(bagian -1) oleh : wijaya · pdf file2. dalam satu kantung terdapat 20 buah kelereng berwarna...

STATISTIKA II (BAGIAN -1)

Oleh :

WIJAYA

email : [email protected]

FAKULTAS PERTANIAN

UNIVERSITAS SWADAYA GUNUNG JATI CIREBON

2008

Wijaya : Statistika II-1 0

I. PELUANG

1.1 Ruang Contoh (S) Ruang Contoh adalah Himpunan semua kemungkinan hasil suatu percobaan.

Cara penulisan atau penyajian ruang contoh S yaitu dengan cara :

a. Daftar :

Misal : 2 produk diambil secara acak kemudian diperiksa apakah cacat (C)

atau tidak cacat (T) maka S = { CC, CT, TC, TT }

b. Pernyataan atau Pembangun Himpunan :

Misal : S = { x | x = mata kuliah semester III }

Anggota (Titik Contoh) = Setiap kemungkinan hasil dalam suatu ruang contoh.

Kejadian = Himpunan bagian dari ruang contoh S.

Kaidah Penggandaan Umum :

Bila suatu operasi dapat dilakukan dengan n1 cara, bila setiap cara tersebut

operasi kedua dapat dilakukan dengan n2 cara, dan seterusnya, maka k operasi

dalam urutan tersebut dapat dilakukan dengan n1. n2 … nk cara.

Teladan 1.1 :

Seorang ingin memakai sepasang celana, baju dan sepatu. Jika terdapat 4 jenis

celana, 2 baju dan 3 sepatu, maka banyaknya kemungkinan memakai pasangan

celana, baju dan sepatu tersebut adalah : 4 x 2 x 3 = 24 cara.

Teladan 1.2 :

Seorang ingin menanam pohon jambu, belimbing dan mangga. Jika terdapat 5

jenis jambu, 4 belimbing dan 3 mangga, maka banyaknya kemungkinan menanam

tiga buah tanaman tersebut adalah : 5 x 4 x 3 = 60 cara.

Pemutasi = Susunan data atau benda yang tergantung pada letaknya.

(1) Permutasi n benda yang berbeda = n !

(2) Permutasi r dari n benda = nPr = n ! / (n – r ) !

(3) Permuasi n benda yang disusun melingkar = (n – 1) ! Wijaya : Statistika II-1 1

(4) Permutasi n benda yang terdiri dari n1 jenis pertama, n2 jenis kedua … nk

jenis ke k = n ! / (n1 ! n2 ! … nk !)

Teladan 1.3 :

Seorang ingin menyusun rangkaian lampu pijar yang terdiri dari 2 lampu merah, 3

hijau dan 4 kuning, maka banyaknya kemuningkanan menyusun 9 lampu tersebut

dengan susunan yang berbeda adalah : 9 ! / 2 ! 3 ! 4 ! = 1.260 cara

Sekatan atau Sel : Banyaknya cara menyekat n benda ke dalam r sel, dengan n1 unsur dalam sel

ke–1, n2 unsur dalam sel ke–2, …, adalah = n ! / (n1 ! n2 ! … nk !), dan n1 + n2 +

… nk = n.

Teladan 1.4 :

1. Banyaknya cara 7 orang menginap dalam 1 kamar triple dan 2 kamar double

adalah = 7 ! / 3 ! 2 ! 2 ! = 210 cara.

2. Banyaknya cara 9 orang naik mobil dengan kapasitas masing–masing 2, 4

dan 5 orang = 9 ! / 2 ! 4 ! 5 ! = 63 cara.

Kombinasi = Susunan benda tanpa memperhatikan letak atau urutannya.

Kombinasi r dari n objek adalah : rCn = n ! / r ! (n – r) !

Teladan 1.5 :

Banyaknya cara untuk memilih 2 buah mesin ketik dari 4 jenis mesin ketik adalah =

4 ! / 2 ! (4 –2) ! = 6 cara.

1.2 Peluang Kejadian : Peluang suatu kejadian adalah Frekuensi relatif apabila banyaknya pengamatan

diperbesar sampai tak hingga. Atau P (E) = Limit (n / N), jika N ∼

Teladan 1.6 :

1. Dari pengiriman 200 buah lampu terdapat 10 buah yang rusak. Jika seorang

membeli lampu tersebut, berapa peluangnya bahwa yang dibeli itu rusak ?.

Jawab : P (R) = 10/200 = 0,05.


2. Dalam satu kantung terdapat 20 buah kelereng berwarna kuning dan 30 buah

kelereng berwarna merah. Maka peluang terambilnya kelereng kuning dalam

satu pengambilan adalah P (K) = 20/50 = 0,4.

(1) Macam Kejadian : (a) Kejadian Eksklusif (Saling Asing / Saling Cegah) :

Kejadian A dan B saling asing apabila

terjadinya A mencegah terjadinya B.

A komplemen dari B (atau sebaliknya).

P (A atau B) = P (A) + P(B) = 1

A B = A

(b) Kejadian Bersyarat :

Terjadinya A didahului B, atau A terjadi

jika B diketahui.

A bagian dari B atau A ⊂ B

P (A| B) = P (A ∩ B) / P(B)

S A B

(c) Kejadian Insklusif :

A atau B atau keduanya dapat terjadi

Gabungan A dan B

P (A dan atau B) = P(A) + P(B) –

P(A ∩ B)

S

A A ∩ B B

(d) Kejadian Saling Bebas (Independen) :

Terjadinya atau tidak terjadinya A tidak mempengaruhi terjadinya B.

