunakan dalam analisis statistika modern. dan kemudian didaftarkan pula nilai probabilitas yang berkaitan dengan keluaran tersebut. yaitu x1. Di bidang teknik. Perlu dicatat bahwa p(x) didefinisikan bernilai nol untuk setiap nilai x yang tidak berkaitan dengan suatu keluaran yang ada dalam ruang sampel. disebut fungsi probabilitas dari variabel acak X. Simbol X diatas disebut variable acak diskrit 2. Variabel acak kontinu biasanya diperoleh dari hasil pengukuran Contoh 2. P(X=xn).sepanjang sebuah interval yang tak terputus. xn. Jumlah seluruh nilai fungsi probabilitas adalah 1. Pernyataan matematis P(X=x) = p(x). distribusi ini erat kaitannya dengan pengendalian kualitas (quality control). AHG. P(X=x3). GA. …. Jadi ∑ p(x) = 1 2. 1. : Saat kita melakukan pelemparan dua buah uang logam . ….1.2. x2. 16 Probabilitas dan Statistika . …. Nilai-nilai dari suatu fungsi probabilitas adalah angka-angka yang berada dalam interval antara 0 dan 1. p(x2). P(X=x2). Terdapat dua aturan yang harus dipenuhi : 1. 2. p(xn) ) maka telah dibentuk suatu distribusi probababilitas diskrit dari variabel X. yaitu P(X=x 1).1. maka X = 0. x3. yang dibaca “ probabilitas X yang menyandang nilai x”. AA.2 Distribusi Probabilitas Diskrit Jika pada sebuah eksperimen probabilitas didaftarkanlah seluruh keluaran yang mungkin dari variabel diskrit X. Jika X menyatakan banyak sisi G yang muncul.p(x3). (biasa dinotasikan juga dengan p(x1).

(/ 1 2 ) 10 = 0.3.0  p 1 dan nCx = n! x!(n  x)! Distribusi binom ini mempunyai parameter diantaranya rata-rata  dan simpangan baku  . ….4 6!4! = 210. maka percobaan yang berulang-ulang dari eksperimen itu disebut percobaan Bernoulli. 1. maka P( A ) = 1 – p = q Maka peluang terjadinya kejadian A sebanyak X = x kali diantara n. Jika pada tiap percobaan dalam eksperimen itu p = P(A) berharga tetap.p) n x dimana x = 0. n . Sekarang lakukan percobaan Bernoulli n kali. Rumusnya adalah :  = np  = n pq Contoh 2. 2.8. Peluang untuk mendapatkan 6 sisi G ketika melakukan undian dengan sebuah mata uang sebanyak 10 kali adalah : P(x=6) = 10C6 ( 12 ) 6 ( 12 ) 4 = 7.2 : 1.9. dengan P(A) = p = peluang terjadinya kejadian A.10 1 10 10! 1 10 ( 2) = ( 2) 1.2050 Probabilitas dan Statistika 17 . dihitung dengan rumus : P(x) = P(X=x) = nCx px (1 .2.Pandang sebuah eksperimen yang hanya menghasilkan dua kejadian A dan A . X diantaranya menghasilkan A sisanya yaitu (n-X) menghasilkan A Jika p = P(A).

10) 1 (0. P(x=0) = 30C0 (0. Lakukan undian dengan 10 dadu sekaligus.90) 29 = 0.90) 0 = 10 30 b) X = 1 P(x=1) = 30C1 (0.0423 .90) 28 = 0. Sebuah sample berukuran 30 telah diambil secara acak. maka P(x=8) = 10C8 ( 1 6 ) 8 ( 5 6 ) 2 = 0. 2. 30. …. Maka peluang p = peluang benda termasuk katergori A = 0. maka yang dihitung adalah 1 – P(x=0). 10% dari suatu benda tergolong dalam kategori A.10) 0 (0. 3.10) 30 (0.10) 2 (0. Jadi perlu P(x=1) + P(x=2) + … +P(x=30) Karena P(x=1) + P(x=2) + … +P(x=30) = 1.2.2270 d) Paling sedikit 1. x=8.000015 3. berarti x = 1.9577 18 Probabilitas dan Statistika . Kita tahu bahwa p = P(mata 6) = 1 6 .1 a) Semua masuk kategori A berarti X = 30 P(x=30) = 30C30 (0. n = 10. a) Semuanya b) Sebuah c) Dua buah d) Paling sedikit sebuah e) Paling banyak 2 buah f) Tentukan rata-rata terdapatnya kategori A Jawab : Misal x = banyak benda kategori A.90) 30 = 0. maka 1–0.1409 c) x = 2 P(x=2) = 30C2 (0.0423 = 0. Berapa peluang sample itu akan berisi benda kategori A. Berapa peluang yang muncul mata 6 sebanyak 8 buah.

3 : Misal rata-rata ada 1.1 = 3 2.0608 0! Distribusi Poisson ini dapat dianggap sebagai pendekatan kepada distribusi Binom Probabilitas dan Statistika 19 .8. berarti X = 0. maka  = 2.e) Terdapat paling banyak 2 buah kategori A. Peluang tidak terdapat yang tidak buta huruf adalah : p(0) = e 2.7183 Harga-harga e   dapat dilihat pada lampiran. 1. Parameter distribusi Poisson =   =  Distribusi ini sering digunakan untuk menentukan peluang sebuah kejadian yang dalam area kesempatan tertentu diharapkan sangat jarang terjadi. Diambil sebuah sampel berukuran 200 orang .8) 0 = e 2.2.4102 f)  = N = 30 . Contoh 2.9577 + 0.4 orang buta huruf setiap 100 orang. 2 P(x ≤ 2) = P(x=0) + P(x=1) + P(x=2) = 0. 0.2 Distribusi Poisson Variabel acak diskrit X dikatakan mempunyai distribusi poisson jika fungsi peluangnya berbentuk : p(x) = P(X=x) = e  x x! dengan x = 0.8 = 0.1409 + 0. … dan e = 2. Jika x = banyak buta huruf per 200 orang. 1.8 (2. 2.2270 = 0.

Luas total area di bawah kurva normal adalah 1. Kurva ini dapat dinyatakan oleh suatu fungsi kontinu. 3.2. Bentuk kurva normal seperti bel dan simetris. 4. 2.1 Distribusi Normal Distribusi normal adalah sebuah distribusi yang paling luas penggunaannya. (luas bagian di sebelah kiri µ = sebelah kanan µ). menunjukkan lebar dari kurva normal (semakin besar nilainya. Karakterisik Distribusi Peluang Normal 1. Peluang suatu variabel acak normal sama dengan luas di bawah kurva normal. Parameter . semakin lebar). Persamaan distribusi normal tergantung pada 2 parameter.3 Distribusi Probabilitas Kontinu Secara teoritis untuk variabel acak kontinu. 5. yaitu µ dan σ. Persamaanya sebagai berikut : 1  x     2   1 f ( x)  e 2  2 20 Probabilitas dan Statistika . misalnya f(x). kurva distribusi probabilitas populasi diwakili oleh poligon frekuensi relatif yang dimuluskan. Fungsi f(x) ini disebut sebagai fungsi kepadatan probabilitas (probability density function ) Secara imajinatif dapat dibayangkan bahwa fungsi kepadatan probabilitas menggambarkan besarnya probabilitas perunit interval nilai variabel acaknya Secara matematik ini dinotasikan sebagai :  P ( a ≤ X ≤ b) = p (a ≤ x ≤ b) = b a f ( x)dx Dengan demikian secara umum probabilitas sebuah variabel acak kontinu X mengambil nilai pada suatu interval antara x dan x + dx dapat dinyatakan dalam suatu notasi matematika P ( x ≤ X ≤ x+dx) =  f ( x)dx Dari uraian diatas dapat dipahami bahwa agar sebuah fungsi f(x) dapat menjadi sebuah 2.3. Titik tertinggi dari kurva nomal terletak pada nilai rata-rata = median = modus.

46% nilai dari suatu variabel acak normal berada pada interval µ±2 3.99. = rata-rata (mean) Dimana :  = simpangan baku (standard deviation)  = 3.71828 Distribusi normal dengan rata-rata  = 0 dan  = 1 adalah distribusi normal standar . Fungsi densitasnya berbentuk : f(z) = 1 2 e 1 2z 2 dimana - < z <  dengan menggunakan transformasi.74% nilai dari suatu variabel acak normal berada pada interval µ±3 Untuk mencari peluang sebuah interval pada distribusi normal. rumus dapat diubah menjadi : Z = X   Jika digambarkan sebagai berikut : Persentase nilai pada interval yang sering digunakan 1. maka fungsi distribusi itu harus diintegralkan dengan batas-batas peluang p( x1  x  x 2 )  x2  x1 1  2 e 1  x     2   2 = F(x2) – F(x1) Probabilitas dan Statistika 21 .95.68.26% nilai dari suatu variabel acak normal berada pada interval µ± 2.14159 e = 2.

Atau luas daerah yang dibawah kurva dengan batasan dari x1 sampai x2 seperti berikut : Contoh 2. maka variabel x di transformasi menjadi angka baku z.26% 95.46% 99.4 : Sebuah populasi dengan rata-rata µ = 12 dan σ = 2 Peluang x akan berada antara 11 – 14 adalah : 14 p(11  x  14)   11 1 2 2 e 1  x 12     2 2  2 Untuk mempermudah perhitungan itu.74% Karena nilai-nilai antara x1 dan x2 ditransformasikan ke z1 dan z2. 22 Probabilitas dan Statistika . dimana z atau jika di gambarkan : µ-3σ µ-2σ -3 -2 x  µ-σ µ µ+σ -1 0 1 µ+2σ µ+3σ 2 3 68. maka luas daerah antara x1 dan x2 sama dengan luas daerah z1 dan z2 yang dapat dilihat dalam tabel Normal Baku.

1844 .2764 .69) = 0.69 adalah 0.5 – 0.69 .0714 .0 .0753 .2852 .2642 .6 .2291 .1517 .0080 .2422 .8 .2910 .1772 .1950 .09 .7 .3078 .3133 .2823 .2939 .69 ) Luas keseluruhan daerah di bawah kurva = 1 Karena simetri.0279 .0948 .0987 .1026 .3389 Jadi peluang z berada diantara 0 sampai 0.2881 .2224 .2 . kiri dan kanan sama.0438 .2324 .2612 .1406 .69 ) 0.2088 .2190 .06 .02 .5 Sehingga luas daerah yang di arsir = P (z > 0.0832 .0359 .2454 .2451 Probabilitas dan Statistika 23 .1879 .2486 .2580 .1985 .03 z = 0.2549 .4 .2734 .3365 .04 .0120 .2995 .1736 .3023 .2704 .1293 .1331 .3289 .2257 .0910 .2673 .0319 .1915 .1255 .2967 .08 .1480 .5 .9 .2357 .1217 .0596 .1443 .1064 .3315 .3051 . P ( z > 0.1103 .0398 . maka luas dari 0 ke ~ adalah 0.1179 .1808 .0000 .1141 .0636 .1591 .2019 .3159 .3186 .0239 .3340 .0557 .1628 .01 .3212 .1368 .0199 .1664 .2389 .00 .05 .0675 .2054 .5 : P ( 0 < z < 0.2549 0 z .3238 .3 .0517 .1700 .2794 .2157 .0478 .07 .0040 .0871 .Keterangan : Angka yang tertera di tabel adalah luas daerah di bawah kurva dengan batasan dari 0 sampai titik z tertentu Contoh 2.1 .2549 Untuk mencari nilai-nilai yang lain dapat dilakukan cara sebagai berikut : 1.2123 .1554 .3106 .3264 .2549 = 0.0160 .2518 .0793 .

2224 .2389 .3238 .1844 .3133 .0517 .08 .1443 .1628 .8 .7 .1255 .2451 2.1736 .2852 .1700 .3078 .2518 .0080 .69 = 0.1141 .2794 .04 .2673 .0948 .1772 .69 ) = 0.1664 .2088 .2422 .2642 .4 .2967 .2995 .0871 .1591 .9 .69 .1808 .0910 .1879 .1368 .3159 .0 .0040 .1217 .69 < z < 0 ) = P ( 0 < z < 0.0557 .2549 .2549 + 0.2910 .0359 .2157 .2549 0 z .2734 .1026 .02 .0675 .5098 24 Probabilitas dan Statistika .2190 .0478 .0793 .2580 .3051 .3264 .69 < z < 0.1554 .2486 .09 .6 .3365 .3186 .2 .0.07 .2823 .1950 .0596 .0319 .1406 .2549 = 0.0279 .1103 .0239 .2549 Sehingga luas daerah yang di arsir = P (-0.2019 .1179 .2454 .06 .0160 .01 .2357 .69 < z < 0 ) + P ( 0 < z < 0.0714 .69 ) Sama saja dengan P ( -0.2549 Karena simetri.1915 .1331 .0636 .2764 .3212 .2257 .3389 Jadi peluang nilai z lebih dari 0.2704 .0199 .2324 .5 .0832 .3340 .0987 .3289 .3023 .0000 .2054 .05 ~ .1293 . P (-0.2123 .0438 .3 .1517 .03 z = 0.69 ) Luas daerah P ( 0 < z < 0.0120 .0753 .69 ) = 0.2612 .1480 .2881 .1985 .2291 .2939 .1064 .69 ) = 0.3315 . maka luas P ( -0.00 .0398 .1 . kiri dan kanan sama.69 < z < 0.3106 .

