LABORATORIUM MANAJEMEN DASAR STATISTIKA 1 PTA 2015/2016 FAKULTAS EKONOMI UNIVERSITAS GUNADARMA JAKARTA 2015 NAMA : NPM : KELAS : KP : TUTOR : ASBAR :
LABORATORIUM MANAJEMEN DASAR
STATISTIKA 1
PTA 2015/2016
FAKULTAS EKONOMI
UNIVERSITAS GUNADARMA
JAKARTA
2015
NAMA :
NPM :
KELAS :
KP :
TUTOR :
ASBAR :
Lab. Manajemen Dasar
Statistika 1 i Litbang PTA 15/16
KATA PENGANTAR
Puji syukur kami panjatkan kepada Tuhan Yang Maha Esa atas limpahan rahmat,
hidayah, dan karunia-Nya sehingga Modul Praktikum Statistika 1 PTA 2015/2016
ini dapat terselesaikan dengan baik.
Modul praktikum ini merupakan penyempurnaan dari modul praktikum
sebelumnya dan diharapkan dengan adanya modul praktikum ini dapat
meningkatkan pemahaman dasar materi praktikum serta sebagai pedoman
mahasiswa dalam melakukan penelitian-penelitian ekonomi. Selain itu, modul ini
juga dapat digunakan sebagai dasar suatu pandangan mahasiswa melihat keadaan
perekonomian dan disesuaikan dengan teori ekonomi yang ada.
Pada penyusunan modul ini, kami menyadari bahwa modul praktikum ini masih
perlu disempurnakan kembali, sehingga diperlukannya kritik dan saran untuk
penyajian serta isinya.
Akhir kata, penyusun mengucapkan terima kasih kepada Tim Litbang Statistika 1
PTA 2015/2016 Laboratorium Manajemen Dasar yang turut berpartisipasi dalam
penyusunan modul praktikum ini. Penyusun juga mengucapkan terima kasih
kepada seluruh pihak yang berpatisipasi sehingga pelaksanaan praktikum dapat
berjalan dengan lancar.
Kelapa Dua, Juli 2015
Tim Litbang Statistika
Lab. Manajemen Dasar
Statistika 1 ii Litbang PTA 15/16
DAFTAR ISI
Halaman Depan
Kata Pengantar ................................................................................................... i
Daftar Isi............................................................................................................. ii
Daftar Rumus ..................................................................................................... iv
Daftar Gambar .................................................................................................... v
Materi 1 Ukuran Statistik
1. Pendahuluan ................................................................................................... 1
2. Ukuran Pemusatan ......................................................................................... 1
3. Ukuran Penyebaran ........................................................................................ 5
4. Contoh Soal .................................................................................................... 8
Soal Kuis ............................................................................................................ 16
Materi 2 Distribusi Binomual
1. Pendahuluan ................................................................................................... 17
2. Tujuan Praktikum Binomial ........................................................................... 19
3. Contoh Soal .................................................................................................... 20
Soal Kuis ............................................................................................................ 32
Materi 3 Distribusi Poisson
1. Pendahuluan ................................................................................................... 34
2. Rumus Pendekatan Peluang Poison untuk Binomial ..................................... 34
3. Rumus Proses Poisson ................................................................................... 35
4. Ciri-ciri Distribusi Poisson ............................................................................. 36
5. Contoh Soal .................................................................................................... 36
Soal Kuis ............................................................................................................ 50
Materi 4 Distribusi Normal
1. Pendahuluan ................................................................................................... 51
2. Definisi Konsep Dasar ................................................................................... 51
3. Bentuk Umum dan Rumus ............................................................................. 52
4. Kurva Distribusi Normal ................................................................................ 52
5. Contoh Soal .................................................................................................... 54
Lab. Manajemen Dasar
Statistika 1 iii Litbang PTA 15/16
Soal Kuis ............................................................................................................ 65
Daftar Pustaka .................................................................................................... 68
Lab. Manajemen Dasar
Statistika 1 iv Litbang PTA 15/16
DAFTAR RUMUS
1.1 Rumus Rata-rata Hitung ...................................................................... 2
1.2 Rumus Letak Median 1 ....................................................................... 3
1.3 Rumus Letak Median 2 ....................................................................... 3
1.4 Rumus Letak Kuartil ........................................................................... 4
1.5 Rumus Jangkauan (Range) .................................................................. 6
1.6 Rumus Ragam (Variance) untuk Sampel ............................................ 6
1.7 Rumus Ragam (Variance) untuk Populasi .......................................... 7
1.8 Rumus Standar Deviasi untuk Sampel ................................................ 7
1.9 Rumus Standar Deviasi untuk Populasi ............................................. 8
2.1 Rumus Distribusi Binomial ................................................................. 19
2.2 Rumus Kombinasi ............................................................................... 19
3.1 Rumus Pendekatan Peluang Poisson utnuk Binomial ......................... 34
3.2 Rumus Proses Poisson ........................................................................ 35
4.1 Rumus Distribusi Normal ................................................................... 52
Lab. Manajemen Dasar
Statistika 1 v Litbang PTA 15/16
DAFTAR GAMBAR
1.1 Gambar Tampilan Software R-Commander ............................................. 9
1.2 Gambar New Data Set ............................................................................... 9
1.3 Gambar Data Editor .................................................................................. 10
1.4 Gambar Hasil Software R-Commander (Active Data Set) ...................... 10
1.5 Gambar Hasil Software R-Commander (Numerical Summarise ............ 11
1.6 Gambar Tampilan Software R-Commander ............................................. 13
1.7 Gambar New Data Set Contoh Soal 2 ....................................................... 13
1.8 Gambar Data Editor Contoh Soal 2 .......................................................... 14
1.9 Gambar Output Software R-Commander Contoh Soal ............................ 15
1.10 Hasil Output Software R-Commander Soal Kuis ................................... 16
2.1 Gambar Tampilan Software R-Commander ............................................. 22
2.2 Gambar Cumulative Binomial Probabilities ............................................. 23
2.3 Gambar Output Software Distribusi Binomial .......................................... 23
2.4 Gambar Cumulative Binomial Probabilities Contoh Soal ....................... 25
2.5 Gambar Output Software Distribusi Binomial Contoh Soal 2 .................. 26
2.6 Gambar Script Window Contoh Soal 3 ..................................................... 27
2.7 Gambar Output Software Contoh Soal 3 .................................................. 28
2.8 Gambar Binomial Probabilities Contoh Soal 4 ......................................... 31
2.9 Gambar Output Software Distribusi Binomial Contoh Soal 4 .................. 31
2.10 Gambar Output Software Distribusi Binomial Soal Kuis ....................... 33
3.1 Gambar Tampilan Software R-Commander ............................................. 38
3.2 Gambar Script Window Contoh Soal 1 ..................................................... 39
3.3 Gambar Tampilan Software R-Commander (Poisson Probabilities) ........ 40
3.4 Gambar Poisson Probabilities ................................................................... 40
3.5 Gambar Output Poisson Probabilities ....................................................... 41
3.6 Tampilan Software R-Commander ........................................................... 43
3.7 Gambar Software R-Commander Poisson Tail Probabilites ..................... 44
3.8 Gambar Poisson Probabilities ................................................................... 44
3.9 Gambar Output Software R-Commander Contoh Soal 3 .......................... 45
Lab. Manajemen Dasar
Statistika 1 vi Litbang PTA 15/16
3.10 Gambar Tampilan Software R-Commander ........................................... 47
3.11 Tampilan Software R-Commander Poisson Distribution ....................... 48
3.12 Gambar Poisson Probabilities Contoh Soal ............................................ 48
3.13 Gambar Output Software R-Commander Contoh Soal 4 ........................ 49
3.14 Gambar Output Software Soal Kuis ........................................................ 50
4.1 Gambar Tampilan Software R-Commander ............................................. 56
4.2 Gambar Tampilan Software Normal Probabilities .................................... 56
4.3 Tampilan Normal Probabilities ................................................................. 56
4.4 Gambar Output Software R-Commander ................................................. 57
4.5 Gambar Software R-Commander .............................................................. 59
4.6 Gambar Software R-Commander Normal Probabilities ........................... 60
4.7 Gambar Normal Probabilities Contoh Soal 2 ........................................... 60
4.8 Gambar Output Software R-Commander Contoh Soal 2 .......................... 61
4.9 Tampilan Software R-Commander ........................................................... 63
4.10 Gambar Output Software R-Commander Contoh Soal 4 ........................ 64
4.11 Gambar Output Software Soal Kuis ........................................................ 66
4.12 Gambar Tabel Z ...................................................................................... 67
Lab. Manajemen Dasar Materi Ukuran Statistik
Statistika 1 1 Litbang PTA 15/16
MATERI 1
UKURAN STATISTIK
1. Pendahuluan
Statistika adalah kumpulan dari cara – cara dan aturan – aturan mengenai
pengumpulan, pengelolahan, penafsiran dan penarikan kesimpulan dari data yang
diperoleh sebelumnya. Ukuran statistik merupakan ukuran yang menunjukan
bagaimana suatu gugus data memusat dan menyebar.