A ∩ B = ∅ P (A dan B) = P (A) . P (B).

S A B

Kejadian saling bebas merupakan kejadian dengan pemulihan (jika tanpa

pemulihan merupakan kejadian bersyarat).


Teladan 1.7 :

1 Misal populasi sarjana di suatu kota datanya adalah :

Bekerja (B) Menganggur (M) Jumlah

Laki–laki (L) 460 40 500 Wanita (W) 140 260 400

Jumlah 600 300 900 Misal diambil secara acak seorang diantara mereka untuk ditugaskan

mempublikasikan pentingnya didirikan industri baru. Hitung peluang bahwa yang

terpilih adalah :

a. Laki–laki atau wanita

b. Laki–laki jika diketahui ia sudah bekerja.

c. Laki–laki atau yang sudah bekerja.

Jawab :

a. Kejadian Eksklusif : P (L atau W) = 5/9 + 4/9 = 1

b. Kejadian Bersyarat : P (L| B) = P (L ∩ B) / P(B) = (460/900) (600/900) =

460/600 = 13/30

atau langsung dari tabel : P (L| B) = 460/600 = 13/30

c. Kejadian Inklusif : P (L ∪ B) = P(L) + P(B) – P(L ∩ B)

= 500/900 + 600/900 – 460/900 = 32/45

2. Peluang A beruntung dalam menjual produk minuman = 0,7.

Peluang B beruntung dalam menjual produk minuman = 0,8.

Berapa peluang A dan B beruntung dalam menjual produk minuman tersebut

?

Jawab : P (A dan B) = P (A) . P (B) = 0,7 x 0,8 = 0,56

(2) Peluang Marginal dan Kaidah Bayes

Untuk lebih jelasnya mengenai Peluang Marginal dan Kaidah Bayes, dapat

diilustrasikan dengan bagan sebagai berikut :


A1 A2 … Ak S

A1 ∩ A

A2 ∩ A

…

Ak ∩ A

A

Misal A1 , A2 , … Ak merupakan sekatan dari S dengan P(Ai) ≠ 0, dan i = 1, 2, … ,

k. Dalam setiap sekatan terdapat kejadian A, sehingga terdapat A1 ∩ A, A2 ∩ A,

…, dan Ak ∩ A buah bagian. Peluang terjadinya A yaitu P (A) dimana P(A) ≠ 0,

adalah :

P (A) = P (A1 ∩ A) + P (A2 ∩ A) + … + P (Ak ∩ A) atau

P (A) = P (A1).P (A⏐A1) + P (A2).P (A⏐A2) + … + P (Ak).P (A⏐Ak ) atau

P (A) = ∑ P (Ai).P (A⏐Ai) …….. disebut Peluang Marginal

Selanjutnya Kaidah Bayes didefinisikan sebagai berikut :

Jika kejadian–kejadian A1 , A2 , … Ak merupakan sekatan dari S dengan besarnya

P(Ai) ≠ 0, dan i = 1, 2, … , k, maka untuk sembarang kejadian A yang bersifat P(A)

≠ 0,

P (Ai).P (A⏐Ai) P (Ai⏐A) = P(A1).P(A⏐A1) + P(A2).P(A⏐A2) + … + P (Ak).P(A⏐Ak ) atau : P (Ai).P (A⏐Ai) P (Ai⏐A) = ∑ P (Ai).P (A⏐Ai)

Cara penurunan rumus tersebut adalah sebagai berikut :

P (A ∩ Ai) = P (A⏐Ai) . P (Ai)

P (Ai ∩ A) = P (Ai⏐A) . P (A)

Karena : P (A ∩ Ai) = P (Ai ∩ A) maka P (Ai⏐A) . P (A) = P (A⏐Ai) . P (Ai)


Kalau masing–masing dibagi dengan P (A) maka hasilnya :

P (Ai⏐A) = P (A⏐ Ai) . P (Ai) / P (A)

dan karena P (A) = P (A1).P (A⏐A1) + P (A2).P (A⏐A2) + … + P (Ak).P (A⏐Ak )

sehingga :

P (Ai). P (A⏐Ai) P (Ai⏐A) = P (A1).P (A⏐A1) + P (A2).P (A⏐A2) + … + P (Ak).P (A⏐Ak )

atau : P (Ai).P (A⏐Ai) P (Ai⏐A) = ∑ P (Ai).P (A⏐Ai)

Teladan 1.8 :

1. Sebuah toko elektronik men erima kiriman 200 buah TV, yang terdiri dari 100

buah merk Sharp, 60 buah merk Polytron dan 40 buah merk Digitec. Dari

150 buah TV tersebut terdapat yang rusak yaitu 6 buah merk Sharp, 3 buah

merk Polytron dan 2 buah merk Digitec. Seorang megambil satu buah TV

secara acak :

a. Hitung peluangnya bahwa TV yang terambil tersebut rusak.

b. Jika TV yang diambil telah diketahui rusak, berapa peluangnya bahwa TV

yang rusak tersebut ternyata merk Sharp.