1368 .0 .0596 .2190 .52 ) = 0.1736 .0753 .2764 .04 .69 sampai 0.1026 .0871 .0279 .7 .1406 .0478 .2549 .1591 .08 .3264 .2357 .52 < z < 0.6 .1064 .2910 .3340 .05 ~ .0199 .2224 .2054 .P (0 < z < 0.0557 .2454 .2673 .2 .00 .69 ) = 0.2549 – 0.1700 .02 .2823 .0910 .2257 .2019 .2881 .0438 .0564 Probabilitas dan Statistika 25 .2852 .3212 .0080 .1664 .2157 .2291 .2324 .0239 .69 ) Luas daerah P ( 0 < z < 0.3238 .2794 .3315 .0359 .0160 .03 z = 0.0948 .1255 .3365 .3051 .0040 .69 adalah .2734 .69 ) .2549 0.0398 .9 .06 .1772 .1 .8 .2642 .2612 .3 .3389 Jadi peluang nilai z antara -0.01 .1915 .3289 .2088 .2967 .2704 .1103 .0793 .3186 .1844 .3133 .2549 Sehingga luas daerah yang di arsir = P ( 0 < z < 0.3159 .1628 .3106 .1217 .1554 .0120 .2549 0 z .2486 .69 .2939 .2389 .1950 .0000 .52 ) = 0.1879 .3023 .2580 .0714 .1480 .0636 .2422 .2123 . P (0.1517 .4 .1985 = 0.0987 .1443 .0832 .1985 .5 .2518 .0319 .1331 .1808 .1293 .07 .3078 .09 .0.0517 .1985 Luas daerah P ( 0 < z < 0.1179 .1141 .05098 3.0675 .2995 .

06 .0636 .00 .2257 .3078 .00564 2.1985 0.05 ~ .52 0.3023 .0239 .2224 . Menurut pendapat seorang ahli mengatakan bahwa 4 dari 7 wanita berpotensi mengalami anemia.0120 .2580 .2 .2357 .3133 .3159 .0000 .08 .1879 .0596 .2088 .0040 .2123 .0438 . hitunglah probabilitas bahwa 5 orang tersebut : a.1217 .1179 .2612 .3212 .2157 .0080 .1368 .2190 .1554 .3106 .2881 .0557 .3238 .0675 . Tidak ada satupun yang menderita Osteoporosis b.0871 .1 .0279 . Hanya satu orang wanita yang meng alami anemia b.2324 .3340 .1591 .2823 .1808 .0793 .2939 .69 adalah .3389 Jadi peluang nilai z antara 0.3186 .2549 0 0. Paling sedikit 3 orang menderita Osteoporosis c.52 sampai 0.2704 .0832 . Jika disuatu kantor ada 5 orang laki-laki.69 z .0398 .1700 .2291 .0160 .01 .1480 .1950 . Paling sedikit 2 orang wanita mengalami anemia 26 Probabilitas dan Statistika .02 .1664 .3365 .1103 .3289 .0359 .2734 .2486 .1026 .0714 .0517 .1255 .1844 .1331 .2852 .0.1443 .2910 .2794 .0478 .2422 . Latihan Soal 1.04 .4. Berdasarkan suatu survey diketahui 2 dari 5 laki-laki dewasa punya peluang menderita Osteoporosis.0910 .2967 .3315 . tentukan probabilitasnya a.0199 .9 .2549 .2454 .8 .2764 .0753 .0987 .3 .1736 .2019 .1772 .2642 .0319 .1141 .4 .1293 .2995 .1406 .6 .1064 . Lebih dari 7 orang wanita mengalami anemia c.2518 .5 .09 .3264 . Hanya 2 orang menderita Osteoporosis 2.03 .1628 .0 .2673 .2054 .07 .0948 .2389 . Dari 10 orang wanita.1517 .3051 .1915 .1985 .7 .

Jika rumah yang tersedia 80 rumah. Paling sedikit 3 mobil mengalami kerusakan ban 6. Tentukan : a. Probabilitas bahwa seorang balita akan menderita reaksi buruk akibat imunisasi adalah 0. Paling sedikit 3 rusak 4. a.8 cm. berapa probabilitas bahwa : a. Apabila pada hari tertentu lewat 4500 mobil di jalan tol Krapyak. Lebih dari 3 balita yang menderita reaksi buruk akibat imunisasi 5. Pada Penyelengaraan Pemilihan Miss Celebrity 2008 di kota Semarang yang diselenggarakan oleh SCTV diketahui bahwa rata-rata tinggi badan calon Miss Celebrity yang mengikuti audisi berdistribusi normal dengan rata-rata 170 cm dan simpangan baku 4. Kurang dari 42. Berapa probabilitas calon Miss Celebrity yang mempunyai tinggi lebih dari 176. Hanya satu mobil yang mengalami kerusakan ban b.8 dan 45. Jika 15% barang yang diproduksi suatu mesin pabrik diketahui rusak. Diketahui bahwa rata-rata 1 dari 1500 mobil yang lewat jalan tol Krapyak mengalami kerusakan ban. Semua rusak b. berapa probabilitasnya dari 4 barang yang diproduksi : a. Hanya 2 balita yang menderita reaksi buruk akibat imunisasi c.7 mm selama jangka waktu 12 bulan. Kurang dari 2 mobil mengalami kerusakan ban c. tentukan probabilitas bahwa dalam waktu satu minggu akan terjual : a. Suatu studi tentang pertumbuhan dari tanaman cactus jenis tertentu dianggap berdistribusi normal dengan rata-rata tumbuh 44.7 cm b.001. Tentukan probabilitas untuk jenis cactus tersebut rata-rata pertumbuhannya: a. Tidak ada satupun balita yang menderita reaksi buruk akibat imunisasi.3. b. Lebih dari 5 rumah 7.8 8.4 cm Probabilitas dan Statistika 27 . Hitunglah bahwa dari 2000 balita yang diimunisasi. Antara 43. Paling banyak 2 rusak c. Seorang broker real estate mengatakan bahwa 2 dari 40 rumah yang ditawarkan akan terjual dalam setiap minggunya.8 mm dengan deviasi standar 4. Hanya satu rumah b.

2 tahun dengan simpangan baku 2. Berapa probabilitas seluruh botol akan berisi 191 sampai 209 milimeter c. Berapa probabilitas anak yang berumur antara 6.b.5 tahun b.4 tahun dan 6. 10.4 c.3 dan 172.2 b. ditanyakan : a. Suatu variable random mempunyai distribusi normal dengan mean  = 80 dan simpangan baku  = 4. Antara 81.8 tahun. 9.4 11. Jika data diatas berdistribusi normal. Kurang dari 87.6 inci 12.2 dan 86. Berapaa bagian yang berisi lebih dari 224 milimeter b. Berapa probabilitasnya bahwa variable random akan mempunyai nilai : a. tentukan tinggi minimal supaya calon peserta berhak mengikuti final Pemilihan Miss Celebrity 2008. Berapa probabilitas calon Miss Celebrity yang mempunyai tinggi antara 167. berapa persentase dari ikan-ikan tersebut yang panjangnya adalah : a. Apabila distribusi panjang ikan sardine tersebut mendekati distribusi normal. Berapa probabilitas anak yang berumur kurang dari 6.4 sampai 4.54 inci dan simpangan baku 0. Antara 71.25 inci. 4. 28 Probabilitas dan Statistika . Jika 10 % anak dengan umur terendah/termuda tidak diterima . Berapa batas nilai minimal agar seorang anak bisa diterima di SD Negeri 01 Semarang. Panjang ikan sardine yang diterima suatu pabrik pengalengan ikan mempunyai panjang rata-rata 4. Jika volume minuman tersebut berdistribusi normal dengan simpangan baku 15 milimeter. Lebih dari 76. Suatu mesin pengisi minuman ringan diatur sedemikian rupa sehingga rata-rata mengisi setiap botol 200 milimeter. c. Berapa banyak botol minuman yang berisi melebihi 230 milimeter bila produksi diketahui 1000 botol. Tentukan : a.6 dan 88. diketahui bahwa umur rata-rata anak yang mendaftar adalah 6. berhak mengikuti final Pemilihan Miss Celebrity. Jika 15% calon Miss Celebrity dengan tinggi badan tertinggi.6 c. Lebih dari 5 inci b. Kurang dari 4 inci c.8.0 d. Pada Penerimaan Siswa Baru (PSB) di SD Negeri 01 Semarang.

Paling sedikit 18 penumpang c. Di bawah nilai berapa untuk diperoleh 25 % isi terendah.2. 13. Paling banyak 25 penumpang d. hitunglah probabilitasnya bahwa waktu sore hari pengemudi taksi tersebut mengantarkan : a.7 orang dengan deviasi standar 4. 20 penumpang b.d. Pengemudi taksi berdasarkan pengalamannya mengetahui bahwa jumlah penumpang yang ia antarkan untuk sore hari rata-rata 23. Jika dianggap jumlah penumpang berdistribusi normal. 15 sampai 21 penumpang Probabilitas dan Statistika 29 .

dan sebagainya. investasi bergantung pada suku bunga bank. 5. Sebagai contoh adalah : 1. hubungan musim kemarau dengan kebutuhan payung dan es. menjelaskan regresi populasi dan regresi sampel. teknologi.1 Regresi Linier Suatu model persamaan matematik yang memberikan kemungkinan untuk meramalkan suatu nilai-nilai perubah tak bebas dari nilaI-nilai satu atau lebih perubah bebas dinamakan persamaan regresi. produktivitas kerja pada taraf tertentu tergantung pada efisiensi dan efektivitas kerjanya. Dalam kehidupan ini seringkali berhadapan dengan berbagai gejala yang meliputi berbagai variabel.BAB 3 ANALISIS REGRESI Standar Kompetensi : Setelah mengikuti kuliah ini. berat badan dalam taraf tertentu tergantung pada tinggi badannya. 30 Probabilitas dan Statistika . serta mampu menghitung persamaan regresi linier sederhana dan regresi linier ganda. 2. produksi padi tergantung pada kesuburan tanah. 3. 3. 4. banyak curah hujan. mahasiswa dapat menjelaskan arti dan kegunaan analisis regresi secara umum Kompetensi Dasar : Setelah mengikuti kuliah ini. menjelaskan peubah bebas dan tak bebas. mahasiswa dapat menjelaskan konsep dasar analisis regresi.

Maksudnya ialah bila harga b positif.Berdasarkan contoh di atas. dengan lambang X. maka tampaklah mana variabel bebas (yang mempengaruhi) dan variabel terikat atau tergantung (yang dipengaruhi). adalah sewajarnya untuk mempelajari cara bagaimana variabel-variabel itu berhubungan. Jika kita mempunyai data yang terdiri atas dua atau lebih variabel. Hubungan fungsional antara satu variabel bebas dengan satu variabel tak bebas disebut analisis regresi tunggal. Hubungan yang diperoleh biasanya dinyatakan dalam persamaan matematik yang menyatakan hubungan fungsional antara variabel-variabel. maka variabel Y akan mengalami kenaikan atau pertambahan. Sebaliknya ada pula persamaan regresi yang dibaca sebagai regresi Y atas X. Variabel yang mempengaruhi ini dalam analisis regresi disebut sebagai variabel bebas atau variabel prediktor. maka variabel Y akan mengalami penurunan. sedangkan hubungan fungsional yang lebih dari satu variabel disebut analisis regresi ganda. sedangkan variabel yang dipengaruhi disebut variabel takbebas atau variabel respon atau variabel kriterium dengan lambang Y. Probabilitas dan Statistika 31 . artinya regresi X sebagai variabel bebasnya dengan Y sebagai variabel terikatnya. Koefisien arah regresi linier dinyatakan dengan huruf b yang juga menyatakan perubahan rata-rata variabel Y untuk setiap variabel X sebesar satu bagian. Sebaliknya bila b negatif. Bentuk umum persamaan regresi linier adalah : ^ Y  a  bX Di mana : ^ Y  var iabel tak bebas X  var iabel bebas a  kons tan ta b  koefisien arah regresi linier Bentuk persamaan regresi tersebut sering dibaca sebagai regresi X atas Y.

8 0. semakin banyak pula pembelinya. 3.1 : Persamaan regresi antara pengunjung toko (X) dengan pembeli (Y) ialah : Y = 9 + 0. Adapun langkah-langkah untuk menyelesaikan regresi linier adalah : ^ Y  a  bX b = n xy   x y a= y n x 2  ( x ) 2 n +b x n Dari persamaan regresi : Selanjutnya masukkan nilai a dan b ke dalam persamaan regresi : Y  a  bX Contoh 3. Selanjutnya kita dapat mengatakan bahwa jika setiap pengunjung (X) bertambah dengan 30 orang. Jika tidak betul-betul yakin. maka hubungan fungsionalnya juga menjadi positif.6 2.2 : Setiap biaya promosi (x) yang dikeluarkan oleh suatu perusahaan akan selalu berpengaruh terhadap keuntungan (y) pada tiap tahun.9 Probabilitas dan Statistika .Contoh 3.2 Metode Kuadrat Terkecil untuk Regresi Linier : Metoda diagram pencar dapat dipakai menduga bentuk regresi apakah linier atau tidak. Dari data suatu perusahaan tertentu diperoleh data dalam jutaan rupiah sebagai berikut : 32 TAHUN BIAYA PROMOSI KEUNTUNGAN 1 2 3 4 5 6 1. lebih baik ditentukan dengan cara lain. misalnya dengan cara kuadrat terkecil (least squares).50 . 30 = 24 orang.0 2. Maknanya ialah : karena b positif. Dan akhirnya kita dapat menyimpulkan bahwa semakin banyak pengunjung.3 5.50 X.5 1.9 2.0 2.3 3.8 4.4 1.4 1. maka rata-rata pembeli (Y) akan bertambah menjadi Y = 9 + 0.