Di dalam ukuran statistik ada tiga karakteristik utama dari ukuran
deskripsi data, yaitu distribusi data, ukuran pemusatan dan ukuran penyebaran.
Distribusi data adalah metode statistika untuk menyusun data dengan cara
membagi nilai – nilai observasi data ke dalam kelas – kelas dengan interval
tertentu. Ukuran pusat data yang banyak digunakan untuk mendeskripsikan
data adalah rata-rata hitung (mean), median, dan modus. Sedangkan ukuran
penyebaran suatu kelompok data terhadap pusat data disebut disperse atau
keragaman data. Ukuran disperse data yang umum dipakai adalah
jangkauan (range), variansi dan standar deviasi.
2. Ukuran Pemusatan
Nilai Pusat adalah suatu nilai yang mewakili semua nilai observasi dalam
suatu data. Disebut nilai pusat karena pada umumnya berlokasi di bagian
tengah atau pusat dari suatu distribusi. Ukuran pemusatan data merupakan
alat analisa statistik untuk mengetahui karakteristik umum dari suatu sampel atau
populasi. Nilai pusat sering dianggap sebagai gambaran dari kondisi suatu data.
Dalam statistika dikenal beberapa macam ukuran nilai pusat, yang sering
digunakan yaitu rata-rata hitung (mean), median, dan modus.
Lab. Manajemen Dasar Materi Ukuran Statistik
Statistika 1 2 Litbang PTA 15/16
A. Mean (rata-rata hitung)
Rata-rata hitung merupakan ukuran pusat data yang paling sering digunakan
untuk menghitung rata-rata dari data, karena mudah dimengerti perhitungannya
oleh siapa saja. Dari segi aritmetik mean adalah jumlah nilai dibagi dengan
jumlah individu. Untuk mencari rata-rata hitung dilakukan dengan cara
menjumlahkan seluruh data yang selanjutnya dibagi dengan banyaknya (jumlah)
observasi atau data.
1.1 Rumus Rata-rata hitung
Dimana:
X = Rata-rata hitung
Xi = Nilai dari observasi ke-i
n atau N = Banyaknya observasi ukuran sampel/populasi
fi = Frekuensi dari observasi ke-i
B. Median
Median adalah nilai yang terletak ditengah suatu data yang telah diurutkan
dari nilai terkecil hingga nilai terbesar. Dalam menentukan median dari data yang
belum di kelompokan, yang dapat dilakukan hanya menentukan letak median
saja, yaitu data atau satu titik angka yang letaknya berada ditengah-tengah
rangkaian data yang berurut.
Jika jumlah data ganjil maka nilai median dapat diketahui secara langsung,
dengan membagi 2 data sama banyak, nilai yang berada di tengah disebut
dengan median. Jika digambarkan dengan rumus :
X =
/ /
Lab. Manajemen Dasar Materi Ukuran Statistik
Statistika 1 3 Litbang PTA 15/16
1.2 Rumus Letak Median 1
Jika jumlah data genap maka nilai median diambil dari rata – rata dua nilai
yang terletak di tengah data. Jika digambarkan dengan rumus :
1.3 Rumus Letak Median 2
Dimana :
Me = Letak median
n = Jumlah data
C. Modus
Modus merupakan nilai data yang paling banyak muncul atau nilai
yang mempunyai frekuensi yang paling besar, sehingga modus dimaknai
sebagai data yang relatif dominan dalam suatu sampel atau populasi. Suatu data
tidak selalu mempunyai modus atau mungkin terdapat lebih dari satu modus.
Dalam data bisa terdapat satu modus (unimodus), dua modus (bimodus), lebih
dari dua modus (multimodus), atau sama sekali tidak memiliki modus. Jika
semua pengamatan mempunyai frekuensi sama maka modus tidak ada.
D. Kuartil
Kuartil merupakan nilai yang membagi suatu data yang telah diurutkan
dari nilai terendah sampai nilai tertinggi menjadi 4 bagian yang sama besar.
Nilai-nilai kuartil diberi simbol Q1 (kuartil pertama), Q2 (kuartil kedua) dan
+
2
Lab. Manajemen Dasar Materi Ukuran Statistik
Statistika 1 4 Litbang PTA 15/16
Q3 (kuartil ketiga). Nilai Q2 sama dengan nilai median. Rumus untuk mencari
letak kuartil:
1.4 Rumus Letak Kuartil
Q1 Q2 Q3
Dimana :
i = 1, 2, 3
Q1 = Kuartil bawah
Q2 = Kuartil tengah/median
Q3 = Kuartil atas
n = Jumlah data
Contoh Soal
1. Sebuah toko kerudung ternama memiliki data permintaan dari costumer yaitu
55, 51, 65, 65, 66. Carilah rata-rata permintaannya, median, dan berapakah
kuartil Q1, Q2 dan Q3 ! Analisis !
Diketahui : 51, 55, 65, 65, 66
Ditanya : Mean, Median, Q1, Q2, dan Q3 ?
Jawab :
Lab. Manajemen Dasar Materi Ukuran Statistik
Statistika 1 5 Litbang PTA 15/16
Letak kuartil 1 = i(n+1)/4 = 1(5+1)/4 = 1,5 = data ke 1,5
= (51+55)/2 = 53
Letak kuartil 2 = i(n+1)/4 = 2(5+1)/4 = 3 = data ke 3 = 65
Letak kuartil 3 = i(n+1)/4 = 3(5+1)/4 = 4.5 = data ke 4.5 = (65+66)/2
= 65.5
Analisis :
Jadi, rata-rata permintaan kerudung sebesar 60,4 dengan median sebesar 65,
jangkauan sebesar 15. Didapat nilai kuartil pertama, kedua dan ketiga yaitu
masing – masing 53, 65 dan 65.5
3. Ukuran Penyebaran
Ukuran penyebaran adalah besarnya penyimpangan suatu data dari
sentralnya. Ukuran penyebaran adalah salah satu aspek yang sangat penting dalam
statistika deskriptif karena dapat digunakan untuk mengukur variabilitas nilai –
nilai observasi dari nilai sentralnya. Dua kelompok data mungkin mempunyai rata
– rata yang sama, tetapi berbeda dalam hal variabilitas nilai – nilai observasinya.
Contoh :
Data A terdiri dari nilai – nilai 52, 56, 60, 64, 68
Data B terdiri dari nilai – nilai 40, 50, 60, 70, 80
Rata – rata kedua kelompok data tersebut adalah sama, yakni 60. Namun
demikian, variansi nilai – nilai terhadap nilai sentral kedua kelompok data tersebut
berbeda. Perhatikan gambar berikut :
Data A :
52 56 60 64 68
Data B :
40 50 60 70 80
Lab. Manajemen Dasar Materi Ukuran Statistik
Statistika 1 6 Litbang PTA 15/16
A. Jangkauan (range)
Jangkauan atau range suatu data adalah selisih antara nilai maksimum dengan
nilai minimum.
1.5 Rumus Jangkauan (Range)
Dimana :
R : Range (Jangkauan)
Xmax : Nilai tertinggi dari suatu data
Xmin : Nilai terendah dari suatu data
Range adalah ukuran penyebaran yang paling sederhana. Kelemahannya, range
hanya ditentukan oleh dua nilai observasi. Jika pada data terdapat nilai ekstrem,
maka range akan memberikan gambaran yang variabilitasnya yang kurang benar.
Contoh :
Data : 40, 41, 42, 45, 470, 540, 600, 880, 950, 1000
Range : 1000 – 40 = 960.
B. Ragam (Variance)
Ragam adalah rata-rata kuadrat selisih atau kuadrat simpangan dari semua nilai
data terhadap rata-rata hitung. Variansi untuk sampel dilambangkan dengan s2.