Jawab :

Jumlah seluruh TV = 200 buah

Peluang untuk Sharp P (S) = 100/200 = 0,50

Peluang untuk Polytron P (P) = 60/200 = 0,30

Peluang untuk Digitec P (D) = 40/200 = 0,20

Misal peluang TV yang rusak adalah P (R), maka :

P (R⏐S) = 6/100 = 0,06 P (R⏐P) = 3/60 = 0,05 dan P (R⏐S) = 2/40 = 0,05

a. Peluang terambilnya TV yang rusak :

P (R) = P (R⏐S).P (S) + P (R⏐P).P (P) + P (R⏐D).P (D)


P (R) = (0,5)(0,06) + (0,3)(0,05) + (0,2)(0,05) = 0,055

b TV diketahui rusak ternyata merk Sharp :

P (S⏐R) = P (S ∩ R) / P (R) = P (S).P (R⏐S) / P (R)

= 0,5 (0,05) / 0,055 = 0,45

2. Sebuah perusahaan menyediakan 3 hotel untuk rekanannya. Dari catatan

sebelumnya diketahui bahwa 20 % diinapkan di Ramada Inn, 50 % di

Sheraton dan 30 % di Flower Inn. Jika 5 % diantara kamar–kamar Ramada

Inn, 4 % Sheraton dan 8 % Flower Inn terdapat kerusakan pipa air

ledengnya, hitung peluang bahwa :

a. Seorang rekanan mendapat kamar dengan pipa air ledeng yang rusak.

b. Seorang rekanan diketahui mendapat kamar dengan pipa air ledeng yang

rusak, ternyata menginap di hotel Flower Inn.

Jawab :

P (A⏐R) = 0,05 dari P (R) = 0,20 P (A⏐S) = 0,04 dari P (S) = 0,50

P (A⏐F) = 0,08 dari P (F) = 0,30 P(R)=0,2 P(S)=0,5 P(F)=0,3

a. Misal P (A) = peluang mendapat kamar yang rusak, atau

P (A) = P (A⏐R).P (R) + P (A⏐S).P (S) + P (A⏐F).P (F) = 0,054

b. Karena sudah diketahui mendapat kamar yang rusak, maka :

P (F⏐A) = P (F ∩ A) / P (A) = P (F).P (A⏐F) / P (A)

= 0,3 (0,08) / 0,054 = 4/9

Soal–soal :

1. Sebuah dadu dibuat tidak setimbang sehingga peluang munculnya dadu

bilangan genap dua kali dari bilangan ganjil. Jika A adalah munculnya

bilangan yang lebih kecil dari 4 pada satu lemparan, hitung P (A).

Jawab : P (A) = 1/9 + 2/9 + 1/9 = 4/9

2. Berapa banyak susunan yang dapat dibuat bila 5 pohon yang berbeda

disusun membentuk sebuah lingkaran ?

Jawab : (n – 1) ! = 4 ! = 24 cara


3. Berapa banyak cara menanam 3 pohon mangga, 4 jeruk dan 5 jambu

sepanjang kebun bila kita tidak membedakan antara tanaman yang sejenis.

Jawab : 12! / 3! 4! 5! = 2.720 cara

4. Suatu perusahaan 2/3 karyawannya berumur < 25 th, 3/5 bagian laki–laki, 5/8

bagian perempuan atau berumur ≥ 25 th. Dipilih seorang secara acak,

berapa peluangnya bahwa ia adalah perempuan dan berumur ≥ 25 th.

Jawab : P (P ∩ ≥ 25 th) = P (P) + P (≥ 25 th) – P (P ∪ ≥ 25 th) =13/120

5. Peluang ibu rumah tangga ada di rumah ketika salesman Sara Lee datang

adalah 0,6. Bila ibu itu ada di rumah, peluang ibu tersebut membeli adalah

0,4. Hitung peluang ibu itu ada di rumah dan membeli produk Sara Lee.

Jawab : P (R ∩ B) = P (B⏐R). P (R) = 0,4 x 0,6 = 0,24

6. Peluang bahwa suatu industri milik orang Amerika berlokasi di Tanggerang

adalah 0,7; peluang berada di Bekasi 0,4 dan peluang berlokasi di

Tanggerang atau di Bekasi atau keduanya 0,8. Berapa peluang bahwa

industri tersebut berada

a. Di kedua kota tersebut

b. Tidak di keduanya

Jawab : a) P (T ∩ B) = P (T) + P (B) – P (T ∪ B) = 0,3

Jawab : b) 1 – P (T ∪ B) = 1 – 0,8 = 0,2

7. Misal 200 orang diklasifikasikan sebagai berikut :

Laki–laki (L) Perempuan (P)

Sekolah Dasar (D) 38 45 Sekolah Menengah (M) 28 50 Perguruan Tinggi (T) 22 17

Bila seorang dipilih secara acak hitunglah bahwa yang terpilih :

a. Laki–laki bila diketahui bahwa ia berpendidikan sekolah menengah.

Jawab : P (L⏐M) = 28/78


b. Tingkat pendidikannya bukan dari perguruan tinggi, bila diketahui bahwa ia

adalah perempuan.

Jawab : P (D⏐P) + P (M⏐P) = 45/112 + 50/112 = 95/112

8. Peluang Tom masih hidup 20 tahun lagi adalah 0,7. Peluang Jerry masih

hidup 20 tahun lagi adalah 0,9. Hitung peluang Tom & Jerry masih hidup 20

tahun lagi.

Jawab : P (T ∩ J) = P (T) . P (J) = 0,7 x 0,9 = 0,63

9. Sebuah kantung berisi 4 kelereng putih dan 3 kelereng kuninh, kantung

kedua berisi 3 kelereng putih dan 5 kelereng kuning. Satu kelereng diambil

dari kantung pertama dan tanpa dilihat lalu dimasukkan ke dalam kantung

kedua. Berapa peluang mendapatkan kelereng kuning dari kantung yang

kedua.