25 1. Jika x = 10 maka y = 5.84 0.5 1.45)  (9)(20.5 jadi keuntungan yang diperkirakan adalah 20.48 ) = = 5.00 7.56 20.1 101.12 0.76 3.45 n xy   x y.48 ( 10 ) = 20.9 2.69 2 ∑ x = 16.Tentukanlah : i.4 2.64 = x. Persamaan garis regresinya ii.7 + 1.9 ∑y = 20.64  81 x n 9 7.5 jt 3.7 + 1.16 1.94 n  x 2  ( x ) 2 (6)(36.3 ∑x = 9 b a = x2 2.6 15.3 5. = = i. y 3.4 1. Berapa keuntungan yang diperkirakan jika biaya promosi 10 Juta Jawab : Dari data tersebut kita dapat menentukan variabel bebasnya (x) adalah biaya promosi sedangan variabel tak bebasnya (y) adalah keuntungan.8 4.7 6 6 6 Jadi persamaan garis regresinya adalah y = 5.48 x ii.70  188.8 8.77 ∑xy = 36.94)  (9) 2 = 30.9 + ( 1.3 Regresi Linier Ganda Probabilitas dan Statistika 33 .9 y n + b = 218.4 1.0 2.9) (6)(16. Buat tabel untuk menghitung nilai b dan a x 1.60 = 1.6 2.y 5.48 20.0 2.8 0.00 4.

Nilai koefisien regresi a. Y = na + b1 X1 + b2 X2 X1 Y = a X1 + b1 X12 + b2 X1X2 X2 Y = a X2 + b1 X1X2 + b2  X22 Contoh 3. No. Berikut adalah hasil penelitiannya. perlu dihitung lebih dulu nilai-nilai sebagai berikut.Bentuk persamaan regresi linier ganda dengan 2 variabel bebas adalah : Y = a + b1 X1 + b2 X2 Sedangkan bentuk persamaan regresi dengan 3 variabel independen adalah: Y = a + b1 X1 + b2 X2 + b3 X3 …. b1 dan b2 dapat dipecahkan secara simultan dari tiga persamaan berikut. (b) dan (c). sesuai dengan persamaan (a). ribu/ liter) 8 7 7 7 6 6 6 6 5 5 Pendapatan (Rp. hitunglah koefisien regresinya ! Jawab : Untuk mendapatkan koefisien regresi. Juta/bulan) 10 10 8 5 4 3 2 2 1 1 Berdasarkan data tersebut. b1 dan b2 dapat digunakan metode ordinary least square (OLS) yang pada prinsipnya adalah meminimumkan jumlah kuadrat deviasi di sekitar garis regresi. Sampel 1 2 3 4 5 6 7 8 9 10 Permintaan Minyak (liter/bulan) 3 4 5 6 6 7 8 9 10 10 Harga Minyak (Rp.3 : Suatu penelitian yang dilakukan di Hero Supermarket bertujuan untuk mengetahui hubungan dan pengaruh variabel harga dan pendapatan terhadap permintaan minyak goreng. 34 Probabilitas dan Statistika .dst Untuk memperoleh koefisien regresi a.

A = n X1 Y .015 x 69) .Y 3 4 5 6 6 7 8 9 10 10 Y = 68 X1 8 7 7 7 6 6 6 6 5 5 X1 = 63 X2 10 10 8 5 4 3 2 2 1 1 X2 = 46 Y X1 24 28 35 42 36 42 48 54 50 50 Y X1 = 409 Y X2 30 40 40 30 24 21 16 18 10 10 Y X2 = 239 X12 64 49 49 49 36 36 36 36 25 25 X12 = 405 X22 100 100 64 25 16 9 4 4 1 1 X22 = 324 X1 X2 60 70 56 35 24 18 12 12 5 5 X1 X2 = 317 Dengan menggabungkan persamaan (a). 1124 – (272)2 = 17060 = 1124 = 81 b1 = AB .41 17060  Y  b1 X1 .AC F = (-736) . 68 = -736 E = n (X1)2 – (X1)2 = 10 . 317 – 63 . 81 .X1 Y = 10 .086 – 1. (b) dan (c) dengan hasil perhitungan di atas dapat diperoleh persamaan berikut. (-736)) 17060 = = -1.X2 Y = 10 . 324 – (46)2 C = n X1 X2 – X1 X2 = 10 .(-1. 68 = 10a + 63 b1 + 46 b2 409 = 63a + 405 b1 + 317 b2 239 = 46a + 317 b1 + 324 b2 Untuk mendapatkan nilai koefisien a.CD F (-194) .(272 .015 X1 – 0.086 Dengan memasukkan nilai a. b1 dan b2 dapat dilakukan dengan cara substitusi yang memerlukan perhitungan ketelitian yang baik.41 X2 Probabilitas dan Statistika 35 . maka persamaan regresinya dapat dinyatakan sebagai berikut. Y = 15. 405 – (63)2 F = EB – C2 = 81 .015 b2 = DE . 68 = -194 B = n (X2)2 – (X2)2 = 10 . Cara lebih sederhana adalah sebagai berikut.41 x 46) 10 = = 15. 46 = 272 D = n X2 Y .(-0. 272 = -0.b 2  X 2 a = n 68 .(-194) . 1124 . 409 – 63 . b1 dan b2. 239 – 46 .

2 (% daribiaya total) perkirakan besarnya laba bersih ( % dari total penjualan) 3.625 a) Hitunglah garis regresinya yang memungkinkan kita untuk meramalkan harga berdasarkan umur mobil.9 2.4 1.5 1.8 0. Tentukan nilai bagi Y jika diketahui X = 4.795 985 295 1.4 1.3 2.4 Latihan Soal : 1.0 Laba (y) 3.3.3 a) Tentukan garis regresinya dengan metode least square b) Untuk biaya advertensi 1.6 2.5 ! 2. Diketahui data sebagai berikut : X 1 2 3 4 5 6 7 8 Y 5 6 5 8 9 7 4 3 a. Data dibawah ini menunjukkan besarnya biaya advertensi (% daribiaya total) dan laba usaha bersih ( % dari total penjualan) dari sampel random 6 tokotekstil : Biaya (x) 1. b) Ramalkan harga mobil sedan bekas yang sudah berumur 3 tahun. 36 Probabilitas dan Statistika .0 2. Data dibawah ini menunjukkan umur dan harga mobil sedan bekas merk tertentu Umur (tahun) 1 4 10 2 5 6 8 1 Harga (ribuan rupiah) 1. Tentukan persamaan regresinya ! b.9 4.295 795 995 845 1.8 5.

7 56.2 68.21 4.5 69. berat waktu lahir (X2).15 kg. Data dibawah ini menunjukkan umur anak (X1).41 5. Probabilitas dan Statistika 37 . dan panjang badan anak tersebut (Y) dari sampel random 9 anak. Umur (hari) 78 69 77 88 67 80 74 94 102 Berat lahir (kg) 2. Hitunglah persamaan regresinya dengan metode least square dari Y atas X1 dan X2. Perkirakan panjang badan rata-rata bagi anak yang berumur 75 hari dan berat badan waktu lahir 3.31 4.75 2.2 a.5 62.32 2.52 3.30 3.0 53.15 4.5 52.c) Untuk mobil yang sudah berumur 20 tahun bagaimana pendapat anda ? 4.8 61. Kemudian hitunglah dugaan nilai Y berdasarkan nilai X1 dan X2 nya b.3 67.71 Panjang badan (cm) 57.

mahasiswa dapat menjelaskan arti dan kegunaan analisis korelasi secara umum Kompetensi Dasar : Setelah mengikuti kuliah ini. mahasiswa mampu menjelaskan dengan tepat konsep dasar analisis korelasi serta mampu menghitung koefisien korelasi dan koefisien determinasi dengan tepat 4. Hubungan antara dua variabel dapat karena hanya kebetulan saja dapat pula memang merupakan hubungan yang sebab akibat. juga mengukur keeratan hubungan antara variabel atau disebut Koefisien Korelasi. Apabila beberapa variabel independen/bebas dihubungkan dengan satu variabel dependen/tak bebas disebut korelasi berganda. Dan apabila satu variabel independen/bebas berhubungan dengan satu variabel dependent/takbebas disebut korelasi parsial . 38 Probabilitas dan Statistika . Dua varibel berkorelasi apabila perubahan yang lain secara teratur.1 Pendahuluan Korelasi adalah suatu alat analisis yang dipergunakan untuk mencari hubungan antara variabel independen/bebas dengan variabel dipenden/takbebas. Dalamanalisa korelasi disamping mengukur kesesuaian garis regresi terhadap data sampel atau disebut Koefisien Determinasi atau Koefisien Penentu.BAB 4 ANALISIS KORELASI Standar Kompetensi : Setelah mengikuti kuliah ini. dengan arah yang sama atau arah yang berlawanan.

5 positif lemah 0. Koefisien korelasi dilambangkan dengan r dan koefisien determinasi dilambangkan dengan r2. Beda ini disimbolkan dengan bi.0 Tidak ada korelasi negatif lemah -0. maka koefisien korelasi peringkat r dihitung dengan rumus: 6  bi2 r  1 n (n 2  1) Probabilitas dan Statistika 39 . analisa regresi menjawab bagaimana pola hubungan variabelvariabel dan analisa korelasi menjawab bagaimana keeratan hubungan yang diterangkan dalam persamaan regresi.Dengan kata lain. Kedua analisa ini biasanya dipakai bersama-sama.0 Korelasi Positif Koefisien Korelasi Rank Koefisen korelasi ini mengukur kedekatan hubungan antara dua variabel ordinal. Yi) kita susun menurut urutan besar nilainya dalam tiap variabel. Kemudian kita bentuk selisih atau beda peringkat Xi dan peringkat Yi yang data aslinya berpasangan. Pasangan data hasil pengamatan (Xi . Harga r bergerak antara –1 dan +1 dengan tanda negatif menyatakan adanya korelasi tak langsung atau korelasi negatif dan tanda positif menyatakan adanya korelasi langsung atau korelasi positif. r=0 menyatakan tidak ada hubungan linier antara variabel X dan Y.0 Korelasi Negatif 4. Koefisien korelasi ini dinamakan koefisien korelasi pangkat atau koefisien korelasi Spearman.2 Korelasi positif sedang korelasi positif sempurna positif kuat 0. yang disimbolkan dengan r.5 1. Korelasi negatif sempurna Korelasi negatif sedang negatif kuat -1.

Yi ) berukuran n. Peserta A B C D E F G H Juri I 70 85 65 50 90 80 75 60 Juri II 80 75 55 60 85 70 90 65 Tentukan Koefisien Korelasi rank ! Jawab : Peserta Juri I Juri II 5 2 6 8 1 3 4 7 - 3 4 8 7 2 5 1 6 - A B C D E F G H Jumlah Beda (bi) 2 -2 2 1 -1 -2 3 1 - bi2 4 4 4 1 1 4 9 1 28 Koefisien Korelasi Rank : r 1 4.1 : Data berikut adalah penilaian 2 orang juri terhadap 8 orang peserta perlombaan.3 6  bi2 n (n 2  1) 1 6 (28)  0.Contoh 4. koefisien korelasi dapat dihitung dengan rumus: r 40 n  Xi Yi  ( Xi ) ( Yi )  n ( X )  ( X )  n ( Y )  ( Y )  2 i 2 i 2 i 2 i Probabilitas dan Statistika . 667 8 (64  1) Koefisien Korelasi Pearson ( Product Moment) Untuk sekumpulan data (Xi.

4.25 4.50 2.00 1.2 : Diketahui data jumlah SKS dan IPK mahasiswa sebagai berikut : Jumlah SKS (X) 10 10 15 10 5 IPK (Y) 3.50 1.50 1.Contoh 4.00 1.00 Tentukan nilai koefisien korelasi dengan metode product moment dan jelaskan artinya! Jawab : Buat tabel penolong untuk menghitung r No 1 2 3 4 5 n=5 r Xi 10 10 15 10 5 Xi = 50 Yi 3.00 2.447 (250) (12.00 2.00 6.00 2.5) Dari hasil ini ternyata didapat korelasi positif antara jumlah sks (X) dan IPK yang didapat (Y). Koefisien determinasi adalah bagian dari keragaman total variabel tak bebas Y (variabel yang dipengaruhi atau dependent) yang dapat diterangkan atau diperhitungkan oleh keragaman variabel bebas X (variabel yang mempengaruhi. independent) Probabilitas dan Statistika 41 .00 Yi = 10 Xi Yi 30 25 30 15 5 XiYi= 105 5 (105)  (50) (10) 5 (550)  (50) 5 (22. Koefisien determinasi didefinisikan sebagai berikut.25 1.5 25  0.50 2.4 Koefisien Determinasi Koefisien determinasi merupakan ukuran untuk mengetahui kesesuaian atau ketepatan antara nilai dugaan dengan data sampel.00 Yi2 = 22.5)  (10)  2 2  Xi2 100 100 225 100 25 2 Xi = 550 Yi2 9.

5 [ n  X i Yi  ( X i ) ( Yi ) ]2 n ( X 2 i  )  ( X i ) 2 n ( Yi2 )  ( Yi ) 2  Koefisien Korelasi Ganda Untuk 2 variabel bebas (X1 dan X2 ) maka r dihitung dengan rumus: ry x1 x2  r 2 y x1  r 2 y x2  2 ry x1 ry x2 rx1 x2 1  r 2 x1 x2 dimana : ry x1 x2 = Koefisien korelasi ganda antara variable X1 dan X2 secara bersamasama dengan variable Y ry x1 = Koefisien korelasi X1 dengan Y ry x2 = Koefisien korelasi X2 dengan Y rx1 x2 = Koefisien korelasi X1 dengan X2 Contoh 4. Semakin besar koefisien determinasi menunjukkan semakin baik kemampuan X mempengaruhi Y. Koefisien Determinasi = r 2  4. 42 Probabilitas dan Statistika .Jadi koefisien determinasi adalah kemampuan variabel X mempengaruhi variabel Y.3 : Misalkan melakukan pengamatan terhadap 10 keluarga mengenai: X1 = pendapatan dalam ribuan rupiah X2 = jumlah keluarga dalam satuan jiwa Y = pengeluaran untuk membeli barang A dalam ratusan rupiah X1 X2 Y 10 7 23 2 3 7 4 2 15 6 4 17 8 6 23 7 5 22 4 3 10 6 3 14 7 4 20 6 3 19 Akan dibuktikan ada hubungan linier positif dan signifikan antara variabel X1 dan X2 secara bersama-sama dengan variabel Y.