Sedangkan untuk populasi dilambangkan dengan σ2
1.6 Rumus Ragam (Variance) untuk Sample
R = Xmax - Xmin
s2
Lab. Manajemen Dasar Materi Ukuran Statistik
Statistika 1 7 Litbang PTA 15/16
1.7 Rumus Ragam (Variance) untuk Populasi
Dimana :
s2 = Varians (untuk sampel)
σ2 = Varians (untuk populasi)
Xi = Nilai observasi sampai dengan ke-i pada sampel
n = Banyaknya data pada sampel
X = Rata-rata pada sampel
µ = Rata-rata pada populasi
C. Standar Deviasi
Standar deviasi adalah akar pangkat dua dari variansi. Standar deviasi seringkali
disebut simpangan baku.
1.8 . Rumus Standar Deviasi Sampel
1.9
Dimana :
S = Standar Deviasi pada sampel
s2 = Varians pada sampel
Sedangkan untuk rumus standar deviasi pada populasi adalah sebagai berikut ini :
1.9 Rumus Standar Deviasi Populasi
1.10
σ2
s 2
σ =
Lab. Manajemen Dasar Materi Ukuran Statistik
Statistika 1 8 Litbang PTA 15/16
Dimana :
σ = Standar Deviasi pada populasi
σ2 = Varians pada populasi
4. Contoh Soal
1. Tempat pelatihan software Komputer “ELF” memiliki 7 score ujian siswa
yang mengikuti pelatihan yaitu 55, 16, 55, 55, 56, 56, 16. Tentukanlah
Mean, Median, Modus, Range, Varians dan Standar Deviasinya!
Dik : 16, 16, 55, 55, 55, 56, 56
Dit : X , Median, Modus, R, , s ?
Jawab :
X = = = 44,14
Letak Median = = = 4, data ke-4 median = 55
Modus = 55
Range = - = 56 – 16 = 40
=
= + + +
+ + +
/ (7 - 1) = 369,79
s = = = 19,22
Analisis : Jadi, score ujian siswa yang mengikuti pelatihan yaitu rata-rata
hitung sebesar 44,14 Median sebesar 55, Modus sebesar 55, Jangkauan
sebesar 40, Variansi sebesar 369,79 dan Standar Deviasi sebesar 19,22
Lab. Manajemen Dasar Materi Ukuran Statistik
Statistika 1 9 Litbang PTA 15/16
Untuk mencari nilai statistik data tersebut dengan menggunakan R-Commander,
berikut ini adalah langkah-langkahnya:
Tekan Icon R-Commander pada dekstop maka akan muncul tampil seperti
berikut :
1.1 Gambar Tampilan Software R-Commander
Pilih Menu Data, New Data Set. Masukan nama dari data set, lalu OK
1.2 Gambar New Data Set
Lab. Manajemen Dasar Materi Ukuran Statistik
Statistika 1 10 Litbang PTA 15/16
Masukan data nilai statistik. Untuk mengubah nama dan tipe variabel, dapat
dilakukan dengan cara double klik pada variabel yang ingin diubah pada var1.
Jika sudah selesai dalam pengisian data tekan tomboh (X) atau Close.
1.3 Gambar Data Editor
Jika sudah benar data yang diinput maka pilih Menu Statistics, lalu
Summaries, lalu pilih Active Data Set
1.4 Gambar Hasil Software R-Commander (Active Data Set)
Lab. Manajemen Dasar Materi Ukuran Statistik
Statistika 1 11 Litbang PTA 15/16
Lalu pilih menu Statistics, pilih Summarise, pilih Numerical Summarise.
Maka akan muncul tampilan berikut.
1.5 Gambar Hasil Software R-Commander (Numerical Summarise)
Lab. Manajemen Dasar Materi Ukuran Statistik
Statistika 1 12 Litbang PTA 15/16
2. Tentukanlah mean, modus, dan jangkauan dari data pada tabel dibawah
ini!
Dik : x1= 156 f1= 5
x2= 166 f2= 5
x3= 151 f3= 6
x4= 116 f4= 5
Dit : x̄, modus, median dan jangkauan
Jawab :
• x̄ =
= (156 x 5) + (166 x 5) + (151 x 6) + (116 x 5)
21
= 3096 = 147,43
21
• Modus = 151
• Median = 151
• Jangkauan = Xmax – Xmin = 166 – 116 = 50
• Analisis :
Jadi, dari data tersebut diperoleh mean = 147,43; modus 151 dan
jangkauan 50.
Untuk mencari nilai statistik data tersebut dengan menggunakan R-
Commander, berikut ini adalah langkah-langkahnya:
Tekan Icon R-Commander pada dekstop maka akan muncul tampil seperti
berikut :
Skor (x) 156 166 151 116
Frekuensi (f) 5 5 6 5
Lab. Manajemen Dasar Materi Ukuran Statistik
Statistika 1 13 Litbang PTA 15/16
1.6 Gambar Tampilan Software R-Commander
Pilih Menu Data, New Data Set. Masukan nama dari data set, lalu OK
1.7 Gambar New Data Set Contoh Soal 2
Lab. Manajemen Dasar Materi Ukuran Statistik
Statistika 1 14 Litbang PTA 15/16
Masukan data nilai statistik. Untuk mengubah nama dan tipe variabel, dapat
dilakukan dengan cara double klik pada variabel yang ingin diubah pada var1.
Jika sudah selesai dalam pengisian data tekan tomboh (X) atau Close.
1.8 Gambar Data Editor Contoh Soal 2
Jika sudah benar data yang diinput maka pilih Menu Statistics, lalu
Summaries, lalu pilih Active Data Set
Lab. Manajemen Dasar Materi Ukuran Statistik
Statistika 1 15 Litbang PTA 15/16
1.9 Gambar Output Software R-Commander Contoh Soal 2
Lab. Manajemen Dasar Materi Ukuran Statistik
Statistika 1 16 Litbang PTA 15/16
Soal Kuis
Lembaga Pelatihan Bahasa Korea “DaehanMinguk” memiliki 5 nilai dari ujian
yang diberikan kepada suatu kelas yaitu 65, 66, 66, 61, 66. Tentukanlah Mean,
Median, Modus, dan Range nya!
Dik : 61, 65, 66, 66, 66
Dit : X , Median, Modus, R ?
Jawab :
X = = = 64,8
Letak Median = = = 3, data ke-3 median = 66
Modus = 66
Range = - = 66 – 61 = 5
Analisis :
Jadi, nilai ujian siswa yang mengikuti pelatihan Bahasa Korea yaitu rata-rata
hitung sebesar 64,8 Median sebesar 66, Modus sebesar 66 dan Jangkauannya
sebesar 5.
1.10 Hasil Output Software R-Commander Soal Kuis
Lab. Manajemen Dasar Materi Distribusi Binomial
Statistika 1 17 Litbang PTA 15/16
MATERI 2
DISTRIBUSI BINOMIAL
1. Pendahuluan
Distribusi binomial merupakan distribusi probabilitas diskrit yang sering
terjadi. Distribusi ini mula-mula ditemukan oleh seorang ahli matematika
berkebangsaan Swiss bernama Jacob Bernoulli. oleh karena itu distribusi
binomial dikenal juga sebagai distribusi Bernoulli. Distribusi binomial dapat
digunakan apabila suatu proses sampling dapat diasumsikan sesuai dengan proses
Bernoulli. Proses Bernoulli adalah suatu proses probabilitas yang dapat dilakukan
berulang kali, misalnya :
Seorang petugas telemarketing berhasil membuat konsumen “membeli
produknya” atau “tidak membeli produknya”.
Sebuah produk diklasifikasikan “dapat diterima” atau “tidak dapat diterima”
oleh departemen kendali mutu.
Dari contoh petugas telemarketing di atas dapat diberikan suatu label
“berhasil” untuk membeli produknya dan label “gagal” untuk tidak membeli
produknya ataupun sebaliknya. Begitu juga dengan klasifikasi produk, kita dapat
memberi label “berhasil” untuk dapat diterima dan label “gagal” untuk tidak
dapat diterima ataupun sebaliknya. Akan tetapi pemberian label tersebut tidak
otomatis menyatakan bahwa satu hasil adalah baik dan yang lainnya tidak baik.
Ulangan-ulangan tersebut bersifat bebas dan peluang berhasil atau gagal setiap
ulangan memiliki probabilitas yang sama yaitu 50% atau ½. Distribusi binomial
memiliki sedikit kesamaan dengan distribusi poisson. Keduanya berusaha
mencari kemungkinan yang timbul dari suatu peristiwa/kejadian yang ada, namun
ada beberapa hal yang membedakan penggunaan kedua distribusi tersebut, yaitu:
Lab. Manajemen Dasar Materi Distribusi Binomial
Statistika 1 18 Litbang PTA 15/16
Distribusi binomial digunakan jika besarnya sampel (n) < 20 (kurang dari
20) dan nilai peluang berhasil dalam setiap ulangan (p) > 0.05.