Jawab : P [(K1 ∩ K2) ∪ (P1 ∩ K2)]

= P (K1).P (K2⏐K1) + P (P1).P(K2⏐P1 )

= (3/7)(6/9) + (4/7)(5/9) = 38/63

11. Misal banyaknya kelereng berwarna dalam kotak yang sama adalah :

Kotak

1 2 3 Merah 2 4 3 Putih 3 1 4 Biru 5 3 3

Sebuah kotak diambil secara acak dan kemudian dari kotak yang terpilih

tersebut diambil secara acak sebuah kelereng :

a. Hitung peluang terambilnya kelereng merah

b. Bila diketahui kelerengnya merah, berapa peluang bahwa kota yang terambil

adalah kotak 3.

Jawab : (a). P (M) = (0,2)(0,33) + (0,5)(0,33) + (0,3)(0,33) = 0,33

Jawab : (b). P (3⏐M) = P(3).P(M⏐R) / P(M) = (0,33)(0,3) / (0,33) = 0,3


11. Perakitan radio Indo Electric mempunyai dua unit produksi. Unit I

memproduksi 80 % sedangkan unit II memproduksi 20 %. Menurut catatan

dari unit pengendalian mutu secara rata–rata produksi dari unit I rusak 5 %

dan dari unit II rusak 10 %. Sebuah radio diambil secara acak :

a. Berapa peluangnya bahwa radio yang diambil tersebut rusak.

b. Jika radio yang diambil tersebut ternyata rusak, berapa peluangnya yang

rusak tersebut dari unit I.

Jawab : (a). P (R) = (0,8)(0,05) + (0,2)(0,1) = 0,04 + 0,02 = 0,06

Jawab : (b). P (I⏐R) = P (I).P(R⏐I) = (0,8)(0,05) = 0,04


II. SEBARAN PELUANG 2.1 Peubah Acak Peubah acak = Suatu fungsi yang nilainya berupa bilangan nyata yang

ditentukan oleh setiap anggota dalam ruang contoh S.

a. Peubah Acak Diskrit : Peubah acak diskrit = Peubah yang nilainya tidak dapat diwakili oleh seluruh

titik dalam suatu selang, atau peubah acak yang datanya diperoleh dari hasil

mencacah (misal banyaknya produk yang cacat, banyaknya buah cabai per

tanaman dan lain–lain).

b. Peubah Acak Kontinyu :

Peubah acak kontinyu = Peubah yang nilainya dapat diwakili oleh seluruh titik

dalam suatu selang, atau peubah acak yang datanya diperoleh dari hasil

mengukur atau menimbang (misal tinggi, bobot, umur, suhu dan jarak).

2.2 Sebaran Peluang : (a) Sebaran Peluang Diskrit atau Fungsi Peluang Diskrit : Sebaran Peluang Diskrit atau Fungsi Peluang Diskrit = Tabel atau rumus

yang mencantumkan semua kemungkinan nilai suatu peubah acak diskrit berikut

peluangnya. Grafiknya berbentuk histogram peluang.

(b). Sebaran Peluang Kontinyu : Sebaran Peluang Kontinyu = Rumus yang mencantumkan semua

kemungkinan nilai suatu peubah acak kontinyu berikut peluangnya

Sebaran Peluang Kontinyu tidak dapat disajikan dalam bentuk tabel.

Grafiknya dapat berbentuk linier, simetris, menjulur ke kanan/kiri. Fungsinya

disebut Fungsi Kepekatan Peluang.

Fungsi f disebut fungsi kepekatan peluang bagi peubah acak kontinyu X, bila

luas daerah di bawah kurva dan di atas sumbu X adalah 1, dan bila luas daerah di

bawah kurva antara x = a dan x = b menyatakan peluang antara a dan b.


2.1.1 Sebaran Peluang Diskrit (Fungsi Peluang Diskrit)

(1) Sebaran Peluang Satu Peubah Acak Diskrit

Teladan 2.1 :

1. Sebuah uang logam dilempar 3 kali (= 3 mata uang dilempar sekali), maka

fungsi peluang (sebaran peluang) bagi banyaknya sisi gambar yang muncul

adalah :

3 x f (x) = ———— untuk x = 0, 1, 2, 3. Dan 8 = 23 8

x 0 1 2 3

f (x) = P (X = x) 1/8 3/8 3/8 1/8

F (X) = P (X = x) 1/8 4/8 7/8 8/8

Grafiknya dari f (x) adalah :

P(X) 3 2 1

0 1 2 3 X

2 Tentukan sebaran peluang bagi banyaknya kaset Jazz, bila 4 kaset diambil

dari sebuah koleksi yang terdiri dari 5 kaset jazz, 2 kaset klasik dan 3 kaset

pop.

Fungsi peluangnya :

5 10 – 5 x 4 – x f (x) = ———————— untuk x = 0, 1, 2, 3, 4. 10 4


3 Dalam suatu pengiriman 7 buah TV terdapat 2 TV yang rusak. Misal diambil

3 TV secara acak, dan X menyatakan banyaknya TV yang rusak, tentukan

fungsi peluang bagi X.

Fungsi peluangnya :

2 7 – 2 x 3 – x f (x) = ———————— untuk x = 0, 1, 2. 7 3

(2) Sebaran Peluang Diskrit Bersama Sebaran Peluang Diskrit Bersama = Sebuah tabel atau rumus yang

mendaftarkan semua kemungkinan nilai x dan y bagi peubah acak diskrit X dan Y,

berikut peluang padanannya.