X2 = 40.Jawab : No 1 2 3 4 5 6 7 8 9 10 Jumlah X1 10 2 4 6 8 7 4 6 7 6 60 X2 7 3 2 4 6 5 3 3 4 3 40 Y 23 7 15 17 23 22 10 14 20 19 170 X1Y 230 14 60 102 184 152 40 84 140 114 1121 X2Y 161 21 30 68 138 110 30 42 80 57 737 X1X2 70 6 8 24 48 35 12 18 28 18 267 X12 100 4 16 36 64 49 16 36 49 36 406 X22 49 9 4 16 36 25 9 9 16 9 182 Y2 529 49 225 289 529 484 100 196 400 361 3162 Dari tabel diperoleh: n = 10. X22 = 182.57 460 x 2720 2 r y x1 = r y x1 = 0.912 2 n  X 2Y  ( X 2 ) ( Y) r y x2 = n ( X )  ( X ) n ( Y )  ( Y)  = 2 2 2 2 2 2 10 (737)  (40) (170) r y x2 = 10 (182)  (40) 10 (3162)  (170)  570 570  773.56 220 x 2720 2 r y x2 = r y x2 = 0.74 Probabilitas dan Statistika 2 43 . X2Y = 737. X12 = 406. X1 = 60. X1 X2 = 267. X1Y = 1122. Y = 170. Y2 = 3162 n  X1Y  ( X1) ( Y) r y x1 = n ( X )  ( X ) n ( Y )  ( Y )  = 2 1 2 2 1 2 1 10 (1122)  (60) (170) r y x1 = 10 (406)  (60) 10 (3162)  (170)  1020 1020  1118.

n  X1X 2  ( X1 ) ( X 2 )

r

x1 x 2

=

n ( X )  ( X ) n ( X )  ( X )  =
2
1

2

1

2
2

2

2

10 (267)  (60) (40)

r

x1 x 2

=

10 (406)  (60) 10 (182)  (40) 
270
270

318,12
460 x 220

2

r

x1 x 2

=

r

x1 x 2

= 0,85

2

r 2 y x1  r 2 y x2  2 ry x1 ry x2 rx1 x 2

ry x1 x 2 

1  r 2 x1 x 2
=

(0,912) 2  (0,74) 2  2 (0,912) (0,74) (0,85)
1  (0,85) 2

=

0,8354

= 0,914

Kesimpulan: Terdapat hubungan yang signifikan antara X2 bersama-sama dengan X2
dengan Y.
Atau : Terdapat hubungan yang signifikan antara pendapatan dan jumlah keluarga
dengan pengeluaran untuk membeli barang A.

4.6

Latihan Soal :

1.

Data dibawah ini menunjukkan jumlah pemakaian pupuk (X) dan hasil panen
padi yang diperoleh (Y):
Pupuk
(kg)
20
40
50
70
100
110
120
150

44

Hasil Panen
(kw)
8
9
11
11
12
14
15
16
Probabilitas dan Statistika

Hitung koefisien korelasi dengan metode product moment dan Jelaskan artinya .
2.

Dua orang ibu rumah tangga diminta untuk mengemukakan tingkat preferensinya
terhadap sabun mandi berbagai merk. Hasilnya adalah sebagai berikut :
Merk Sabun Mandi

Ny. Witono

Ny. Hartoko

A
B
C
D
E
F
G
H
I
J
K
L

3
5
8
12
10
7
9
1
4
6
2
11

5
6
4
9
8
12
11
3
1
2
10
7

Hitunglah nilai koefisien rank
3.

Tabel dibawah ini menunjukkan berat badan, tinggi badan, dan umur dari sampel
random 12 anak laki-laki. Berat badan diukur dalam pound, tinggi badan diukur
dalam inci, dan umur diukur dalam tahun.
Berat Badan
(X1)

Tinggi Badan
(X2)

Umur
(Y)

64
71
53
67
55
58
77
57
56
51
76
68

57
59
49
62
51
50
55
48
52
42
61
57

8
10
6
11
8
7
10
9
10
6
12
9

Hitung koefisien korelasi antara variabel X1 dan X2 secara bersama-sama dengan
variabel Y.

Probabilitas dan Statistika

45

BAB 5

DISTRIBUSI
SAMPLING
Standar Kompetensi :
Setelah mengikuti kuliah ini, mahasiswa dapat memahami hubungan nilai sampel dan
populasi dan menentukan distribusi sampling yang tepat untuk digunakan
Kompetensi Dasar :
Setelah mengikuti kuliah ini, mahasiswa dapat membentuk distribusi sampling dan
membuktikan hubungan nilai sampel dengan populasi, menghitung distribusi rata-rata
suatu sampel, menghitung distribusi proporsi dari suatu sampel, menghitung distribusi
sampling selisih rata-rata serta menghitung distribusi sampling selisih proporsi

5.1.

Pendahuluan
Untuk mempelajari populasi kita memerlukan sampel yang diambil dari populasi yang
bersangkutan. Meskipun kita dapat mengambil lebih dari sebuah sampel berukuran n
dari populasi berukuran N, pada prakteknya hanya sebuah sampel yang biasa diambil
dan digunakan untuk hal itu. Sampel yang diambil ialah sampel acak dan dari sampel
tersebut nilai-nilai statistiknya dihitung untuk digunakan seperlunya. Untuk itu
diperlukan sebuah teori yang dikenal dengan nama distribusi sampling. Distribusi
sampling biasanya diberi nama tergantung pada nama statistk yang digunakan.
Misalnya distribusi sampling rata-rata, distribusi sampling proporsi, distribusi
simpangan baku dan sebagainya.

46

Probabilitas dan Statistika

Distribusi Sampling Rata-rata Jika sebuah populasi mempunyai rata-rata  dan simpangan baku  yang besarnya terhingga.4 cm. Untuk itu diambil sampel acak terdiri atas 45 mahasiswa. maka untuk ukuran sampel acak n cukup besar. Antara 160 cm dan 168 cm b.5. yaitu (n/N) > 5% x   x   n .4 45  1. Ini perlu untuk perhitungan-perhitungan. Paling sedikit 166 cm Jawab : Jika ukuran populasi tidak dikatakan besarnya.252 cm 47 . Untuk ini digunakan transformasi : z x- σx Contoh 5. distribusi rata-rata sampel mendekati distribusi normal dengan rata-rata  x   dan simpangan baku  x   n Jika ukuran populasi kecil dibandingkan dengan ukuran sampel. selalu dianggap cukup besar untuk berlakunya teori. Jadi rata-rata x untuk tinggi mahasiswa akan mendekati distribusi normal dengan : Rata  rata μ x  165 cm Simpangan Baku  x  Probabilitas dan Statistika 8. N-n N -1 dan jika ukuran populasi besar dibandingkan dengan ukuran sampel. Tentukanlah berapa peluang tinggi rata-rata ke-45 mahasiswa tersebut : a. yaitu (n/N)  5% x    x  n Distribusi normal yang didapat dari distribusi rata-rata perlu distandarkan agar daftar distribusi normal baku dapat digunakan.2.1 : Tinggi badan mahasiswa rata-rata mencapai 165 cm dan simpangan baku 8. Ukuran sampel n = 45 tergolong sampel besar sehingga dalil limit pusat berlaku.

a. Dengan x = 160 cm dan x = 168 cm didapat :

z1 

160 - 165
168 - 165
 - 3,99 dan z 2 
 - 2,40
1,252
1,252

Penggunaan daftar distribusi normal baku memberikan luas kurva
= 0,5 + 0,4918 = 0,9918
Peluang rata-rata tinggi ke-45 mahasiswa antara 160 cm dan 168 cm adalah
0,9918

b. Rata-rata tinggi paling sedikit 166 cm memberikan angka z paling sedikit

z 

166 - 165
 0,80
1,252

Dari daftar normal baku, luas kurva 0,5 – 0,2881 = 0,2119. Peluang yang dicari =
0,2119
Apabila dari populasi diketahui variannya dan perbedaan antara rata-rata dari
sampel ke sampel diharapkan tidak lebih dari sebuah harga d yang ditentukan,
maka berlaku hubungan :

x d
Dari rumus ini ukuran sampel yang paling kecil sehubungan dengan distribusi
rata-rata dapat ditentukan

Untuk contoh diatas, misalkan harga-harga

x dari sampel yang satu dengan

sampel lainnya diharapkan tidak mau lebih dari 1 cm. Jika populasi cukup besar,
maka :


n

 d yang menghasilk an

8,4
n

 1 atau n  70,58

Paling sedikit perlu diambil sampel terdiri atas 71 mahasiswa

5.3.

Distribusi Sampling Proporsi
Misalkan populasi diketahui berukuran N yang didalamnya terdapat peristiwa A
sebanyak Y diantara N. Maka didapat parameter proporsi peristiwa A sebesar
µ = (Y/N)
Jika dari suatu populasi diambil sampel acak berukuran n dan dimisalkan didalamnya
ada peristiwa A sebanyak x. Sampel ini memberikan statistik proporsi peristiwa

48

Probabilitas dan Statistika

A = p= x/n. Jika semua sampel yang mungkin diambil dari populasi itu maka didapat
sekumpulan harga-harga statistik proporsi. Dari kumpulan ini kita dapat menghitung
rata-ratanya,diberi symbol  p dan simpangan bakunya diberi simbol  p

Jika ukuran populasi kecil dibandingkan dengan ukuran sampel, yaitu (n/N) > 5% ,
maka :

p  
 (1 -  )

p 

n

N-n
N -1

dan jika ukuran populasi besar dibandingkan dengan ukuran sampel, yaitu (n/N)  5%,
maka :

p  
p 

 (1 -  )
n

 p dinamakan kekeliruan baku proporsi atau galat baku proporsi. Untuk ukuran
sampel n cukup besar distribusi proporsi mendekati distribusi normal. Untuk
perhitungan, daftar distribusi normal baku dapat digunakan dan untuk itu diperlukan
transformasi

z

p -
σp

Jika perbedaan antara proporsi sampel yang satu dengan yang lainnya diharapkan
tidak lebih dari sebuah harga d yang ditentukan, maka berlaku

Contoh 5.2 :
Ada petunjuk kuat bahwa 10 % anggota masyarakat tergolong dalam golongan A.
Sebuah sampel acak terdiri atas 100 orang telah diambil.
a. Tentukan peluangnya bahwa dari 100 orang itu akan ada paling sedikit 15 orang
dari golongan A.
b. Berapa orang harus diselidiki agar persentase golongan A dari sampel yang satu
dengan yang lainnya diharapkan berbeda paling besar dengan 2 % ?

Probabilitas dan Statistika

49

Jawab :
Populasi yang dihadapi berukuran cukup besar dengan  = 0,10 dan 1 -  = 0,90
a. Untuk ukuran sampel 100, diantaranya paling sedikit 15 tergolong kategori A,
maka paling sedikit p = 0,15.
Kekeliruan bakunya adalah :

p 

 (1 -  )
n

Bilangan z paling sedikit 

0,10 x 0,90
 0,03
100

0,15 - 0,10
 1,67
0,03

Dari daftar normal baku luasnya = 0,5 – 0,4525 = 0,0475
Peluang dalam sampel itu akan ada paling sedikit 15 kategori A adalah 0,0475.
b.  = 0,10 dan 1 -  = 0,90 sedangkan d = 0,02 maka :

0,1 x 0,9
 0,02 yang menghasilkan n  225
n
Paling sedikit sampel harus berukuran 225

5.4.

Distibusi Sampling Selisih Rata-Rata
Misalkan kita punya dua populasi masing-masing berukuran N1 dan N2 . Populasi
kesatu mempunyai rata-rata μ 1 dan simpangan baku  1 , sedangkan populasi kedua
mempunyai rata-rata μ 2 dan simpangan baku  2 . Dari setiap populasi secara
independen kita ambil sampel-sampel acak berukuran n 1 dari populasi kesatu dan
berukuran n 2 dari populasi kedua. Untuk membedakan, populasi kesatu dimisalkan
mempunyai variabel X dan populasi kedua mempunyai variabel Y . Dari sampelsampel ini, kemudian dihitung rata-ratanya. Dan didapat rata-rata sampel :

x 1 , x 2 , , ... ,0, x k , dan y1 , y 2 , , ... ,0, y k dengan k = banyak sampel yang dapat diambil
dari populasi kesatu dan r = banyak sampel yang dapat diambil dari populasi kedua.

Bentuklah sekarang semua selisih antara rata-rata dari sampel-sampel dalam
kumpulan kesatu dan rata-rata dari sampel-sampel dalam kumpulan kedua . Didapat

50

Probabilitas dan Statistika

k dan j = 1.  1 = 5. ialah 140 orang.μ 2 2 σ x-y  2 σ1 σ  2 n1 n2 Untuk ukuran-ukuran sampel cukup besar.2 cm. maka selisih rata-rata x .( 1   2 ) σ x-y Contoh 5. Ternyata bahwa. maka : Probabilitas dan Statistika 51 . 2. r Kumpulan selisih rata-rata sampel akan membentuk distribusi selisih rata-rata. berukuran sama. Dari kedua kelompok mahasiswa itu masing-masing diambil sampel acak. Yang ditanyakan adalah peluang x .2 cm.y . Berapa peluang rata-rata tinggi mahasiswa laki-laki paling sedikit 10 cm lebihnya dari rata-rata tinggi mahasiswa perempuan? Jawab : Misalkan x dan y masing-masing menyatakan rata-rata tinggi dari sampel untuk mahasiswa laki-laki dan perempuan.y . dan menghitung simpangan bakunya. Untuk membuat distribusi normal ini menjadi distribusi normal baku digunakan transformasi z (x .3. ….y) . sedangkan untuk mahasiswa perempuan.2.y j dengan i = 1.9 cm. diberi simbol σ x . dan n 1 = n 2 = 140 .. parameter tersebut berturut-turut 152 cm dan 4.kumpulan selisih rata-rata yang bentuk umumnya : x i .3 : Rata-rata tinggi mahasiswa laki-laki 163 cm dan simpangan bakunya 5. μ 2 = 152 cm.y paling sedikit 10 cm.9 cm.y akan mendekati distribusi normal. 3. …. Dari yang diketahui didapat μ 1 = 163 cm.  2 = 4. diberi simbol μ x . secara independen. untuk N1 dan N2 cukup besar dan sampel-sampel acak diambil secara independen satu sama lain. Dari kumpulan ini kita dapat menghitung rata-ratanya. didapat hubungan : μ x-y  μ1 .