Distribusi poisson digunakan jika besarnya sampel (n) ≥ 20 (lebih dari 20
atau sama dengan 20) dan nilai peluang berhasil dalam setiap ulangan (p) ≤
0.05 (kurang dari 0.05 atau sama dengan 0.05).
Adapun ciri-ciri atau karakteristik distribusi binomial adalah sebagai berikut :
a) Percobaan diulang sebanyak n kali
b) Hasil setiap ulangan dapat dikategorikan dalam 2 kelas, dimisalkan
“berhasil” atau “gagal”
“ya” atau “tidak”
“success” atau “failed”
c) Peluang berhasil atau sukses disimbolkan dengan p dan dalam setiap ulangan
nilai p tetap, dimana p = 1 - q sedangkan peluang gagal dinyatakan dengan q
dimana q = 1 – p sehingga p + q = 1
d) Banyaknya keberhasilan dalam peubah acak disimbolkan dengan x
e) Setiap ulangan bersifat bebas (independent) satu dengan lainnya.
Catatan :
Untuk memberikan kemudahan dalam membedakan antara nilai p dan nilai q,
terlebih dahulu harus ditetapkan yang mana yang merupakan kejadian yang
dapat dikategorikan “success atau berhasil” dan yang mana kejadian yang
dapat dikategorikan “failed atau gagal”. Perlu diingat bahwa kejadian yang
menjadi pertanyaan ataupun ditanyakan dari suatu permasalahan bisa
dikategorikan sebagai kejadian “success atau berhasil”. Dengan demikian
kejadian yang menjadi pertanyaan dari suatu permasalahan dapat disimbolkan
dengan p.
Selain itu perlu diperhatikan juga penggunaan simbol yang tepat misalnya :
Kurang dari disimbolkan dengan ( < )
Lebih dari disimbolkan dengan ( > )
Paling banyak disimbolkan dengan ( ≤ )
Lab. Manajemen Dasar Materi Distribusi Binomial
Statistika 1 19 Litbang PTA 15/16
Paling sedikit disimbolkan dengan ( ≥ )
Kurang dari sama dengan disimbolkan dengan ( ≤ )
Lebih dari sama dengan disimbolkan dengan ( ≥ )
2. Tujuan Praktikum Binomial
Tujuan dari praktikum materi distribusi binomial ini adalah untuk membantu
praktikan dalam menghitung dan mengkoreksi jawaban nilai probabilitas
(peluang) dari suatu peristiwa binomial (peristiwa dengan jumlah sampel n<20
dan nilai peluang berhasil p>0.05) dengan menggunakan software Rcommander.
a. Rumus Umum Distribusi Binomial
Sebelum kepada contoh soal, berikut adalah rumus umum dari distribusi
binomial :
2.1 Rumus Distribusi Binomial
b (x;n,p) = nCX
Dimana :
x = banyaknya keberhasilan dalam peubah acak x
n = banyaknya kejadian berulang
p = peluang berhasil dalam setiap ulangan dimana p = 1 - q
q = peluang gagal dimana q = 1 – p
Adapun rumus dari Kombinasi:
Dimana :
C = Kombinasi
2.2 Rumus Kombinasi
n C x = n!
( n – x ) ! x !
Lab. Manajemen Dasar Materi Distribusi Binomial
Statistika 1 20 Litbang PTA 15/16
n = Banyaknya kejadian berulang
x = banyaknya keberhasilan dalam peubah acak x
3. Contoh Soal
1. Berdasarkan data yang diperoleh oleh Desa SUKA TANI, diketahui 65%
warganya sudah berpenghasilan cukup, sedangkan sisanya masih belum
berpenghasilan cukup. Apabila ditanyakan kepada 11 orang warganya,
berapa sekurang-kurangnya ada 5 orang yang berpenghasilan cukup?
Diketahui :
p = 65% = 0,65
q = 1 – 0,65 = 0,35
n = 11
x = 5, 6, 7, 8, 9, 10, 11
Ditanyakan : P (x ≥ 5)
Jawab :
Jumlah sample 11, berarti anggotanya 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11
Karena (x ≥ 5), jadi nilai x nya adalah 5, 6, 7, 8, 9, 10, 11
{(x=5) + (x=6) + ...... + (x=11)}, atau (1-{(x=0) + (x=1) + ...... +
(x=4)})
B (x;n;p) = nCx px qn-x
b(0;11;0,65) = 11C0 (0,65)0 (0,35)11-0
= 1 (1) (0,000009655)
= 0,000009654915737
b(1;11;0,65) = 11C1 (0,65)1 (0,35)11-1
= 11 (0,65) (0,00002759)
= 0,000197233
b(2;11;0,65) = 11C2 (0,65)2 (0,35)11-2
= 55 (0,4225) (0,000078816)
= 0,00183147
b(3;11;0,65) = 11C3 (0,65)3 (0,35)11-3
Lab. Manajemen Dasar Materi Distribusi Binomial
Statistika 1 21 Litbang PTA 15/16
= 165 (0,2746) (0,0002252)
= 0,010203586
b(4;11;0,65) = 11C4 (0,65)4 (0,35)11-4
= 330 (0,1785) (0,000643393)
= 0,037899062
( x ≥ 4 ) = (1-{(x=0) + (x=1) + ...... + (x=4)})
= 1 –{0,000009654915737+0,000197233+ 0,00183147+
0,010203586+ 0,037899062}
= 1 – 0.050141005
= 0,949857394
= 94,9857%
Analisis :
Jadi, nilai probabilitas sekurang-kurangnya ada 4 orang yang
berpenghasilan cukup adalah sebesar 94,99 %
Untuk mencari nilai statistik data tersebut dengan menggunakan R-
Commander, berikut adalah langkah-langkahnya :
Tekan R-Commander pada dekstop, kemudian akan muncul tampilan
seperti dibawah ini :
Lab. Manajemen Dasar Materi Distribusi Binomial
Statistika 1 22 Litbang PTA 15/16
2.1 Gambar Tampilan Software R-Commander
Pilih menu Distribution >> Discrete distribution >> Binomial
distribution >> Binomial tail probabilities
Input angka sesuai dengan soal
Variable value (s) = 4
Binomial trial = 11 (sebagai nilai n)
Probabilities of success = 0,65 (sebagai peluang berhasil)
Setelah itu pilih Upper tail, kemudian klik OK
Lab. Manajemen Dasar Materi Distribusi Binomial
Statistika 1 23 Litbang PTA 15/16
2.2 Gambar Cumulative Binomial Probabilities
Pada output windows akan muncul nilai probabilitas sekurang-kurangnya
ada 5 orang yang belum berpenghasilan cukup adalah sebesar 94,99%
2.3 Gambar Output Software Distribusi Binomial
Lab. Manajemen Dasar Materi Distribusi Binomial
Statistika 1 24 Litbang PTA 15/16
2. Tuan Sandy adalah seorang pemilik toko jersey INI BOLA. Ia melakukan
penelitian jersey manakah yang lebih banyak diminati oleh pelanggan di
tokonya. Dari hasil penelitian tersebut diketahui bahwa 16% pelanggannya
menyukai jersey Chealsea, dan sisanya menyukai jersey Barcelona.
Apabila ditanyakan kepada 15 orang pelanggan, berapakah probabilitas
paling banyak 1 orang yang menyukai jersey Chealsea?