Teladan 2.2 :

1 Dua isi ballpen dipilih secara acak dari sebuah kotak yang berisi 3 isi ballpen

biru, 2 merah dan 3 hijau. Bila X menyatakan banyaknya isi bolpen biru dan

Y banyaknya isi bolpen merah yang terpilih. Tentukan

a. fungsi peluang bersama f (x,y).

b. P [(X,Y) ∈ A] sedangkan A = {(x,y)⏐x + y = 1}

Jawab :

a. Fungsi peluangnya :

3 2 3 x y 2 – x – y f (x,y) = ———————————— 8 2


Sebaran peluang bersama bagi x dan y adalah :

x f ( x,y )

0 1 2 Total Baris

0 3/28 9/28 3/28 15/28 y 1 6/28 6/28 12/28 2 1/28 1/28

Total Kolom 10/28 15/28 3/28 1

b. P [(X,Y) ∈ A] sedangkan A = {(x,y)⏐x + y = 1}

= f (0,0) + f (0,1) + f (1,0) = 3/28 + 9/28 + 6/28 = 18/28

(3) Sebaran Peluang Marginal Peubah Acak Diskrit Sebaran Peluang Marginal Peubah Acak Diskrit = Bagian dari sebaran

peluang bersama, yang merupakan total kolom dan total baris. Jika total kolom

sebagai g (x) dan total baris sebagai h (y), maka sebaran peluang marginalnya

adalah :

x 0 1 2 x 0 1 2

g (x) 10/28 15/28 3/28 h (y) 15/28 12/28 ½8

(4) Sebaran Peluang Bersyarat Peubah Acak Diskrit Sebaran bersyarat bagi peubah acak diskrit Y untuk X = x adalah :

f (x,y) f (y⏐x) = ———— g (x) > 0 g (x)

Sebaran bersyarat bagi peubah acak diskrit X untuk Y = y adalah :

f (x,y) f (x⏐y) = ———— h (y) > 0 h (y)

f (x,y) = f (y⏐x) . g (x) = f (x⏐y) . h (y)


(5) Dua Peubah Acak Diskrit Bebas Dua peubah acak X dan Y dikatakan bebas jika dan hanya jika :

f (x,y) = g (x). h (y)

Teladan 2.3 :

Misal untuk titik (0,1) maka f (0,1) = 6/28, g (0) = 10/28 dan h (1) = 12/28. Oleh

karena (6/28) ≠ (10/28).(12/28) atau f (0,1) ≠ g (0). h (1) maka X dan Y tidak

bebas.

2.2.1 Sebaran Peluang Kontinyu Peluang atau luas dibawah kurva yang dibatasi oleh X = a dan X = b dapat

ditentukan dengan menghitung luas bangun atau dengan integral. Dalam hal ini

berlaku :

dF(x) f (x) = ———— atau dF(x) = f (x). dx. = Fungsi Peluang Kumulatif. dx Teladan 2.4 :

1. Sebuah peubah acak kontinyu mengambil nilai antara x = 2 dan x = 4

mempunyai fungsi kepekatan peluang f (x) = 1/8 x + 1/8.

a. Perlihatkan bahwa P (2 < X < 4) = 1

b. Hitunglah P (X < 3.5)

Jawab :

f(x) 5/8 4/8 3/8 2/8 1/8

0 1 2 3 4 x

a P (2 < X < 4) = Luas Trapesium = ½ (3/8 + 5/8) x 2 = 1

4 4 atau : P (2 < X < 4) = ∫ 1/8 x + 1/8 dx = 1/16 x2 + 1/8 x ] = 1 2 2 b. P (X < 3.5) = ½ (3/8 + 9/16) x 1,5 = 0,70


(1) Sebaran Peluang Kontinyu Bersama dan Marjinal d2F(x) f (x,y) = ———— dx.dy x2 y2 P (x1 < X < x2, y1 < Y < y2) = ∫ ∫ f (x,y) dx.dy. x1 y1

~ ~ g (x) = ∫ f (x,y) dy dan h (y) = ∫ f (x,y) dx. ~ ~

Teladan 2.5 :

f (x,y) = x + y , 0 < x < 1, 0 < y < 1

= 0 , untuk x dan y lainnya

a. Hitunglah f (x,y), jika X = (0), (0,5), (1) dan Y = (0), (0,5), (1)

b. Tentukan peluang marginal g (x) dan h (y)

c. Tentukan F (x,y)

d. Tentukan P (0,2 < X = 0,4, 0,1 < Y = 0,4)

Jawab :

a. f (x,y), jika X = (0), (0,5), (1) dan Y = (0), (0,5), (1)

X Y

0 0,5 1 Jumlah

0 0 0,5 1 1,5 0,5 0,5 1 1,5 3 1 1 1,5 2 4,5

Jumlah 1,5 3 4,5 9 1 1 1 b. g (x) = ∫ f (x,y) dy = ∫ (x + y) dy = xy + ½ y2 ] = x + ½ 0 0 0

1 1 1 h (y) = ∫ f (x,y) dx = ∫ (x + y) dx = ½ x2 + x y ] = y + ½ 0 0 0 x y x y c. F (x,y) = ∫ ∫ f (x,y) dx.dy = ∫ ∫ ( x + y ) dx.dy = 0 0 0 0


x F (x,y) = ∫ xy + ½ y2 dx. = ½ x2y + ½ xy2 = ½ ( x2y + xy2 ) 0 0,4 0,4 d. F (x,y) = ∫ ∫ f (x,y) dx.dy = ½ ( x2y + xy2 ) 0,2 0,1 = F (0,4 ; 0,4) – F (0,2 ; 0,4) – F (0,4 ; 0,1) + F (0,2 ; 0,1)