152) cm  11 cm Rata . Disalam kedua populasi itu ada peristiwa A dengan proporsi  2 untuk populasi kedua.rata Simpangan Baku σ x . r n1 n2 Dengan x i = adanya peristiwa A dalam sampel yang diambil dari populasi kesatu.. didapat kumpulan proporsi p1  xi y .2) 2 (4.6038 Luas daerah normal baku yang diperlukan adalah 0. 2.  1 untuk populasi kesatu dan secara independen diambil sampel-sampel acak berukuran n 1 dari populasi kesatu dan berukuran n 2 dari populasi kedua..5 + 0. Selisih proporsi ( p1 .9515... kedua-duanya berukuran cukup bsar.μ x . 2  sp   1 (1 . j  1.y  (163 .p 2 ) = selisih antara proporsi sampel kesatu dan proporsi sampel kedua. Dari kedua populasi itu. dengan sp = ( p1 . Jadi peluang yang dicari = 0. k dan r masing-masing banyak sampel yang mungkin diambil dari populasi kesatu dan kedua.9) 2  cm  0. Untuk peristiwa A. 2 ) n2 Untuk ukuran sampel cukup besar distribusi selisih proporsi akan mendekati distribusi normal.9515 5. Dari kumpulan ini dapat dihitung rata-ratanya dan diberi simbol  sp dan simpangan bakunya diberi simbol  sp .5 Distribusi Sampling Selisih Proporsi Misalkan ada dua populasi masing-masing berdistribusi Binom.6038 cm 140 140 10 . 2.p 2 ) dapat dibentuk sehingga trdapat kumpulan selisih proporsi. Agar supaya distribusi normal ini menjadi distribusi normal baku maka diperlukan transformasi : 52 Probabilitas dan Statistika .1. 1 ) n1   2 (1 .y  z (5. y j = adanya peristiwa A dalam sampel yang diambil dari populasi kedua. i  1.4515 = 0.11  . .. .66 0. k dan p 2  i .. Ternyata untuk ini berlaku :  sp   1 .

6 Latihan Soal 1.04 Luas daerah normal baku yang diperlukan = 2 (0. maka yang dicari adalah peluang p1 . Suatu populasi terdiri dari 5 angka yaitu : 2.6 . 3.p 2 ) .4  0.0  .1 .4938) = 0. Deviasi standar populasi c. 6. 2. Mean dari distribusi sampling harga mean d.p 2 < 10 % atau p 2 . Tentukan peluangnya akan terjadi perbedaan persentase tidak lebih dari 10 % akan memilih A.50 0.4 : Ada petunjuk kuat bahwa calon A akan mendapat suara 60 % dalam pemilihan. jadi kita anggap dua populasi yang sama.6 .04 300 Bilangan z yang perlu adalah : z1   0. Deviasi standar dari distribusi sampling harga mean.1 . Hitunglah : a.0. Jika x = banyak orang yang memilh A dalam sampel kesatu. Diketahui 500 bola yang mempunyai berat rata-rata 5. Dari populasi ini kemudian ditarik semua sampel yang beranggotakan 2 dengan pengembalian yang mungkin dapat diambil dari populasi tersebut. Jawab : Kedua sampel diambil dari sebuah populasi.2.50 dan z 2   2.p1 < 10 % Setelah digabungkan menjadi -10 % < p1 .04 0. dan y = banyak orang yang memilih B dalam sampel kedua. 8. dan 11. Dua buah sampel acak secara independen telah diambil masing-masing terdiri atas 300 orang.6 x 0.6 x 0.z (p1 . Mean populasi b.9876 5. sehingga  1   2  0.p 2 < 10 %  sp  0.( 1   2 )  sp Contoh 5. Hitunglah probabilitasnya bahwa dari sampel random 100 bola mempunyai berat keseluruhan antara : Probabilitas dan Statistika 53 .0 0.4 300  0.3 ons.6  0  sp  0.02 ons dan deviasi standar 0.

Jika sampel random sebanyak 125 bola lampu diambil dari masing-masing merk diuji. Rata-rata dan simpangan baku untuk proporsi yang menderita penyakit A b.10 ons 3.5 cm.8 dan 68. Jika ada 49 mahasiswa. Bola lampu hasil produksi Pabrik A mempunyai umur rata-rata 1400 jam dengan deviasi standar 200 jam. berapa probabilitasnya bahwa merk A mempunyai umur rata-rata paling sedikit : a. Paling tinggi 175 cm c. Peluang sampel itu akan berisikan anggota yang menderita penyakit A : 1. Kurang dari 160 cm 6. 160 jam lebih lama daripada merk B. Simpangan bakunya masing-masing 160 jam dan 125 jam. Merk lampu A rata-rata menyala 1400 jam dan merk lampu B rata-rata menyala 1300 jam. Tentukan peluang rata-rata menyala lampu dalam sampel dari A paling sedikit 50 jam lebihnya dari rata-rata menyala lampu dalam sampel dari B. tentukan peluang rata-rata tinggi antara : c. Antara 80 dan 95 orang 2. Dari pengalaman memperlihatkan bahwa 10% anggota masyarakat menderita penyakit A.a. Apabila terdapat 25 mahasiswa suatu PT. Dari tiap populasi diambil sebuah sampel acak berukuran 85 dari lampu A dan 100 dari lampu B. Kurang dari 66. 250 jam lebih lama daripada merk B. 5.96 dan 5.3 cm d. tentukan peluang rata-rata tinggi mahasiswa : a. Paling banyak 75 orang 7. tentukan : a. sedangkan bola lampu hasil produksi Pabrik B mempunyai umur rata-rata 1200 jam dengan deviasi standar 100 jam.4 4. Antara 4. 54 Probabilitas dan Statistika . b. Lebih dari 5. Tinggi badan mahasiswa suatu Perguruan Tinggi berdistribusi normal dengan mean 68 cm dan deviasi standar 3 cm. Misalkan bahwa rata-rata mahasiswa Indonesia 162 cm dengan simpangan baku 6. Paling rendah 155 cm b. Penelitian dilakukan terhadap 900 orang. Terletak antara 66.00 ons b. Lebih dari 98 orang 3. Antara 158 cm dan 172 cm d.

9. 2% atau kurang ternyata rusak Probabilitas dan Statistika 55 .8. Diketahui bahwa produk yang dihasilkan mesin tertentu 2%-nya rusak. Dua buah sampel acak telah diambil masing-masing berukuran 250. Tentukan bagaimana peluangnya bahwa kedua sampel itu akan memperlihatkan perbedaan presentase lebih dari 12% yang menyenangi pemimpin A. Berapa probabilitasnya bahwa dari pengiriman sebanyak 400 produk itu. 3% atau lebih ternyata rusak b. a. Pengalaman mencatat bahwa 65% dari penduduk ternyata menyenangi pemimpin A.

contoh: manajemen memutuskan untuk memproduksi barang pada tingkat tertentu berdasarkan kemungkinan permintaan yang akan terjadi terhadap barang tersebut.1 Pendahuluan Dalam membuat taksiran (pendugaan) sangat diperlukan konsep probabilitas karena sangat berguna dalam pembuatan keputusan pada kondisi ketidakpastian. Kesimpulan yang diambil 56 Probabilitas dan Statistika . maka dugaan kita bahwa hari ini akan hujan. menggunakan penaksiran nilai rata-rata. Seringkali mereka dituntut untuk membuat dugaan yang rasional dalam kondisi yang penuh ketidakpastian tanpa informasi yang lengkap. mengetahui jenis penaksiran parameter populasi. contoh hari ini cuaca mendung. dan lain sebagainya.BAB 6 PENAKSIRAN PARAMETER Standar Kompetensi : Setelah mengikuti kuliah ini. Pertimbangan yang dilakukan dapat berdasarkan pengalaman yang lalu (data histories). penarikan kesimpulan merupakan bagian yang sangat penting. selisih rata-rata. Agar dugaan yang dilakukan dapat menghasilkan suatu dugaan yang baik. Dalam analisis statistik. mahasiswa dapat memahami hubungan nilai sampel dan populasi dan menentukan distribusi sampling yang tepat untuk digunakan Kompetensi Dasar : Setelah mengikuti kuliah ini. maka mereka harus menguasai konsep pendugaan secara statistik. Seorang Manajer juga harus melakukan dugaandugaan. kondisi alam (musim hujan. musim kemarau). proporsi dan selisih proporsi yang sesuai dengan kasus serta menghitung jumlah sampel yang dibutuhkan 6. Setiap orang selalu pernah membuat suatu dugaan. mahasiswa dapat menjelaskan penaksiran titik dan interval parameter populasi. pesaing.

x n dan p x n Penaksiran Interval (Interval Estimation) Penaksiran interval merupakan interval nilai (range) yang nilai parameter populasi berada di dalamnya.Tujuan membuat penaksiran interval adalah mengurangi kesalahan penaksiran. Penaksiran Titik (Point Estimation) Penaksiran titik mengandung pengertian bahwa suatu parameter (misal μ) akan ditaksir hanya dengan menggunakan satu bilangan saja (misalnya dengan x ). Artinya statistik sampel memiliki deviasi standar yang kecil 3. Tidak bias (Unbiasedness). Efisiensi (Efficiency). Generalisasi kesimpulan tersebut mengandung risiko bahwa akan terdapat kekeliruan atau ketidaktepatan. yaitu: 1. Artinya suatu taksiran dikatakan memiliki kecukupan jika taksiran tersebut dapat memberikan informasi yang cukup mengenai sifat populasinya. Konsistensi (Consistency). Artinya statistik sampel yang digunakan sebagai penduga harus sama atau mendekati parameter populasi penduga 2. Kriteria taksiran (pendugaan) yang baik. Ada dua jenis taksiran (pendugaan) yang dilakukan terhadap populasi. Probabilitas dan Statistika 57 . sehingga probabilitas suatu penaksiran titik tersebut tepat adalah sangat kecil atau mendekati nol. Artinya jika ukuran sampel meningkat maka statistik sampel akan semakin mendekati parameter populasinya. yaitu: 1. Kecukupan (Sufficiency). 4. Taksiran titik untuk rata-rata populasi (μ) dan proporsi populasi (π) menggunakan rata-rata sample ( x ) dan proporsi sample (p) yang dapat dihitung dengan menggunakan rumus: x 2. Penaksiran titik sering mengalami kekeliruan. Sehingga penaksiran titik jarang digunakan.mengenai sekelompok sampel akan digeneralisasikan terhadap populasinya.

Dengan kata lain nilai  besarnya ditaksir oleh harga x yang didapat dari sampel. Penaksiran rata-rata untuk data yang bersifat kontinu 2. Derajat keyakinan tersebut disebut dengan Confidence Coefficient. Sedangkan batas-batasnya dinamakan Confidence Interval. Batas-batas tersebut adalah batas bawah taksiran (lower limit estimate) yang merupakan nilai taksiran parameter populasi terendah dan batas atas taksiran (upper limit estimate) merupakan nilai taksiran parameter populasi tertinggi. Batas-batas dalam penaksiran dengan interval harus ditunjang dengan adanya derajat keyakinan/kepastian yang biasanya dinyatakan dengan prosentase. 58 Probabilitas dan Statistika . Apabila sampel besar maka digunakan Tabel Distribusi Normal Standart. pembedaan sampel tersebut digunakan untuk pemilihan tabel distribusi yang akan digunakan dalam perhitungan.ambil sebuah sampel acak berukuran n. misalnya: derajat keyakinan 90% maka α= 10%. Penaksiran proporsi untuk data yang bersifat diskrit Penaksiran dilakukan terhadap angka-angka statistik atau Penaksiran dilakukan terhadap angka-angka statistik atau angka-angka yang diperoleh dari sampel. lalu hitung statistik yang perlu ialah x dan s. Titik taksiran untuk rata-rata  ialah x . besarnya derajat keyakinan sama dengan 1 . 6. Sampel yang digunakan untuk perhitungan dibedakan antara sampel kecil (n< 30) dan sampel besar (n>=30). Untuk keperluan ini . Apabila sampel kecil maka digunakan Tabel Distribusi Student “t” dengan degree of freedom (df) atau derajat kebebasan = n-1.Penaksiran interval memiliki batas-batas tertentu sehingga penaksiran akan berada di antaranya. Penaksiran interval dibedakan menjadi 2 yaitu: 1.α (α = tingkat kesalahan duga).2 Menaksir Rata-Rata μ Misalkan kita mempunyai sebuah populasi berukuran N dengan rata-rata  dan simpangan baku  . Dari populasi ini parameter rata-rata  akan ditaksir. derajat keyakinan 95% maka α= 5%.

jika (n/N) > 5% x . . . n -1 s n N-n    x  t N -1 2 .t 2 . 2 b.3. n .Untuk memperoleh taksiran yang lebih tinggi derajat kepercayaannya.z .1 : Dari sampel 100 orang pedagang premium eceran di Semarang diperkirakan nilai ratarata isi premium botol 1 liter yang dijual yaitu sebeser 0. .jika (n/N)>5%  N-n  N-n    x  z . lakukan penaksiran interval kepercayaan (confidence level) nilai rata rata isi premiun botol 1 liter tersebut ! Probabilitas dan Statistika 59 . n N -1 n N -1 2 2 Dengan  = koefisien kepercayaan dan z  = bilangan z didapat dari tabel normal x .z .  n 2 Simpangan baku  diketahui dan populasinya berdistribusi normal. a.86 liter. n -1 s n    x  t 2 s . n -1 s n N-n N -1 Dengan  = koefisien kepercayaan dan t  = nilai t didapat dari daftar distribusi 2 student /distribusi t dengan derajat kebebasan dk = n -1 Contoh 6. Dengan tingkat kepercayaan 95%. 2 baku untuk peluang ½  c. n -1 Simpangan baku  tidak diketahui dan populasinya berdistribusi normal. . Simpangan baku  diketahui dan populasinya berdistribusi normal x . dengan standar deviasi 0.t 2 d. digunakan interval taksiran atau selang taksiran disertai nilai koefisien kepercayaan yang dikehendaki.  n    x  z . Simpangan baku  tidak diketahui dan populasinya berdistribusi normal x .