Diketahui :
p = 16% = 0,16
q = 1-0,16 = 0,84
x = 0 dan 1
n = 15
Ditanyakan : P (x ≤ 1)
Jawab :
Jumlah sample 15, anggotanya 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14,
15
Karena (x ≤ 1) jadi nilai x nya adalah 0 dan 1
{(x=0 + (x=1)} atau (1-{(x=2) + (x=3) + ......+ (x=15)})
b(x;n,p) = nCx px qn-x
b(0;15,0,16) = 15C0 (0,16)0 (0,84)15-0
= 1 (1) (0,07314578261)
= 0,07314578261
b(1;15,0,16) = 15C1 (0,16)1 (0,84)15-1
= 15 (0,16) (0,08707831263)
= 0,2089879503
( x ≤ 1 ) = {(x=0) + (x=1)}
= 0,07314578261 + 0,2089879503
= 0,282133773291
= 28,21%
Analisis :
Lab. Manajemen Dasar Materi Distribusi Binomial
Statistika 1 25 Litbang PTA 15/16
Jadi, nilai probabilitas paling banyak ada 1 orang yang membeli jersey
chealsea adalah sebesar 28,21%
Langkah penyelesaian soal pada R-Commander adalah sebagai berikut :
Tekan icon R-Commander pada dekstop, kemudian akan muncul
tampilan software
Pilih menu Distribution >> Discrete distribution >> Binomial
distribution >> binomial tail probabilities
Input angka sesuai soal
Variable value (s) = 1 (sebagai nilai x)
Binomial trial = 15 (sebagai nilai n)
Probabilities of success = 0,16 (sebagai peluang berhasil)
Lalu klik lower tail, kemudian klik OK
2.4 Gambar Cumulative Binomial Probabilities Contoh Soal 2
Pada output windows akan muncul nilai probabilities paling banyak
ada 1 orang pembeli yang membeli jersey chealsea adalah sebesar
28,21%
Lab. Manajemen Dasar Materi Distribusi Binomial
Statistika 1 26 Litbang PTA 15/16
2.5 Gambar Output Software Distribusi Binomial Contoh Soal 2
3. Dilakukan penelitian di kelas 2EA01 tentang mahasiswa menggunakan
provider XXL dam IM2. Dari penelitian tersebut dihasilkan 55% mahasiswa
lebih memlih provider XXL, sedangkan sisanya menggunakan IM2. Apabila
ditanyakan kepada 16 orang mahasiswa. Berapakah probabilitas ada 1
sampai 5 orang mahasiswa yang menggunakan XXL sebagai providernya ?
Diketahui :
p = 55% = 0,55
Lab. Manajemen Dasar Materi Distribusi Binomial
Statistika 1 27 Litbang PTA 15/16
q = 1 – 0,55 = 0,45
n = 16
x = 1, 2, 3, 4, 5
Ditanya : P (1 ≤ x ≤ 5)
Jawab :
Jumlah sampel 16, berarti anggota 1 – 16 karena (1 ≤ x ≤ 4) jadi nilai x nya
1 – 5
{(x = 1) + (x = 2) + ... + (x = 5)}
b (x ; n , p) = nCx px qn-x
b (1 ; 16 , 0,55) = 16C1 p1 q16-1
= 16C1 (0,55)1 (0,45)15
= 16 (0,55) (0,000006283298709)
= 0,00002488186289
b (2 ; 16 , 0,55) = 16C2 (0,55)2 (0,45)16-2
= 105 (0,3025) (0,00001396288602)
= 0,00044961672
b (3 ; 16 , 0,55) = 16C3 (0,55)3 (0,45)16-3
= 560 (0,166375) (0,0000310286356)
= 0,002890937979
b (4 ; 16 ; 0,55) = 16C4 (0,55)4 (0,45)16-4
= 1820 (0,091506675) (0,00006895252355)
= 0,01148344808
b (5 ; 16 ; 0,55) = 16C5 (0,55)5 (0,45)16-5
= 4368 (0,0503284375) (0,0001532278301)
= 0,03368478104
P (1≤ x ≤ 5) = {(x=1) + (x=2) + (x=3) + (x=4) + (x=5)}
= 0,00002488186289 + 0,00044961672 +
0,002890937979 + 0,01148344808 +0,03368478104
= 0,04852754513
= 4,85%
Lab. Manajemen Dasar Materi Distribusi Binomial
Statistika 1 28 Litbang PTA 15/16
Analisis :
Jadi probabilitas ada 1 sampai 5 orang mahasiswa yang menggunakan XXL
sebagai providernya adalah 4,85%
Untuk mencari nilai statistik data tersebut dengan menggunakan R-
Commander, berikut adalah langkah-langkahnya :
Tekan icon R-Commander pada dekstop, kemudian akan muncul
tampilan software. Perintah mencari probabilitas binomial pada script
window adalah sum(dbinom(x,n,p)). Maka tuliskan pada script window
sum(dbinom(1:5,16,0,55) )
2.6 Gambar Script Window Contoh Soal 3
Lab. Manajemen Dasar Materi Distribusi Binomial
Statistika 1 29 Litbang PTA 15/16
Block semua yang ada pada window scrip window, lalu klik submit. Maka
pada output window akan muncul probabilitas ada 1 sampai 5 orang
mahasiswa yang menggunakan XXL sebagai provider adalah sebesar
4,85%
2.7 Gambar Output Software Contoh Soal 3
4. Dilakukan penelitian di 2EA01 sebanyak 15 orang, 65% mahasiswa yang
memilih ketua kelas karena sosok dan prestasinya, sedangakan sisanya
memilih karena penampilannya. Berapakah probabilitas ada 6 orang yang
memilih ketua kelas karena sosok dan prestasinya ?
Diketahui :
Lab. Manajemen Dasar Materi Distribusi Binomial
Statistika 1 30 Litbang PTA 15/16
p = 65% = 0,65
q = 1-0,65 = 0,35
n = 15
x = 6
Ditanya : P (x=6) ?
Jawab :
Jumlah sample 15, berarti anggotanya 0-15 karena (x=6) jadi nilai x hanya
6
b (x ; n ; p) = nCx px qn-x
b (6 ; 15 ; 0,65) = 15C6 (0,65)6 (0,35)15-6
= 5005 (0,07541889063) (0,00007881563867)
= 0,0297506611
= 2,975%
Analisis :
Jadi, probabilitas ada 6 orang yang memilih ketua kelas karena sosok dan
prestasinya adalah 2,975%.
Untuk mencari nilai statistik data tersebut dengan menggunakan R-Commander,
berikut adalah langkah-langkahnya :
Tekan R-Commander pada dekstop, kemudian akan muncul tampilan
software. Pilih menu Distribution >> Discrete distribution >> Binomial
distribution >> Binomial probabilities
Input angka sesuai dengan soal :
Binomial trial = 15 (sebagai nilai n)
Probabilities of success = 0,65 (sebagai peluang berhasil)
Kemudian klik OK
Lab. Manajemen Dasar Materi Distribusi Binomial
Statistika 1 31 Litbang PTA 15/16
2.8 Gambar Binomial Probabilities Contoh Soal 4
Pada output window akan muncul nilai probabilitas ada 6 yang memilih
ketua kelas karena sosok dan prestasinya adalah sebesar 2,975 %. (karena
yang ditanyakan nilai probabilitas 6 orang pemilih, maka yang dilihat pada
output window hanya nilai probabilitas pada angka 6 saja)
2.9 Gambar Output Software Distribusi Binomial Contoh Soal 4
Lab. Manajemen Dasar Materi Distribusi Binomial
Statistika 1 32 Litbang PTA 15/16
Soal Kuis
Nopa manajer Rowes Industries ingin meneliti materi apa yang diminati oleh
mahasiswa, keuangan atau pemasaran. Dari hasil penelitiannya diketahui
bahwa 65% mahasiswa menyukai keuangan. Apabila ditanyakan kepada 15
orang berapakah probabilitas kurang dari 5 orang yang menyukai keuangan ?
Diketahui:
p = 0,65
q = 1 – p
= 1 – 0,65 = 0,35
x = 0,1,2,3,4
n = 15
Ditanya : P (x < 5) = ?
Jawab:
b (x;n,p) = nCx px qn-x
b (0;15,0.65) = 14C0 0,650 0,3514-0
= (1) (1) (0.00000144)
= 0.00000144
b (1;15,0.65) = 15C1 0,651 0,3515-1
= (15) (0.65) (0.00000413)
= 0.00000413
b (2;15,0.65) = 15C2 0,652 0,3515-2
= (105) (0.4225) (0.000000118)
= 0.000052468
b (3;15,0.65) = 15C3 0,653 0,3515-3
= (455) (0.274625) (0.00003)
= 0.0004222
b (4;15,0.65) = 15C4 0,654 0,3515-3
= (1356) (0.1785) (0.000009)
= 0.002352
Jadi : P(x<5) = 0.00000144 + 0.00000413 + 0.000052468 + 0.0004222 +
0.002352
Lab. Manajemen Dasar Materi Distribusi Binomial
Statistika 1 33 Litbang PTA 15/16
= 0.002831425
= 0,2831%
Analisis :
Jadi probabilitas kurang dari 5 orang yang menyukai mata kuliah keuangan
adalah 0,28%
2.10 Gambar Output Software Distribusi Binomial Soal Kuis
Lab. Manajemen Dasar Materi Distribusi Poisson
Statistika 1 34 Litbang PTA 15/16
MATERI 3
DISTRIBUSI POISSON
1. Pendahuluan
Distribusi poisson diberi nama sesuai dengan penemunya yaitu Siemon
D.Poisson. Distribusi ini merupakan distribusi probabilitas untuk variable diskrit
acak yang mempunyai nilai 0, 1, 2, 3 dan seterusnya. Suatu bentuk dari distribusi
ini adalah rumus pendekatan peluang poisson untuk peluang binomial yang dapat
digunakan untuk pendekatan probabilitas binomial dalam situasi tertentu.