= 0,064 – 0,024 – 0,010 + 0,003 = 0,033

(Misal untuk F (0,2 ; 0,4) = ½ [ (0,2)2(0,4) + (0,2)(0,4)2] = ½ (0,048) = 0,024)

(2) Sebaran Peluang Bersyarat Peubah Acak Kontinyu Sebaran bersyarat bagi peubah acak kontinyu Y untuk X = x adalah :

f (x,y) f (y⏐x) = ———— g (x) > 0 g (x)

Sebaran bersyarat bagi peubah acak kontinyu X untuk Y = y adalah :

f (x,y) f (x⏐y) = ———— h (y) > 0 h (y)

f (x,y) = f (x⏐y). h (y) = f (y⏐x). g (x)

Teladan 2.6 :

f (x,y) = x + y , 0 < x < 1, 0 < y < 1

a. Tentukan f (x⏐y)

b. Tentukan P (0,2 < X < 0,4 ⏐y = 0,2)

Jawab : 1 a. h (y) = ∫ x + y dx. = y + ½ = (2 y + 1) / 2 0 f (x⏐y) = f (x,y) / h (y) = ( x + y )2 / 2 y + 1 = (2x + 2y) / (2y + 1) 0,4 b. P (0,2 < X < 0,4 ⏐y = 0,2) = ∫ (2x + 0,4) / 1,4 dx. = 1/7 0,2


2.3 Nilai Harapan dan Ragam Peubah Acak.

2.3.1 Nilai Harapan dan Ragam Peubah Acak Diskrit Nilai Harapan disebut juga harapan matematis, Ekspektasi, Nilai Tengah atau

Rata–rata.

(1) Nilai Harapan Suatu Peubah Acak Diskrit. Misalkan X adalah peubah acak diskrit dengan sebaran peluang :

x x1 x2 … xn

p ( X = x ) f (x1) f (x2) … f (xn)

Maka Nilai harapan bagi X adalah : E (X) = ∑ x. f (xi).

Teladan 2.7 :

1. A akan memperoleh keuntungan Rp. 800.000,– dalam menjual buah mangga

dengan peluang 0,8, bila cuaca tidak hujan. Apabila cuaca hujan maka ia

akan rugi Rp. 500.000,–. Bila ia menjual buah duku maka ia akan

memperoleh keuntungan Rp. 600.000,– dengan peluang 0,7 bila cuaca tidak

hujan. Bila cuaca hujan maka ia akan rugi sebesar Rp. 200.000,–. Tentukan

nilai harapan keuntungan bagi A dalam menjual buah mangga dan duku

tersebut, serta tentukan apakah A akan memilih menjual buah mangga atau

duku.

Jawab.

Nilai Harapan keuntungan menjual Mangga :

E (X) = (0,8)(800.000) – (0,2)(500.000) = 540.000

Nilai Harapan keuntungan menjual Duku :

E (X) = (0,7)(600.000) – (0,3)(200.000) = 360.000

Karena nilai harapan keuntungan menjual buah mangga lebih besar maka A

akan memilih menjual buah mangga.

2. Dalam sebuah permainan, petaruh akan mendapat $5 bila hasil dari 3

lemparan sebuah uang logam adalah gambar semua atau angka semua,

tetapi ia harus membayar $3 bila hasilnya adalah 1 atau 2 sisi gambar.


Berapa penerimaan harapan bagi petaruh tersebut.

Jawab :

S = {GGG, GGA, GAG, GAA, AGG, AGA, AAG, AAA}, jadi gambar semua

atau angka semua ada 2 dari 8 kemunngkinan ( p = 2/8) dan muncul 1 atau 2

gambar ada 6 kemungkinan (p = 6/8).

E (X) = 5 (2/8) + (–3)(6/8) = –1, artinya rata–rata petaruh itu kalah $1 tiap

satu lemparan uang logam.

3. Tentukan nilai harapan banyaknya orang laki–laki dalam sebuah panitia yang

terdiri dari 3 orang, yang diambil secara acak dari 4 laki–laki dan 3

perempuan.

Jawab :

4 3 x 3 – x f (x) = ——————— untuk x = 0, 1, 2, 3. 7 3

x 0 1 2 3

f (x) 1/35 12/35 18/35 4/35

Jadi E (X) = (0)(1/35) + (1)(12/35) + (2)(18/35) + (3)(4/35) = 1,7

(2) Nilai Harapan Fungsi Satu Peubah Acak Diskrit. Misalkan X adalah peubah acak diskrit dengan sebaran peluang :

x x1 x2 … xn

p ( X = x ) f (x1) f (x2) … f (xn)

Maka Nilai harapan peubah acak g (X) adalah : E [g(X)] = ∑ g(xi). f (xi).

Teladan 2.8 :

Misal banyaknya mobil X yang dicuci di suatu tempat pencucian mobil antara

pukul 16.00 dan 17.00 pada setiap hari jum’at mempunyai sebaran peluang : .

x 4 5 6 7 8 9

p (X = x) 1/12 1/12 1/4 1/4 1/6 1/6


Bila g (X) = 2X –1 menyatakan banyaknya uang ($) yang dibayarkan oleh manajer

kepada petugas pencuci, tentukan penerimaan harapan petugas pencuci mobil

pada periode tersebut :

Jawab :

E [(g (X)] = E (2X –1) = ∑ (2X –1). f (xi)

= 7(1/12) + 9(1/12) + 11(1/4) + 13(1/4) + 15(1/6) + 17(1/6)

= $ 12,67

(3) Nilai Harapan Fungsi Dua Peubah Acak Diskrit Misal kan X dan Y merupakan peubah acak diskrit dengan peluang bersama f

(x,y), untuk x = x1, x2, …, xn dan y = y1, y2, … , yn. Maka nilai harapan bagi

peubah acak g (X,Y) adalah :

E [g (X,Y)] = ∑ ∑ g(xi ,yi). f (xi , yi).