475  1.86  1. dengan simpangan baku 2 ekor.86  0.n 1 n 2   20  2.Jawab : Dengan tingkat kepercayaan 95%. Hitung tingkat kepercayaan 95%.96. maka rata-rata bertelur populasi ayam yang sesungguhnya adalah : s  .     x  z .4472 .3 .4772   20  0. Jadi titik taksiran untuk  adalah x/n .3 = = 0.093 dan n = 2 20 = 0.06  x . 0.802   0. sehingga proporsi sampel untuk peristiwa A = (x/n).t 6. 0. setiap kandang yang berisi 20 ekor ayam diketahui bahwa rata-rata ayam bertelur adalah 20 telur setiap bulan setiap ekornya. Misalkan terdapat x peristiwa A. maka n 100 nilai rata-rata isi botol premium yang sesungguhnya adalah : x .2 : Dari suatu peternakan ayam.z . s .96 dan 2  0.  n n 2 0.n 1 n 2 20  2.058    0.03 . digunakan interval taksiran atau selang taksiran disertai nilai koefisien kepercayaan yang dikehendaki.918 2 Contoh 6. Sebuah sampel acak berukuran n diambil dari populasi ini.093.94   20. 0. untuk rata-rata bertelur populasi ayam yang sesungguhnya ! Jawab : Dengan tingkat kepercayaan 95%. t  2 .86  0.96. z  = z 0. 0.03 0.86  1. n 1 s = 2.4772  20  0. Menaksir Proporsi Misalkan kita mempuyai sebuah populasi berukuran N dimana terdapat proporsi  untuk peristiwa A yang ada di dalam populasi itu. 60 Probabilitas dan Statistika .03    0.058 0.94  19. Untuk memperoleh taksiran yang lebih tinggi derajat kepercayaannya.093.94   x  t .

96 0.45 Kita yakin sebesar 95% bahwa persentase anggota masyarakat yang kaya raya akan ada dalam interval 39 % dan 45 %. pq pq    p  z .42. maka: 0. Jika (n/N)  5% p . n n 2 Jika (n/N) > 5% p .0.42 q = 0. Dari 3000 pelanggan pada bulan Agustus ternyata 2100 orang menyatakan puas dan sisanya kurang puas.58 dan z0.96 0. N -1 n N -1 2 Dengan  = koefisien kepercayaan dan z  = bilangan z didapat dari tabel normal 2 baku untuk peluang ½  Contoh 6.96. Probabilitas dan Statistika 61 .42.z .39 <  < 0. Contoh 6. Jawab: Persentase golongan kaya raya dalam sampel = 504 1200 x 100 % = 42 % Titik taksiran adalah 42 %.a.z .3: Kita ingin menaksir ada berapa persen anggota masyarakat yang berumur di atas 15 tahun yang termasuk golongan kaya raya.4: Untuk meningkatkan pelayanan kepada konsumen. 2 b. PT PSK Jaya di Tangerang melakukan survei kepuasan pelanggan. Untuk ini sebuah sampel acak berukuran n = 1200 diambil yang menghasilkan 504 golongan kaya raya.58 1200 atau: 0.42 – 1.58 1200 <  < 0.42 + 1. dengan p = 0.475 = 1.n    p  z . Buatlah interval keyakinan tentang kepuasan konsumen dengan menggunakan tingkat keyakinan 95%.0. 2 pq n N-n pq N .

76 2100 <  < 0.76 dan z0.4 Menaksir Selisih Rata-rata Misalkan kita mempuyai dua buah populasi. kedua-duanya berdistribusi normal.475 = 1. maka: 0.3 %. Untuk maksud tersebut.70 q = 0.Jawab : Persentase pelanggan puas = 2100 3000 x 100 % = 70 % Titik taksiran adalah 70 %.24 + 1. 2 dan 62 Probabilitas dan Statistika . dengan p = 0.30 2100 atau: 0.716 Kita yakin sebesar 95 % bahwa persentase kepuasan konsumen akan ada dalam interval 68.24 – 1. Jawab : Persentase nasabah tidak puas = 60 250 x 100 % = 24 % Titik taksiran adalah 24 %.30 dan z0.70. maka: 0. Contoh 6.70 – 1.96 0.24. Ratarata dan simpangan bakunya masing-masing 1 dan  1 untuk populasi kesatu.96 0. Seorang pejabat bank akan memperkirakan berapa persen para nasabah yang tidak puas dengan pelayanan yang diberikan oleh para pegawainya.0. buatlah pendugaan interval persentase para nasabah yang tidak puas.0.053 <  < 0.684 <  < 0.24 q = 0.96.7 % dan 29.0.6 %.96 0. 6.5:. Dengan tingkat keyakinan 95%.053 0.70 + 1.475 = 1. dengan p = 0. Ternyata ada 60 orang yang tidak puas.4 % dan 71.0.24.24 – 0.187 <  < 0. dilakukan penelitian terhadap 250 orang nasabah yang dipilih secara acak.30 2100 <  < 0.96.70.293 Kita yakin sebesar 95 % bahwa persentase kepuasan nasabah bank akan ada dalam interval 18.24 + 0.76 2100 atau: 0.96 0.

s  n1 n 2 n 1 n2 2 Dengan  = koefisien kepercayaan dan t  = nilai t didapat dari daftar distribusi 2 student /distribusi t dengan derajat kebebasan dk = n1  n 2 .2  ( x1 . 2 sebagai berikut : ( p1 .x 2 ) . dengan parameter untuk peristiwa yang sama masing-masing  1 dan  2 . 1  2 1 2  2 ( x1 . Dari masing-masing populasi secara independen diambil sebuah sampel acak dengan ukuran n1 dan n2.x 2 ) . Akan ditaksir selisih rata-rata ( 1 .  n1 n 2 n1 n 2 2 2 2 2 2 Dengan  = koefisien kepercayaan dan z  = bilangan z didapat dari tabel normal 2 baku untuk peluang ½  a. Jika  tetapi tidak diketahui besarnya. 2  ( p1 . 2 ). s1 .2 2 2 2 Dan ( x1 . 2  ( x 1 .p 2 ) . Proporsi untuk peristiwa yang diperhatikan dari sampel-sampel itu adalah p1 = x1/n1 dan p2 = x2/n2 dengan x1 dan x2 berturut-turut menyatakan banyaknya peristiwa yang diperhatikan yang didapat didalam sampel kesatu dan kedua. Maka besarnya s dinyatakan dengan rumus : (n  1) s1  (n 2  1) s 2 s  1 n1  n 2 .t  . s 2 1 1 1 1   1 .x 2 )  z  . Rata-rata dan simpangan baku dari sampel-sampel itu berturut-turut x 1 . s2.z  . Dari populasi ini secara independen masing-masing diambil sebuah sampel acak berukuran n1 dari populasi kesatu dan n2 dari populasi kedua. dan x 2 .5 Menaksir Selisih Proporsi Misalkan kita mempunyai dua buah populasi.   1 .2 6.p 2 )  z  n1 n2 2 p1 q1 p 2 q 2  n1 n2 63 . Akan ditentukan interval taksiran untuk  1 .x 2 )  t  . 2 untuk populasi kedua.z  2 Probabilitas dan Statistika p1 q1 p 2 q 2    1 .

0284 500 700 Sehingga diperoleh: ( p1 .7 : 64 Probabilitas dan Statistika .6 : Sampel acak yang satu terdiri dari 500 pemudi dan satu lagi 700 pemuda yang mengunjungi sebuah pameran telah diambil.57.65 – 0. n1 = 500 dan n2 = 700 p1 q1 p 2 q 2  = n1 n2 0.96) (0.2 < < p1 q1 p 2 q 2  n1 n2 (0.96) (0.65.2 1 . Jawab : Persentase pemudi yang menyenangi pameran = p1 = 325 / 500 x 100 % = 65 % Persentase pemuda yang menyenangi pameran = p2 = 400 / 700 x 100 % = 57 % q1 = 35 % dan q2 = 43 %.0284) < Atau : 0.z  2 p1 q1 p 2 q 2    1 .p 2 )  z  n1 n2 2 (0.4 % dan 13.0.p 2 ) . Tentukanlah interval kepercayaan 95 % untuk perbedaan persentase pemuda dan pemudi yang mengunjungi pameran dan menyenanginya. 2  ( p1 .0.6 % Contoh 6.57) + (1.0284) 0.024 < 1 .65 – 0.136 Jadi 95 % yakin bahwa perbedaan persentase pemudi dan pemuda yang mengunjungi pameran dan menyenanginya akan ada dalam interval yang dibatasi oleh 2.57) – (1.43  = 0.Dengan  = koefisien kepercayaan dan z  = bilangan z didapat dari tabel normal 2 baku untuk peluang ½  Contoh 6. Ternyata bahwa 325 pemudi dan 400 pemuda menyenangi pameran itu.35 0.

67. Untuk keperluan tersebut diambil sampel masing-masing 120 investor tua dan muda.4 % Contoh 6. Dari D1 ada 90 orang dan D2 ada 78 orang yang setuju KB.65) (0. Di daerah D1 dan D2 masing-masing dilakukan wawancara terhadap 120 orang.063) < 0. Buatlah interval keyakinan untuk melihat selisih proporsi dan kemampuan menghadapi resiko tersebut dengan tingkat keyakinan 90%.063) 1 .PT.2 < (0.0.50) – (1.65) (0.17 + 0. Reksadana Duit menawarkan portopolio baru untuk investasi. perusahaan perlu mengetahui kemampuan investor dalam menghadapi resiko. di kedua daerah tersebut dengan tingkat keyakinan sebesar 90%.8 : BKKBN melakukan penelitian di dua daerah (D1 dan D2) untuk mengetahui apakah ada perbedaan antara persentase penduduk yang setuju KB di daerah tersebut.67 – 0.65 0. Hasil survei menunjukkan bahwa sebanyak 80 orang kaum tua dan 60 orang kaum muda setuju untuk menerima resiko lebih besar.50  = 0. Kemudian akan dibuat pendugaan interval mengenai besarnya selisih persentase tersebut. Probabilitas dan Statistika 65 . Buatlah pendugaan interval dari perbedaan persentase tentang pendapat penduduk yang setuju dengan KB. Jawab : n1 = 120 n2 = 120 Persentase kaum tua = p1 = 80 / 120 x 100 % = 67 % Persentase kaum muda = p2 = 60 / 120 x 100 % = 50 % q1 = 33 % dan q2 = 50 % p1 q1 p 2 q 2  = n1 n2 Z0. antara lain menanyakan apakah mereka setuju KB atau tidak.104 0.274 Jadi 90 % yakin bahwa perbedaan persentase kaum tua dan kaum muda yang berani mengambil resiko ada dalam interval yang dibatasi oleh 6.066 < 1 .17 – 0.50) + (1.2 < 0.33 0.0.67 – 0.6 % dan 27. Untuk produk baru ini.2 < 1 .063 120 120 Sehingga diperoleh: (0.45 = 1.104 atau: < 0.50.

65 0.2 < < 0.65.6 Menetapkan Jumlah Sampel Untuk melakukan penaksiran yang lebih teliti maka kesalahan penaksiran dari parameter populasi sebenarnya akan semakin kecil.2 < (0. 2  n    x  z .10 – 0. Batas maksimum kesalahan yang dibolehkan (E) 3.75 – 0.35 0. maka Interval kepercayaan x .65) (0.059) < 0.3 % dan 19.097 atau: < 0. yaitu : 1.059) 1 .75 – 0.75.65) – (1.45 = 1. Dengan demikian maka jumlah sampel yang harus diambil dipengaruhi oleh tiga faktor.059 120 120 Sehingga diperoleh: (0.003 1 .2 < 1 .E    x  E yang mana : 66 Probabilitas dan Statistika . 2  dapat dinyatakan n dengan rumusan sebagai berikut x .65) (0. Interval kepercayaan yang diinginkan 2.197 Jadi 90 % yakin bahwa perbedaan persentase daerah D1 dan daerah D2 tentang persentase penduduk yang setuju KB ada dalam interval yang dibatasi oleh 0.Jawab : n1 = 120 n2 = 120 Persentase daerah D1 = p1 = 90 / 120 x 100 % = 75 % Persentase daerah D2 = p2 = 78 / 120 x 100 % = 65 % q1 = 25 % dan q2 = 35 % p1 q1 p 2 q 2  = n1 n2 Z0.7 % 6.10 + 0.0.z .0.35  = 0. Hal tersebut hanya dimungkinkan apabila jumlah sampel semakin besar.65) + (1. Variansi populasi A Jumlah Sampel Untuk Menduga Nilai Rata-Rata apabila Deviasi Standar Populasi Diketahui : Apabila E adalah batas maksimum kesalahan perkiraan nilai rata-rata.097 0.