Rumus poisson dapat digunakan untuk menghitung probabilitas dari jumlah
kedatangan, misalnya probabilitas jumlah kedatangan nasabah pada suatu bank
pada jam kantor. Distribusi poisson ini digunakan untuk menghitung probabilitas
menurut satuan waktu.
2. Rumus Pendekatan Peluang Poisson untuk Binomial
Pendekatan peluang poisson untuk peluang binomial dilakukan untuk
mendekatkan probabilitas dari kelas sukses (x) dari n percobaan binomial dalam
situasi dimana n sangat besar dan probabilitas kelas sukses (p) sangat kecil.
Aturan yang diikuti oleh kebanyakan ahli statistika adalah bahwa n cukup
besardan p cukup kecil, yaitu jika :
p > 20 dan n < 0,05
Untuk menghitung probabilitas suatu peristiwa yang berdistribusi poisson
digunakan rumus sebagai berikut :
3.1 Rumus Pendekatan Peluang Poisson untuk Binomial
Dimana : e = 2.71828 p = probabilitas kelas sukses
μ = rata –rata keberhasilan = n .p
n = Jumlah / ukuran populasi
x = Banyaknya unsur berhasil dalam sampel
Lab. Manajemen Dasar Materi Distribusi Poisson
Statistika 1 35 Litbang PTA 15/16
3. Rumus Proses Poisson
Distribusi poisson dalam konteks yang lebih luas dari pada rumus pertama
tadi. Sebagai ilustrasi, misalkan pada hari Senin ini adalah jam kerja yang sibuk
pada suatu bank, dan kita tertarik oleh jumlah nasabah yang mungkin datang
selama jam kerja tersebut, dengan ketertarikan kita sebenarnya terletak pada
interval waktu dan jumlah kedatangan dalam interval waktu jika proses
kedatangannya mempunyai karakteristik sebagai berikut :
A. Tingkat kedatangan rata-rata setiap unit waktu adalah konstant. Dalam
ilustrasi tadi dapat berarti bahwa jika tingkat kedatangan rata–rata untuk
periode jam adalah, misalkan 72 kedatangan setiap jam, maka tingkat ini
melambangkan interval waktu pada jam kerja tadi : yaitu tingkat yang
dapat dirubah kepada rata–rata yaitu 36 kedatangan setiap ½ jam atau 1,2
kedatangan setiap menit.
B. Jumlah kedatangan pada interval waktu tidak bergantung pada apa yang
terjadi di interval waktu yang sudah lewat. Dalam ilustrasi tadi, dapat
berarti bahwa kesempatan dari sebuah kedatangan di menit berikutnya
adalah sama.
C. Tidak memiliki kesamaan bahwa akan lebih dari satu kedatangan dalam
interval pendek, semakin pendek interval, semakin mendekati nol adalah
probabilitas yang lebih dari satu kedatangan. Dalam ilustrasi tadi, bias
berarti bahwa adalah tidak mungkin untuk lebih dari satu nasabah yang
dapat melewati jalan masuk dalam waktu satu detik.
Untuk menghitung terjadinya suatu kedatangan yang mengikuti proses poisson
digunakan rumus sebagai berikut:
3.2 Rumus Proses Poisson
Lab. Manajemen Dasar Materi Distribusi Poisson
Statistika 1 36 Litbang PTA 15/16
Dimana : λ = Tingkat rata–rata kedatangan tiap unit waktu
t = Jumlah unit waktu
x = Jumlah kedatangan dalam t unit waktu
4. Ciri-ciri Distribusi Poisson
Ada beberapa ciri untuk menentukan apakah data tersebut termasuk dalam
kriteria Distribusi Poisson atau tidak (Walpole, 1995). Adapun ciri-ciri tersebut
adalah :
A. Banyaknya hasil percobaan yang terjadi dalam suatu interval waktu atau
suatu daerah tertentu tidak bergantung pada banyaknya hasil percobaan
yang terjadi pada interval waktu atau daerah lain yang terpisah.
B. Probabilitas terjadinya hasil percobaan selama suatu interval waktu yang
singkat atau dalam suatu daerah yang kecil, sebanding dengan panjang
interval waktu atau besarnya daerah tersebut dan tidak bergantung pada
banyaknya hasil percobaan yang terjadi di luar interval waktu atau daerah
tersebut.
5. Contoh Soal :
1. Jika rata-rata kedatangan bus tujuan bekasi adalah 11 bus per jam.
Brapakah probabilitas dalam interval waktu 51 menit dan ada 6 bus yang
akan datang. Gunakanlah proses poisson!
Diketahui :
Ditanya : P untuk x = 6 ?
Dijawab :
Lab. Manajemen Dasar Materi Distribusi Poisson
Statistika 1 37 Litbang PTA 15/16
(8%)
Analisis :
Jadi besarnya probabilitas dalam interval waktu 51 menit dan ada 6 orang
yang akan datang adalah 0,08 atau 8 %.
2. SMA LAMADA memiliki klub basket yang akan mengikuti perlombaan.
Klub ini memiliki 56 pemain. Pelatih klub ini memperkirakan akan ada
1% dari jumlah pemain yang tidak ikut lomba karena jarang latihan, maka
berapakah probabilitas 5 pemain yang yang tidak ikut lomba?
Diketahui : n =56 P = 1% = 0.01
Ditanya : P untuk x = 5 ?
Dijawab :
𝜇 = n . p = 56 . 0.01 = 0.56
P ( x ; 𝜇 ) = ( e–𝜇. 𝜇x ) / x !
P (5 ; 0.56 ) = ( 2.71828-0.56 . 0.565 ) / 5 !
= 0.0002621525 = 0.026%
Analisis :
Jadi, probabilitas 5 pemain yang tidak ikut lomba adalah 0.0002621525
atau 0.026%.
Lab. Manajemen Dasar Materi Distribusi Poisson
Statistika 1 38 Litbang PTA 15/16
Untuk menyelesaikan persoalan distribusi poisson, dapat digunakan program R-
Commander. Langkah-langkah adalah sebagai berikut :
Tekan icon R Commander pada desktop, kemudian akan muncul tampilan
seperti gambar berikut :
3.1 Gambar Tampilan Software R-Commander
Tuliskan pada Script window dpois (5,0.56). Angka 5 menunjukan nilai x dan
angka 0.56 menunjukan nilai μ yang didapat dari perkalian n * p (56 *0.01).
kemudian tekan tombol Submit.
Lab. Manajemen Dasar Materi Distribusi Poisson
Statistika 1 39 Litbang PTA 15/16
3.2 Gambar Script Window Contoh Soal 1
Maka probabilitas 5 pemain yang tidak ikut lomba adalah = 0.0002621525
jika ditanyakan dalam bentuk prosentase (%) maka jawabannya adalah
0.026%.
Atau cara lain, tekan icon R commander, pilih menu Distributions, discrete
distribution > poisson distribution > poisson probabilities.
Lab. Manajemen Dasar Materi Distribusi Poisson
Statistika 1 40 Litbang PTA 15/16
3.3 Gambar Tampilan Software R-Commander (Poisson Probabilities)
Kemudian masukan mean = 0.56 (didapatdari n * p ) = 56 * 0.01
3.4 Gambar Poisson Probabilities
Lab. Manajemen Dasar Materi Distribusi Poisson
Statistika 1 41 Litbang PTA 15/16
Lihat kolom paling kiri x = 5 yaitu 0.0003 atau sama dengan 0.03%. (cara ini
terdapat sedikit perbedaan hasil karena yang diambil dibelakang koma hanya 4
angka)
3.5 Gambar Output Poisson Probabilities
Lab. Manajemen Dasar Materi Distribusi Poisson
Statistika 1 42 Litbang PTA 15/16
3. Tempat kerajinan tangan MADAS ART mampu menghasilkan 156
produk setiap harinya. Tempat kerajinan tangan ini memperkirakan 1%
diantara produk yang dihasilkan tidak sesuai dengan standar. Maka
berapakah probabilitas paling banyak 5 produk yang tidak sesuai standar?
Diketahui :
n = 156 p = 1% = 0.01
Ditanyakan :
p untuk x ≤ 5 ?
Jawab :
μ = n .p = 156 . 0.01= 1,56
P (x ; μ) = (e-μ . μx ) / x!