Teladan 2.9 :

Sebaran peluang bersama bagi x dan y adalah :

x f ( x,y )

0 1 2 Total Baris

0 3/28 9/28 3/28 15/28 y 1 6/28 6/28 12/28 2 1/28 1/28

Total Kolom 10/28 15/28 3/28 1

Carilah (a) nilai harapan bagi g (x) = XY atau E (XY), (b) E (X) dan E (Y) yang

merupakan sebaran peluang marginalnya.

Jawab :

a. E [g (XY)] = ∑ ∑ g(xi ,yi). f (xi , yi) = ∑ ∑ x,y. f (x , y)

= (0)(0).f (0,0) + (0)(1).f (0,1) + (0)(2).f (0,2) + (1)(0).f (1,0) + (1)(1).

f (1,1) + (1)(2). f(1,2) + (2)(1).f (2,1)

= f (1,1) = 6/28


b. E (X) terjadi jika g (X,Y) = X sehingga E (X) = ∑ ∑ x,. f (x , y) atau

E (X) = x. g (x) = (0)(10/28) + (1)(15/28) + (2)(3/28) = 21/28 = ¾

E (Y) = ∑ ∑ y,. f (x , y) atau

E (Y) = y. h (y) = (0)(15/28) + (1)(12/28) + (2)(1/28) = 14/28 = ½

(4) Ragam Suatu Peubah Acak Diskrit. Misalkan X adalah peubah acak diskrit dengan sebaran peluang :

x x1 x2 … xn

p ( X = x ) f (x1) f (x2) … f (xn)

Maka Ragam bagi X adalah : σ2 = E [(X – μ)2 ] = ∑ (xi – μ)2. f (xi).

Atau σ2 = E [(X – μ)2 ] = E (X)2 – μ2

Teladan 2.10 :

Tentukan Ragam banyaknya orang laki–laki dalam sebuah panitia yang terdiri dari

3 orang, yang diambil secara acak dari 4 laki–laki dan 3 perempuan.

Jawab :

x 0 1 2 3

f (x) 1/35 12/35 18/35 4/35

telah didapat nilai E (X) = μ = 12/7

σ2 = E [(X – μ)2 ] = ∑ (xi – μ)2. f (xi)

= (0–12/7)(1/35) + (1–12/7)(12/35) + (2–12/7)(18/35) + (3–12/7)(4/35)

σ2 = 24/49

Dengan rumus hitung : σ2 = E [(X – μ)2 ] = E (X)2 – μ2

E (X)2 = x2.f (x) = (0)(1/35) + (1)(12/35) + (4)(15/35) + (9)(4/35) = 24/7

σ2 = E (X)2 – μ2 = 24/7 – (12/7) = 24/49


(5) Ragam Fungsi Satu Peubah Acak Diskrit. Misalkan X adalah peubah acak diskrit dengan sebaran peluang :

x x1 x2 … xn

p ( X = x ) f (x1) f (x2) … f (xn)

Ragam bagi g (X) : σ2 = E {[g(X) – μg(x)]2 } = ∑ [(g(xi) – μg(x)]

2. f (xi).

Atau σ2 = E {[g(X) – μg(x)]2 } = ∑ [(g(xi) ]

2 – [μg(x)]2.

Teladan 2.11 :

Hitung ragam g (X) = 2X + 3 bila X merupakan peubah acak dengan sebaran

peluang :

x 0 1 2 3

f (x) 1/4 1/8 1/2 1/8

Jawab :

E [(g (X)] = E (2X+3) = ∑ (2X+3). f (xi)

= 3(1/4) + 5(1/8) + 7(1/2) + 9(1/8) = 6

σ2 = E {[g(X) – μg(x)]2 } = ∑ [(g(xi) – (μg(x))]

2 .f (x) = ∑ [(2X+3) – 6]2 .f (x)

= ∑ (4X2 – 12X + 9).f (x)

= 9(2/8) + 1(1/8) + 1(4/8) + 9(1/8) = 32/8 = 4 , atau dengan rumus hitung :

σ2 = E {[g(X) – μg(x)]2 } = E[(g(xi) ]

2 – (μg(x))2

E[(g(xi) ]2 = E(2X + 3)2 = ∑ (4X2 +12X + 9).f(x) =

= 9(2/8) + 25(1/8) + 49(4/8) + 81(1/8) = 320/8 = 40

σ2 = E {[g(X) – μg(x)]2 } = E[(g(xi) ]

2 – (μg(x))2 = 40 – 36 = 4

(6) Peragam (Kovarians) Dua Peubah Acak

Peragam dua peubah acak X dan Y yaitu σYX dirumuskan sebagai :

σYX = E [(X – μX ) (Y – μY)