96 (10)  2 n    (9.10  6.7 Latihan Soal 1. n 2 n  ( n  ( z  .55    0. E  2 .75  165  0.45.0.0.58  n  0.04  97 2   B Jumlah Sampel Untuk Menduga Proporsi Apabila E adalah batas maksimum kesalahan yang diperkenankan bagi pendugaan Interval kepercayaan proporsi.   0. maka berikut p .64  164.665.8)  96.95 Ditanyakan jumlah sampel yang dibutuhkan : Jawab : 2  1. Suatu studi tentang pertumbuhan dari tanaman cactus jenis tertentu menunjukkan bahwa dari 50 tanaman yang dianggap sebagai sampel rata-rata tumbuh 44. 2 ) E z  .8 mm Probabilitas dan Statistika 67 .9 : Diketahui :   10 .   0. E  2 .99 Ditanyakan jumlah sampel yang dibutuhkan : Jawab : 2  2.55 . 2 E  z pq n 2 pq E 2 ( )  z n 2 n  pq ( z 2 E )2 Contoh 6.10 : Diketahui : p  10 .45. E  z .E    p  E yang mana : pq n E  z . )2 2 E Contoh 6.

5. Sebuah sampel berupa 10 pengukuran diameter balok kayu. Dari sampel pertama tinggi rata-ratanya adalah 9. Hitunglah interval konfidensi 90 % untuk perbedaan antara mean populasi.8. Dengan interval konfidensi 95 %. Hitunglah interval konfidensi 95 % untuk perbedaan rata-rata daya hidup dari populasi bola lampu kedua merk itu. telah dilakukan perhitungan berdasarkan sampel 6 perakitan dengan waktu masing-masing 13. Untuk mengetahui waktu rata-rata yang diperlukan untuk merakit suatu alat mekanis tertentu.7 mm selama jangka waktu 12 bulan. 2. 16. Dua sampel masing-masing berupa 100 tanaman bibit yang tumbuh di dua tempat yang berbeda. Hitunglah interval konfidensi 99 % untuk rata-rata diameter yang sesungguhnya. kemudian diambil sampel lain 10 murid yang mengikuti pelajaran matematika dengan metode konvensional. Jika diduga bahwa berat rata-rata dari 200 drum bahan kimia tersebut adalah 240. 6.8 inci dengan deviasi standar 1 inci. Buatlah interval konfidensi 95 % untuk waktu rata-rata yang sesungguhnya untuk merakit alat mekanis tersebut. 68 Probabilitas dan Statistika . sedang sampel kelompok kedua mencapai nilai rata-rata 81 dengan dengan deviasi standar 5.8 pound dengan deviasi standar 12. mempunyai berat rata-rata 240. dan 11 menit. 12.8 cm dengan deviasi standar 0. Sampel random lain sebanyak 200 buah bola lampu merk B mempunyai daya hidup rata-rata 1200 jam dengan dengan deviasi standar 80 jam.dengan deviasi standar 4.6 cm. 7. menunjukkan ratarata diameter 43. Buatlah interval konfidensi 90 % untuk perbedaan tinggi dari kedua populasi. Sampel kelompok pertama mencapai nilai rata-rata 85 dengan deviasi standar 4.2 pound.5 inci dengan deviasi standar 3 inci. 4. tentukan dengan interval kepercayaan 95 % untuk berat rata-rata drum bahan kimia tersebut ! 3. tentukan rata-rata pertumbuhan tahunan yang sesungguhnya dari jenis cactus tersebut. Diambil sampel 12 murid yang mengikuti pelajaran matematika dengan metode modern. Sampel random sebanyak 150 buah bola lampu merk A menunjukkan daya hidup rata-rata 1400 jam dengan deviasi standar 120 jam. Sampel random sebanyak 40 drum bahan kimia ditarik dari 200 drum bahan kimia. 12. Dari sampel kedua mempunyai tinggi rata-rata 10. Pada akhir semester ujian dengan soal yang sama diberikan pada masing-masing kelompok. 14.

10. Estimasikan perbedaan proporsi ibu rumah tangga yang lebih menyukai sabun cuci merk Rinso dari kedua kota itu. Hitunglah interval konfidensi 95% untuk proporsi yang sesungguhnya. Sampel random lain di kota B sebanyak 200 ibu rumah tangga diketahui 80 diantaranya lebih menyukai sabun cuci merk Rinso daripada merk lainnya. 240 diantaranya lebih menyukai sabun cuci merk Rinso daripada merk lainnya. Hitunglah interval konfidensi 99% untuk proporsi yang sesungguhnya. Dari sampel random sebanyak 400 pemirsa dewasa dan 600 pemirsa remaja yang mengikuti program siaran TV tertentu. Gunakan interval konfidensi 95 %. 165 orang diantaranya mengatakan bahwa mereka mengharapkan dapat melanjutkan studinya ke Perguruan Tinggi Negeri. Gunakan interval konfidensi 95 %. diketahui 100 pemirsa dewasa dan 300 pemirsa remaja menunjukkan bahwa mereka menyenangi jenis siaran TV tersebut. Dari sampel random sebanyak 600 wanita yang berumur 21 tahun keatas di kota B telah diwawancarai. 12. Probabilitas dan Statistika 69 . Sebuah sampel random terdiri dari 250 lulusan SMU di kota A. 378 orang diantaranya mengatakan bahwa mereka lebih memilih bekerja full time daripada parttime. 11. Dari sampel tersebut diketahui 18 diantaranya pecah atau rusak. Hitunglah interval konfidensi 95% untuk proporsi telur yang pecah atau rusak dari 1000 telur tersebut.8. 9. Estimasikan perbedaan proporsi pemirsa yang menyenangi program siaran TV tersebut antara semua pemirsa dewasa dan pemirsa remaja. Dari sampel random sebanyak 400 ibu rumah tangga di kota A. Sampel random sebanyak 100 butir telur telah diambil dari 1000 butir telur yang dikirim dari daerah A ke daerah B.

menguji hipotesis uji proporsi. Sehingga dapat diartikan sebagai Pernyataan yang masih lemah kebenarannya dan perlu dibuktikan atau dugaan yang sifatnya masih sementara.BAB 7 PENGUJIAN HIPOTESA Standar Kompetensi : Setelah mengikuti kuliah ini. proposisi atau pernyataan yang disajikan sebagai bukti. Penerimaan hipotesis sebagai akibat tidak cukupnya bukti untuk menolak dan tidak berimplikasi bahwa hipotesis itu pasti benar 70 Probabilitas dan Statistika . mahasiswa dapat menjelaskan pengertian dan macammacam hipotesis dan pengujian hipotesis. Hupo berarti Lemah atau kurang atau di bawah dan Thesis berarti teori. Hipotesis ini perlu untuk diuji untuk kemudian diterima atau ditolak Pengujian Hipotesis adalah suatu prosedur yang dilakukan dengan tujuan memutuskan apakah menerima atau menolak hipotesis mengenai parameter populasi . mahasiswa mampu menjelaskan dengan tepat konsep dasar hipotesis dan mampu menguji hipotesis dengan benar . Kompetensi Dasar :  Setelah mengikuti kuliah ini. menguji hipotesis uji kesamaan dan perbedaan rata-rata serta menguji hipotesis uji kesamaan dan perbedaan proporsi  7.1 Pendahuluan Hipotesis berasal dari bahasa Yunani. Penolakan suatu hipotesis bukan berarti menyimpulkan bahwa hipotesis salah dimana bukti yang tidak konsisten dengan hipotesis.  menguji hipotesis uji rata-rata.

Penerimaan Ho : nilai uji statistiknya berada di luar nilai kritis Penolakan Ho : nilai uji statistiknya berada dalam nilai kritis D. Hipotesis alternatif : segala hipotesis yang berbeda dengan hipotesis nol. Besarnya taraf nyata bergantung pada keberanian pembuat keputusan yang dalam hal ini berapa besarnya kesalahan yang akan ditolerir dan besarnya kesalahan tersebut disebut sebagai daerah kritis pengujian/ daerah penolakan. 2. Menentukan nilai uji statistic Uji statistik merupakan rumus-rumus yang berhubungan dengan distribusi tertentu dalam pengujian hipotesis. Uji statistik yang biasa digunakan antara lain : distribusi Z. Menentukan taraf nyata (significant level) Taraf nyata merupakan besarnya batas toleransi dalam menerima kesalahan hasil hipotesis terhadap nilai parameter populasinya.05. Membuat kesimpulan Penetapan keputusan dalam penerimaan/ penolakan hipotesis nol sesuai dengan kriteria pengujiannya. θ > θ o . ataukah θ ≠ θ o satu sisi satu sisi dua sisi B. C.01. hipotesis tersebut tidak memiliki perbedaan/ perbedaannya nol dengan hipotesis sebenarnya. Menentukan formulasi hipotesis Formula Hipotesis dibedakan 2 jenis : 1. Taraf nyata dalam bentuk % umumnya sebesar 1%. 0. Hipotesis nol : suatu pernyataan yang akan diuji. F dan sebagainya E. t.1. Pemilihan hipotesis ini tergantung dari sifat masalah yang dihadapi Ho : θ = θ 0 dengan beberapa kemungkinan H1 H1 : θ < θ o . 5% dan 10% ditulis 0. Menentukan kriteria pengujian Bentuk pembuatan keputusan dalam menerima/ menolak hipotesis nol dengan cara membandingkan nilai α tabel distribusinya dengan nilai statistiknya sesuai dengan bentuk pengujiannya. 0. Pembuatan kesimpulan dilakukan setelah membandingkan nilai uji statistik dengan α tabel / nilai kritis Probabilitas dan Statistika 71 .Prosedur Pengujian Hipotesis A.

Uji statistik : H0 kita terima z h itu n g  jika x . z hitung  z (0. b.t  . Pengujian satu pihak (pihak kiri) H 0 :   0 H1 :    0 a. n -1  t hitung  t  2 . 72 Probabilitas dan Statistika . Pengujian dua pihak H 0 :   0 H1 :    0 2.z (0. Jika  diketahui. dengan sebuah harga yang diketahui.7.5- 2 ) untuk pasangan hipotesa yang pertama. n -1 untuk pasangan hipotesa yang ketiga.5- ) untuk pasangan hipotesa yang ketiga.t hipotesa yang pertama. n -1 untuk pasangan t hitung  t  . Pengujian satu pihak (pihak kanan) H 0 :   0 H1 :    0 3. 2 . dengan sebuah harga yang diketahui. Jika  diketahui.5- 2 )  z hitung  z (0. n -1 untuk pasangan hipotesa yang kedua dan t hitung  .z (0. Uji statistik : t h itu n g  H0 kita terima jika x .2 Menguji Rata-rata Umpamakanlah kita mempunyai sebuah populasi berdistribusi normal dengan ratarata  dan simpangan baku  .0 σ/ n .5- ) untuk pasangan hipotesa yang kedua dan z hitung  . Akan diuji mengenai parameter rata-rata  Untuk pasangan hipotesa : 1.0 s/ n .

Kesimpulan Pada taraf nyata 5% terdapat perbedaan signifikan x = 83 cm dengan  0 = 80 cm tidak terjadi karena faktor kebetulan. Uji Statistik z h itu n g  x . x = 83 cm .96 d.Contoh 7. Apakah ada alasan untuk meragukan bahwa rata-rata panjang ikan bandeng yang ada di pemancingan “Mania” sama dengan 80 cm pada taraf signifikan 5% ? Jawab : Diketahui :  0 = 80 cm .96 → Ho ditolak e.  = 7 cm . seorang peneliti mengambil sampel acak 100 ekor ikan bandeng dan diperoleh hasil perhitungan panjang rata-rata ikan adalah 83 cm dan standar deviasinya tetap. Guna meyakinkan keabsahan hipotesis itu.29 -1.475 = 1. n = 100 . Setelah 2 tahun beroperasi.96 1. konsumen meragukan panjang ikan tersebut.5- ) = 2 c.96 < Z < 1.80 7 / 100 z hitung  4. Taraf nyata dan nilai z tabel  = 5% .1 : Populasi ikan bandeng di pemancingan “Mania” mempunyai panjang rata-rata 80 cm dengan simpangan baku 7 cm. z 0.96 (Uji dua arah) Kriteria pengujiannya Ho diterima jika : -1.  = 5% a.96 Karena Zhitung > 1.0 σ/ n z h itu n g  83 . Probabilitas dan Statistika 73 . z (0. Formula Hipotesis Ho :  = 80 H1 :  ≠ 80 b.

5- ) : z hitung  1. Contoh 7. Jika taraf nyata 1%. n = 100 .2 σ/ n 25 / 100 -1. Uji Statistik z hitung  x . z 0. Taraf nyata dan nilai Z tabel  = 5% maka z (0.3 : Hasil tangkapan 15 ekor ikan (kg) gurami memiliki berat rata-rata 1.5- ) = c. dapatkah diyakini bahwa populasi ikan gurami rata-rata memiliki berat 1.2 : Seorang peneliti ingin mengetahui apakah alat penangkap ikan rata-rata masih tetap mampu menangkap 30 ekor ikan atau lebih kecil dari itu. Apakah nilai tersebut masih dapat diterima sehingga alat itu mampu menangkap 30 ekor?.  = 5% a. Sampel yang diambil 100 alat diteliti dan diperoleh rata-rata tangkap 27 ekor.2 kg? 74 Probabilitas dan Statistika .64 → Ho diterima e.0 27 .45 = 1. Jawab : Diketahui :  0 = 30 .Contoh 7. Data-data sebelumnya diketahui bahwa simpangan bakunya 25 ekor.z (0.64 Kriteria pengujiannya Ho diterima jika z  .02 kg. Ujilah dengan taraf nyata 5%.30   1.64 Karena z hitung  1. Kesimpulan .64 d. Rata-rata menangkap ikan sebesar 30 ekor.208 kg dengan simpangan baku 0. Formula Hipotesis Ho :  = 30 H1 :  < 30 b.2  1. x = 27 .  = 25 .