P (x ≤ 5 ;1,56) = P (0 ; 1,56) + P (1 ; 1,56) +P (2 ; 1,56) +
P (3 ;1,56) +P (4 ; 1,56) + P (5 ;1,56)
= 0.9946359atau99,46%
Analisis :
Jadi, peluang produk paling banyak 5 produk yang tidak sesuai standar
adalah 0.9946359 atau 99,46% .
Untuk menyelesaikan persoalan distribusi poisson, dapat digunakan program R.
Langkah-langkah adalah sebagai berikut :
Tekan icon R Commander pada desktop, kemudian akan muncul tampilan
seperti gambar berikut :
Lab. Manajemen Dasar Materi Distribusi Poisson
Statistika 1 43 Litbang PTA 15/16
3.6 Tampilan Software R-Commander
Kemudian pilih menu Distributions, discrete distribution, poisson tail
probabilities.
Lab. Manajemen Dasar Materi Distribusi Poisson
Statistika 1 44 Litbang PTA 15/16
3.7 Gambar Software R-Commander Poisson Tail Probabilites
Kemudian masukan variabel value (s) sebesar 5 (didapat dari nilai x) dan
mean sebesar 1,56 (didapat dari nilai µ).
3.8 Gambar Poisson Probabilities
Lab. Manajemen Dasar Materi Distribusi Poisson
Statistika 1 45 Litbang PTA 15/16
Maka dari P(5 ; 1,56) adalah 0,9946359 atau 99,46%.
3.9 Gambar Output Software R-Commander Contoh Soal 3
4. Dalam perjalanan tujuan Jakarta - Surabaya terdapat 555 orang
penumpang yang menaiki pesawat Yellow Air. Pihak bandara
memperkirakan terdapat 1% dari penumpang tersebut yang tidak ikut
Lab. Manajemen Dasar Materi Distribusi Poisson
Statistika 1 46 Litbang PTA 15/16
dalam keberangkatan. Hitunglah probabilitas lebih dari 5 orang yang tidak
ikut dalam keberangkatan, analisislah!
Diketahui :
n = 555 p = 1% = 0.01
Ditanya :
P untuk x >5 ?
Dijawab :
𝜇 = n . p = 555 . 0.01 = 5.55
P (x ;𝜇) = (e-𝜇 . 𝜇x) / x !
P (x > 5 ; 5.55) = 1 - P (x ≤ 5 ; 5.55)
= 1 - 0.52036 = 0.47964 atau 47.96%
Analisis :
Jadi, peluang penumpang lebih dari 5 orang yang tidak ikut dalam
keberangkatan adalah 0.4796313 atau 47.96%.
Untuk menyelesaikan persoalan distribusi poisson, dapat digunakan program R.
Langkah-langkah adalah sebagai berikut :
Tekan icon R Commander pada desktop, kemudian akan muncul tampilan
seperti gambar berikut :
Lab. Manajemen Dasar Materi Distribusi Poisson
Statistika 1 47 Litbang PTA 15/16
3.10 Gambar Tampilan Software R-Commander
Kemudian pilih menu Distributions, discrete distribution, poisson tail
probabilities.
Lab. Manajemen Dasar Materi Distribusi Poisson
Statistika 1 48 Litbang PTA 15/16
3.11 Tampilan Software R-Commander Poisson Distribution
Kemudian masukan variabel value (s) sebesar 5 (didapat dari nilai x) dan
mean sebesar 5,55 (didapat dari nilai µ), kemudian tandai Upper tail karena x
≤ 5.
3.12 Gambar Poisson Probabilities Contoh Soal 4
Lab. Manajemen Dasar Materi Distribusi Poisson
Statistika 1 49 Litbang PTA 15/16
Maka dari P(5 ; 5,55) adalah 0,4796313 atau 47,96%.
3.13 Gambar Output Software R-Commander Contoh Soal 4
Lab. Manajemen Dasar Materi Distribusi Poisson
Statistika 1 50 Litbang PTA 15/16
Soal Kuis
Perusahaan APLAMANDA merupakan suatu perusahaan tekstil. Perusahaan ini
memiliki 66 pekerja. Pihak manajer memperkirakan akan ada 1% dari jumlah
pekerja yang akan diPHK tahun ini, maka berapakah probabilitas 5 pekerja
yang akan diPHK tahun ini?
Diketahui :
n = 66 P = 1% = 0.01
Ditanya :
P untuk x = 5 ?
Dijawab :
𝜇 = n . p = 66 . 0.01 = 0.66
P ( x ; 𝜇 ) = ( e–𝜇. 𝜇x ) / x !
P (5 ; 0.66 ) = ( 2.71828-0.66. 0.665 ) / 5 !
= 0.0005393= 0.05%
Analisis :
Jadi, probabilitas 5 pekerja yang akan diPHK tahun ini adalah 0.0005393 atau
0.05%
3.14 Gambar Output Software Soal Kuis
Lab. Manajemen Dasar Materi Distribusi Normal
Statistika 1 51 Litbang PTA 15/16
MATERI 4
DISTRIBUSI NORMAL
1. Pendahuluan
Distribusi normal merupakan salah satu dari distribusi variable random
kontinyu. Distribusi normal digunakan untuk mencari probabilitas yang telah
diketahui rata-rata ( μ ) dan standar deviasinya ( σ ). Selain variabel random
kontinyu, ada juga yang dinamakan variabel random diskrit. Variabel random itu
sendiri merupakan besaran yang nilainya berubah-ubah tanpa kontrol pelaku
observasi atau pelaku ekperimen. Misalnya tingkat penjualan suatu produk
merupakan variabel random karena kita tidak bisa menentukan berapa tingkat
penjualan di masa yang akan datang. Semua tergantung pada permintaan pasar.
Seperti yang sudah di bahas di awal, variabel random bisa berbentuk diskrit
dan kontinyu. Disebut diskrit jika nilai-nilai variabelnya hanya berupa bilangan
utuh atau bilangan bulat, misalnya jumlah pengunjung di Bioskop dalam satu hari
adalah variabel diskrit karena tidak mungkin pengunjung Bioskop tersebut berupa
bilangan pecahan, misalnya 21,9 orang. Sebaliknya variabel random kontinyu
adalah variabel yang menampung semua nilai baik utuh/ bilangan bulat maupun
angka pecahan, misalnya tinggi badan siswa kelas 6 SD bisa saja terjadi bahwa
tinggi badannya 165,7 cm. Untuk mempermudah , biasanya variabel random
diskrit berhubungan dengan proses perhitungan, sedangkan variabel random
kontinyu biasanya berhubungan dengan pengukuran.
2. Definisi dan Konsep Dasar
Distibusi normal disebut juga distribusi Gauss diambil dari nama penemunya
yaitu Carl Friedich Gauss , seorang ahli matematika yang banyak memberikan
andil pada pengembangannya di awal abad ke-19. Kata “normal” disini tidak
diartikan sebagai kata-kata dalam bahasa inggris “normal” yang berarti “ordinary”
atau “common” dan tidak juga seperti terminology kedokteran sebagai “tidak
sakit”, namun merupakan suatu model matematik yang menggambarkan
penyebaran probabilitas dari pengamatan yang tidak terbatas dan diukur terus
menerus.
Lab. Manajemen Dasar Materi Distribusi Normal
Statistika 1 52 Litbang PTA 15/16
Distribusi normal dapat juga dikatakan sebagai distribusi teoritis, sehingga
distribusi peluang lainnya dapat lebih mudah dihampiri distribusi normal ini. Hal
tersebutlah yang menyebabkan distribusi normal banyak digunakan oleh para
pengguna statistik untuk pemecahan soal. Banyaknya kejadian yang terdistribusi
normal, tanda =, ≥ , dan ≤ diabaikan, jadi hanya ada tanda > dan <. Perhitungan
probabilitas suatu sampel yang diambil, didapat dengan cara melakukan
transformasi nilai-nilai pengukuran ke dalam bentuk bakunya ( nilai Z ).
Distribusi normal ini memiliki ciri yaitu n ≥ 30 dan n,p ≥ 5.
3. Bentuk Umum dan Rumus
4.1 Rumus Distribusi Normal
Dimana :
Z = Nilai Hitung
X = Rata-rata Sampel
µ = Rata-rata Populasi
σ = Standar Deviasi
4. Kurva Distribusi Normal
Kurva Normal
Kurva normal berbentuk seperti lonceng, maka dari itu sering disebut
kurva lonceng, yang berarti simetris di kanan dan di kiti dari “mean” (µ).
Mencari luas daerah pada suatu kurva normal menggunakan tabel :
Lab. Manajemen Dasar Materi Distribusi Normal
Statistika 1 53 Litbang PTA 15/16
P ( 0 ≤ Z ≤ a ) = Nilai Tabel a
P ( Z ≥ a ) = 0.5 – Nilai Tabel a
P ( Z ≥ -a ) = 0,5 + Nilai Tabel (-a)
P ( Z ≤ a ) = Nilai Tabel a + 0,5
P ( ≤ Z ≤ ) = Nilai Tabel - Nilai Tabel
Lab. Manajemen Dasar Materi Distribusi Normal
Statistika 1 54 Litbang PTA 15/16
P (- ≤ Z ≤ ) = Nilai Tabel + Nilai Tabel
5. Contoh Soal
1. Diketahui bahwa rata-rata pendaki Gunung Bromo mencapai 11.155 orang
per hari dengan standar deviasi 15 per hari. Jika jumlah pendaki tersebut
terdistribusi normal, berapakah probabilitas dari pendaki Gunung Bromo
kurang dari 11.111 orang? Analisislah!
Diketahui :
µ = 11.155
σ = 15
X = 11.111
Ditanya :
P (X < 11.111)?
Jawab :
Z =
= = -2,93
Z tabel = 0,4983
Lab. Manajemen Dasar Materi Distribusi Normal
Statistika 1 55 Litbang PTA 15/16
0,5 – 0,4983 = 0,0017
Analisis :
Jadi, probabilitas pendaki Gunung Bromo kurang dari 11.111 orang
adalah 0,17%
Untuk menyelesaikan persoalan distribusi normal, dapat digunakan program R.
Langkah-langkahnya adalah sebagai berikut :
Tekan R Commander pada Desktop, kemudian akan muncul tampilan seperti
gambar berikut :
4.1 Gambar Tampilan Software R-Commander
1)
2)
3)
4)
5)
6)
Lab. Manajemen Dasar Materi Distribusi Normal
Statistika 1 56 Litbang PTA 15/16
Pilih Distributions, Continous Distributions, Normal Distributions, Normal
Probabilities
4.2 Gambar Tampilan Software Normal Probabilities
Maka akan muncul kotak dialog Normal Probabilitas. Input Variable Value =
11.111. input nilai mean = 11.155. Input nilai Standar Deviation= 15. Pilih
lower tail (karena P(X < 11.111) atau kurang dari selalu menggunakan lower
tail). Kemudian tekan OK.
4.3 Tampilan Normal Probabilities
Lab. Manajemen Dasar Materi Distribusi Normal
Statistika 1 57 Litbang PTA 15/16
Maka pada output window diperoleh P(x < 11.111) = 0,0018 (hasil tidak sama
persis dengan manual dikarenakan perbedaan jumlah angka dibelakang koma
yang diambil)
4.4 Gambar Output Software R-Commander
2. Diketahui bahwa rata-rata kedatangan nasabah bank Restu dalam suatu
counter adalah 516 nasabah per hari dengan stadar deviasi 155 per hari.
Jika jumlah nasabah tersebut terdistribusi normal, berapakah probabilitas
dari kedatangan nasabah lebih dari 615 nasabah? Analisislah!
Diketahui :
µ = 516
Lab. Manajemen Dasar Materi Distribusi Normal
Statistika 1 58 Litbang PTA 15/16
σ = 155
X = 615
Ditanya :
P (X > 615)?
Jawab :
Z = = = 0,64
Z tabel = 0,2389
0,5 – 0,2389 = 0,2611
Analisis :
Jadi, probabilitas kedatangan tiap nasabah Bank Restu lebih dari 615
nasabah adalah 0,2611 atau 26,11%
Untuk menyelesaikan persoalan distribusi normal, dapat digunakan program R.
Langkah-langkahnya adalah sebagai berikut :
Tekan R Commander pada Desktop, kemudian akan muncul tampilan seperti
gambar berikut :
516 615
0,2389 0,2611
Lab. Manajemen Dasar Materi Distribusi Normal
Statistika 1 59 Litbang PTA 15/16
4.5 Gambar Software R-Commander
Pilih Distributions, Continous Distributions, Normal Distributions, Normal
Probabilities
Lab. Manajemen Dasar Materi Distribusi Normal
Statistika 1 60 Litbang PTA 15/16
4.6 Gambar Software R-Commander Normal Probabilities
Maka akan muncul kotak dialog Normal Probabilitas. Input Variable Value =
615. input nilai mean = 516. Input nilai Standar Deviation= 155. Pilih lower
tail (karena P(X > 615) atau lebih dari selalu menggunakan upper tail).
Kemudian tekan OK.
4.7 Gambar Normal Probabilities Contoh Soal 2
Lab. Manajemen Dasar Materi Distribusi Normal
Statistika 1 61 Litbang PTA 15/16
Maka pada output window diperoleh P(x > 615) = 0,2389 (hasil tidak sama
persis dengan perhitungan manual kemungkinan dikarenakan perbedaan
jumlah angka dibelakang koma yang berbeda)
4.8 Gambar Output Software R-Commander Contoh Soal 2
3. Diketahui bahwa rata-rata peminat Bunga Mawar di Nindya Florist
mencapai 56 orang per hari. Dengan standar deviasi 66 orang per hari. Jika
jumlah peminat Bunga Mawar tersebut terdistribusi normal. Berapakah
probabilitas peminat Bunga Mawar tersebut antara 16 orang sampai
dengan 61 orang per hari? Analisislah!
Diketahui :
µ = 56
Lab. Manajemen Dasar Materi Distribusi Normal
Statistika 1 62 Litbang PTA 15/16
σ = 66
X1 = 16
X2 = 61
Ditanya :
P (16 < X < 61)?
Jawab :
Z1 = = = -0,61
Z tabel = 0,2291
Z2 = = = 0,08
Z tabel = 0,0319
0,2291 + 0,0319 = 0,261
Analisis :
Jadi, probabilitas terhadap peminat bunga MAWAR antara 16 sampai
dengan 61 orang adalah 0,261 atau 26,1%
Lab. Manajemen Dasar Materi Distribusi Normal
Statistika 1 63 Litbang PTA 15/16
Untuk menyelesaikan persoalan distribusi normal, dapat digunakan program R.
Langkah-langkahnya adalah sebagai berikut :
Tekan R Commander pada Desktop, kemudian akan muncul tampilan seperti
gambar berikut :
4.9 Tampilan Software R-Commander
Lalu di script window, ketikkan nilai probabilitas X1 ditambah dengan X2
Lab. Manajemen Dasar Materi Distribusi Normal
Statistika 1 64 Litbang PTA 15/16
4.10 Gambar Output Software R-Commander Contoh Soal 4
Lab. Manajemen Dasar Materi Distribusi Normal
Statistika 1 65 Litbang PTA 15/16
Soal Kuis
Dari hasil laporan para pengusaha batik, diketahui bahwa rata-rata pengusaha
batik dapat menghasilkan 615 lembar kain dalam satu bulan, dengan standar
deviasi 51. Jika diasumsikan hasil kain tersebut berdistribusi normal, berapakah
probabilitas pengusaha batik yang dapat menghasilkan kain lebih dari 611
lembar dalam satu minggu?
Diketahui:
= 615
= 51
Ditanya:
P(X>611)?
Jawab:
= -0,07
Ztabel = 0,0279
0,0279 + 0,5 = 0,5279
Lab. Manajemen Dasar Materi Distribusi Normal
Statistika 1 66 Litbang PTA 15/16
Analisis :
Jadi probabilitas dari probabilitas pengusaha batik yang dapat menghasilkan
kain lebih dari 611 lembar dalam satu minggu adalah sebesar = 0.5312575 atau
53,126%
4.11 Gambar Output Software Soal Kuis
Lab. Manajemen Dasar Materi Distribusi Normal
Statistika 1 67 Litbang PTA 15/16
4.12 Gambar Tabel Z
Sumber: Buku Statistika Universitas Gunadarma
Lab. Manajemen Dasar
Statistika 1 68 Litbang PTA 15/16
DAFTAR PUSTAKA
Modul Praktikum Statistika PTA 2014/2015
Setia Lukas. 2009. Statistika untuk Bisnis dan Ekonomi, Yogyakarta: CV.Andi
Offset.
Subiyakto, Haryono. 1994. Statistika 2. Jakarta: Penerbit Gunadarma.
Walpole, Ronald.E. 1993. Pengantar Statistika, Edisi III. Jakarta: PT.Gramedia
Pustaka Utama.
Walpole Ronald. 2005. Pengantar Statistika. Edisi 3. Jakarta: PT Gramedia
Jakarta