Formula Hipotesis Ho :  0 = 1. x .208 .Jawab : n = 15 .01 2 c.977 ≤ thitung ≤ 2.  0 = 1.977 d. 7.3 Menguji Proporsi Untuk pasangan hipotesa : 1. Pengujian satu pihak (pihak kanan) H0 : p  p0 H1 : p  p 0 3.02 .  = 0.1. Taraf nyata dan nilai t tabel  = 0.151 = 2.2  1.2 kg.0 s/ n 1. Pengujian dua pihak H0 : p  p0 H1 : p  p 0 2.02/ 15 Kesimpulan Ho diterima.01 → t 0. Uji Statistik t h itu n g   e. artinya populasi ikan gurami memiliki berat rata-rata 1.47 0. Pengujian satu pihak H0 : p  p0 H1 : p  p 0 Untuk ini digunakan pendekatan oleh distribusi normal dengan statistik : Probabilitas dan Statistika 75 .2 .2 H1 :  0 ≠ 1.977 Kriteria pengujiannya Ho diterima jika : -2. . s = 0.208 a.2 b.01 . x = 1.

96 < zhitung < 1.0.z hitung  p . Pernyataan tersebut akan diuji dengan taraf nyata 5%.5- 2 ) untuk pasangan hipotesa yang pertama.z (0. 76 Probabilitas dan Statistika .025) = 1. Contoh 7.5- ) untuk pasangan hipotesa yang ketiga. p .96 Ho diterima.39 a.z (0.05 → z (0. Kriteria pengujiannya Ho diterima jika : -1.40(1  0. p = 0. dinyatakan bahwa 40% anak-anak balita menderita kekurangan gizi.5- ) untuk pasangan hipotesa yang kedua dan z hitung  . Taraf nyata dan nilai Z tabel  = 0.p0 p 0 (1  p 0 ) / n 0. Uji Statistik z hitung  z hitung  e.40 . Formula Hipotesis Ho : p = 0.40) / 250  0.33 Kesimpulan Karena z hitung   0.39 .40 H1 : p ≠ 0. untuk itu diambil sampel sebanyak 250 anak-anak balita di daerah tersebut dan diperoleh 39% diantaranya menderita kekurangan gizi.05 . p0= 0.5- ) = z (0.4 : Hasil penelitian yang sudah dilakukan di suatu daerah tertinggal. Apakah pernyataan tersebut benar? Jawab : n = 250 .33  1.p0 p 0 (1  p 0 ) / n H0 kita terima jika .96 d.  = 0.40 b.5- 2 )  z hitung  z (0. z hitung  z (0.96 2 c.5-0. artinya memang benar bahwa 40% balita menderita kekurangan gizi.40 0.

4 Menguji Kesamaan Dua Rata-rata Untuk pasangan hipotesa : a.7.5- 2 ) untuk pasangan hipotesa yang pertama.5- ) untuk pasangan hipotesa yang kedua dan z hitung  . n1  n 2 2 untuk pasangan 77 . Pengujian satu pihak H 0 : 1   2 H1 : 1   2 a.5- 2  22 . Probabilitas dan Statistika 2 . Jika    1   2 dan besarnya tidak diketahui.5- ) untuk pasangan hipotesa yang ketiga. b. n2 )  z hitung  z (0. Pengujian satu pihak (pihak kanan) H 0 : 1   2 H1 : 1   2 c. Pengujian dua pihak H 0 : 1   2 H1 : 1   2 b.t 2 . 1 1 )(  ) n1 n2  t hitung  t  2 .2 pasangan hipotesa yang pertama.2 H0 kita terima jika 2 . z hitung  z (0. n1  n 2 .z (0. digunakan statistik : t hitung  x1  x 2 (n1  1) s1  (n 2  1) s 2 ( n1  n 2 . Jika    1   2 dan besarnya diketahui.z (0. digunakan statistik : x1  x 2 z h itu n g   12 n1 H0 kita terima jika  .2 untuk t hitung  t  . n1  n 2 .

01.4 Sampel B .5 a.528 c.2 2 2  11.528 d. Taraf nyata dan nilai t tabel  = 0.5 : Perusahaan penangkapan ikan menggunakan dua alat yang berbeda pada dua lokasi daerah penangkapan. Dimana alat A lebih cepat dibanding dengan alat B. Daerah penangkapan I terdiri dari 12 alat A sedangkan daerah penangkapan II terdiri dari 10 alat B. n1  n 2  2 : t hitung  2.5 jam. Yakinkah anda bahwa alat A lebih cepat perendamannya dengan taraf signifikan 1 %? (Asumsikan dua populasi berdistribusi normal dengan variansi yang sama. Contoh 7. s2= 0. x 2 = 4 . maka Ho ditolak e. n1  n 2 2 untuk pasangan hipotesa yang kedua dan hipotesa yang ketiga. Uji Statistik t hitung  x1  x 2 (n1  1) s1  (n 2  1) s 2 ( n1  n 2 . x 1 = 2 .4 jam sedangkan alat B adalah 4 jam dengan simpangan baku 0.45 1 1 )(  ) n1 n2 karena thitung > 2. n1 = 12 .01 : dk = n1+ n2 .528.2 = 20 maka : t(0. Waktu perendaman alat A adalah 2 jam dengan simpangan baku 0.) Jawab : Diketahui : Sampel A . Formula Hipotesis H 0 : 1   2 H1 : 1   2 b.t  . s1= 0. n2 = 10 . 78 Probabilitas dan Statistika .t hitung  . Kesimpulan Waktu perendaman 2 alat memiliki perbedaan yang signifikan. Kriteria pengujiannya Ho diterima jika t hitung  t  .20)= 2.

5 Menguji Kesamaan Dua Proporsi Untuk pasangan hipotesa : 1. p 2  2 dan p  1 n1 n2 n1  n2 H0 kita terima jika .5- ) untuk pasangan hipotesa yang ketiga.z (0.5- 2 ) untuk pasangan hipotesa yang pertama. Apakah ada perbedaan antara obat pertama dan obat kedua? Ujilah dengan derajat kebebasan 5%.z (0. z hitung  z (0. Jawab : Probabilitas dan Statistika 79 .5- ) untuk pasangan hipotesa yang kedua dan z hitung  .7. Obat pertama diberikan pada 100 ekor tikus dan ternyata 60 ekor menunjukkan perubahan tekanan darah.6 : Seorang ahli farmakologi mengadakan percobaan dua macam obat anti hipertensi. Pengujian dua pihak H 0 : p1  p 2 H1 : p 1  p 2 2.5- 2 )  z hitung  z (0. Obat kedua diberikan pada 150 ekor tikus dan ternyata 85 ekor berubah tekanan darahnya. Contoh 7. Pengujian satu pihak (pihak kanan) H 0 : p1  p 2 H 1 : p 1 p 2 3. Pengujian satu pihak H 0 : p1  p 2 H1 : p 1 p 2 Untuk ini digunakan pendekatan oleh distribusi normal dengan statistik : p1  p 2 Z hitung  1 1 p(1  p)    n1 n 2  Dimana : p1  X1 X X  X2 .

artinya tidak ada perbedaan antara obat pertama dan obat kedua Contoh 7.60  0.96 2 c. p B   0. Kriteria pengujiannya Ho diterima jika : -1. untuk menguji hipotesis tersebut diambil sampel sebanyak 50 pasien yang dirawat oleh perawat A dan 60 pasien oleh perawat B.p1  a. 80 Taraf nyata dan nilai t tabel Probabilitas dan Statistika .96 d.7 : Dua orang perawat A dan B masing-masing telah bekerja selama 7 dan 10 tahun. Formula Hipotesis H0 : pA  pB H1 : p A  p B b.025) = 1. Apakah klaim kepala puskesmas tersebut betul? Ujilah dengan derajat kebebasan 5%.15 0.p)    n1 n 2  0.(1.002 .42 100 150 100  150 Formula Hipotesis H 0 : p1  p 2 H1 : p 1  p 2 b.56 1   1 0. dari sampel tersebut perawat A membuat 15% kesalahan perawatan dan perawat B 12%. Jawab : 0.15  0. 60 85 60  85  0. q  0.48   100 150   0.56 . p 2   0.12 0.58.05 → z (0.003 . (1 . p1  p 2 1 1 p. p   0. p   0. Uji Statistik Z hitung  Z hitung  e.002.p)  0.96 < zhitung < 1. Kepala Puskesmas beranggapan persentase melakukan kesalahan perawat A lebih besar daripada B.66 Kesimpulan Ho diterima.60 . Taraf nyata dan nilai t tabel  = 0.5-0.12 pA   0.5- ) = z (0.52.0.998 50 60 50  60 a.

9.64 c. Kriteria pengujiannya Ho diterima jika z hitung  1. 10. 1 1 p.998    50 60   0.9 kata.q    n1 n 2  0.0. Dengan taraf nyata 0.5 unit untuk setiap jam dengan deviasi standar 2. Suatu proses produksi hanya akan menguntungkan apabila dapat menaikkan produksi rata-ratanya menjadi lebih besar dari 15 unit setiap jamnya. sejumlah kaleng cat tembok tersebut dicoba hasilnya adalah (m2) : 9.64 d.05) = 1. 9.6 Latihan Soal : 1.002.2 .05? Probabilitas dan Statistika 81 .5- ) = z (0. dalam tes mengetik rata-rata kecepatannya dapat mencapai 73.6 .4 . Untuk menyakinkan apakah pendapat tersebut benar. artinya klaim kepala puskesmas tidak benar. Uji Statistik p1  p 2 Z hitung  Z hitung  e. Sampel random sebanyak 30 kaleng susu Dancow dengan label “berat bersih 400 gram” mempunyai berat bersih rata-rata 398 gram dengan deviasi standar 6 gram. Suatu pabrik cat tembok mengatakan bahwa setiap kaleng cat tembok hasil produksinya dapat menyapu tembok rata-rata seluas 10 m2.01 ujilah pendapat bahwa berat bersih susu Dancow tersebut rata-rata kurang dari 400 gram. 7. 4.8 kata per menit dengan deviasi standar 7.002 1 1 0. Sampel random 12 murid dari pendidikan sekretaris.05 → z (0.5. Bagaimana keputusan yang harus diambil bila dipergunakan taraf signifikansi 0.05 ? 3. Bagaimana kesimpulannya bila dipergunakan taraf signifikansi 0.5-0. 10 .125 Kesimpulan Ho diterima. Dengan taraf nyata 0.8 unit.01 ujilah pendapat bahwa murid-murid dari pendidikan sekretaris tersebut rata-rata dapat mengetik kurang dari 75 kata per menit. 2. 10.8 .003  0. = 0. Untuk dapat mengambil keputusan apakah akan menggunakan mesin baru atau tidak diadakan percobaan dengan 9 mesin baru dan ternyata menghasilkan rata-rata 16.

01. Dengan menggunakan α = 0. Kesimpulan apakah yang Anda tarik bila hanya 110 diantara 200 orang yang diambil secara random mendukung perkara tersebut? Gunakan taraf nyata 4% 8.5 kaki. Apakah perbedaan mean kedua sampel tersebut signifikan. 7.2 kaki. Seorang ahli gizi berpendapat bahwa 75% dari murid-murid SD didaerah A menderita kekurangan gizi.6 kaki dengan deviasi standar 1.6.06 bahwa merek A terjual lebih banyak daripada merek B? 9. Dapatkah kita menyimpulkan pada taraf nyata 0.5. Suatu sampel telah dilaksanakan dengan meneliti 300 murid SD dan ternyata diketahui 206 anak menderita kekurangan gizi. Sebuah pabrik rokok memproduksi dua merek rokok yang berbeda. Ujilah hipotesis pada taraf nyata 5% bahwa μ1= μ2 dengan alternatifnya μ1≠ μ2 82 Probabilitas dan Statistika . Seorang karyawan di pabrik ingin menguji pernyataan manajer pemsaran dgn mengambil sampel selama 36 hari. Dua belas pohon jeruk varietas tertentu yang dipilih secara random mempunyai tinggi rata-rata 13. Dari catatan yang ada.? 6. Dari dua populasi normal yang bebas ditarik dua sampel random berukuran n1 = 35 dan n2 = 50 yang menghasilkan rata-rata 85 dan 78 dengan simpangan baku 5. Manajer pemasaran sebuah produk aditif bahan bakar mengatakan bahwa jumlah rata-rata produk aditif yang terjual adalah 1500 botol.7 kaki dengan deviasi standar 1. Ternyata 56 orang diantara 200 perokok menyukai merek A dan 29 diantara 150 perokok menyukai merek B. dan 15 pohon jeruk dengan varietas lainnya yang dipilih secara random mempunyai tinggi rata-rata 12. Diduga sekurang-kurangnya 60% penduduk di suatu daerah mendukung perkara perdata oleh suatu kota tetangga yang berdekatan. Dengan taraf signifikansi 0. deviasi standart penjualan 120 botol.01. apakah kesimpulan yang dapat ditarik oleh karyawan tersebut ? 10. Dia mendapati bahwa jumlah penjualan rata-ratanya adalah 1450 botol.01 ujilah apakah murid SD yang kekurangan gizi kurang dari 75%. Pergunakan taraf signifikansi 0.4 dan 3.

1972.Pengantar Metode Statistik Jilid2. 14th Edition.Pengantar Metode Statistik Jilid I..DAFTAR PUSTAKA Anto D ajan. Mc Graw Hill 2010 Probabilitas dan Statistika 83 . Statistical Techniques in Business and Economics. William marchal and Samuel Wathern. Yogyakarta Sudjana.LP3ES Jakarta Djarwanto PS. Penerbit Tarsito.LP3ES Jakarta Anto Dajan. Bandung Lind. Douglas. Kumpulan Soal dan Penyelesaiaannya . Metoda Statistika.. BPEE. 1974.

Tabel Distribusi Normal Standart 84 Probabilitas dan Statistika .

Tabel Distribusi Student Probabilitas dan Statistika 85 .