2.3.2 Nilai Harapan dan Ragam Peubah Acak Kontinyu ~ 1. E (X) = ∫ x. f (x) dx = μX –~

~ 2. E (X – μX)2 = ∫ (x – μx ). f (x) dx = σ2

–~ ~ 3. E {g(x)} = ∫ g(x). f (x) dx –~ ~ ~ 4. E {g(x,y)} = ∫ ∫ g(x,y). f (x,y) dx.dy. –~ –~ ~ 5. E (X⏐Y) = ∫ x. f (x⏐y) dx (Rata–rata Bersyarat) –~ 6. E (X⏐Y)2 = E [{X – μ X⏐Y}2⏐y] (Ragam Bersyarat)

7. Koefisien Korelasi X dan Y = Rxy = (σYX ) / (σX .σY)

Teladan 2.12 :

1. f (x,y) = 2 , 0 < x < y < 1

= 0, untuk x dan y lainnya

a. Tentukan g (x), h (y) dan f (x⏐y)

b. Tentukan E (X⏐Y)

c. Tentukan E [{X – μ X⏐Y}2⏐y]

d. Tentukan P (0 < X = ½⏐y = 3/4)

e. Tentukan P (0 < X = ½)

Jawab : 1 a. g (x) = ∫ 2 dy = 2 – 2x , 0 < x < 1 x = 0, untuk x lainnya y h (y) = ∫ 2 dx = 2y, 0 < y < 1 0 = 0, untuk y lainnya


f (x⏐y) = f (x,y) / h (y) = 2/2y = 1/y, 0 < x < y 0 < h < 1 = 0, untuk x dan y lainnya

~ ~ b. E (X⏐Y) = ∫ x. f (x⏐y) dx = ∫ x. 1/y dx = 2 / y , 0 < y < 1 –~ –~ y c. E [{X – μ X⏐Y}2⏐y] = ∫ (x – y/2)2. f (x⏐y) dx = (x – y/2)2. (1/y) dx 0 = y2/12, 0 < y < 1 ½ ½ d. P (0 < X = ½⏐y = 3/4) = ∫ f (x⏐y) dx = ∫ (4/3) dx = 2/3 0 0 ½ ½ e. P (0 < X = ½⏐y = 3/4) = ∫ f (x) dx = ∫ 2 – 2x dx = 3/4 0 0 2. f (x,y) = x + y, 0 < x < 1, 0 < y < 1

= 0, untuk x dan y lainnya

a. Tentukan μ X, μ y

b. Tentukan σX2

dan σY2

c. Tentukan ρ

Jawab : 1 1 a. μ X = E (X) = ∫ ∫ x (x + y) dx.dy = 7/12 0 0 1 1 μ Y = E (Y) = ∫ ∫ y (x + y) dx.dy = 7/12 0 0 1 1 b. μ X2 = E (X2 ) – μx

2 = ∫ ∫ y (x + y) dx.dy – (7/12)2 = 11/144 0 0 1 1 μ Y2 = E (Y2 ) – μY

2 = ∫ ∫ y (x + y) dx.dy – (7/12)2 = 11/144 0 0


1 1 c. μ XY = E (XY ) – μXY = ∫ ∫ xy (x + y) dx.dy – (7/12)2 = 1/144 0 0 ρ = (σYX) / (σX .σY) = – 1/11

Soal–soal :

1. Suatu kiriman 7 pesawat TV mengandung 2 yang rusak. Sebuah hotel

membeli secara acak 3 dari 7 TV tersebut. Bila X menyatakan banyaknya TV

yang rusak yang terbeli oleh hotel tersebut, tentukan nilai harapan X.

2. Tentukan nilai harapan banyaknya kaset jazz bila 4 kaset diambil secara

acak dari sebuah koleksi yang terdiri dari 5 kaset jazz, 2 klasik dan 3 pop.

3. Seorang pembalap ingin mengasuransikan mobilnya pada suatu musim

kompetisi sebesar $50.000. Perusahaan asuransi menduga kerusakan total

dapat terjadi dengan peluang 0,002, kerusakan 50% dengan peluang 0,01

dan kerusakan 25% dengan peluang 0,1. Dengan mengabaikan kerusakan–

kerusakan lainnya, berapa premium yang harus dibayarkan kepada pihak

asuransi per musim kompetisi bila perusahaan itu menginginkan keuntungan

$500. (jawab $ 2.100)

4. Misalkan X dan Y memilki sebaran peluang bersama :

X

y 2 4

1 0,10 0,15 3 0,20 0,30 5 0,10 0,15

a. Tentukan μ X , μ Y dan E (XY2)

b. E (X⏐Y =2)

c. E (kX) dan E (k + X)

d. Peragam (Kovarians) σYX

e. σX2

dan σY2


5. Dari sekeranjang buah yang berisi 3 jeruk, 2 apel dan 3 pisang diambil suatu

acak 4 buah. Bila X menyatakan banyaknya jeruk dan Y banyaknya apel

yang terambil, hitunglah E (X2Y – 2 XY)

2.4 Beberapa Sebaran Peluang Diskrit

(1) Sebaran Peluang Binom Bila suatu ulangan binom mempunyai peluang berhasil p dan gagal q, maka

peluang keberhasilan dalam n ulangan yang bebas :

b (x ; n, p) = xCn . px . qn–x x = 0, 1, 2, …, n.

Rata–rata ( μ ) = np dan Ragam ( σ2 ) = npq

Ciri percobaan Binom : terdiri dari n ulangan, masing–masing ulangan bersifat bebas.

dalam setiap ulangan dapat digolongkan sebagai berhasil atau gagal, dan

peluang berhasil (p) selalu tetap; umumnya percobaan dengan pemulihan.

untuk perhitungan digunakan Tabel Jumlah Peluang Binom yaitu :

∑ b (x ; n, p) = p (0 ≤ x ≤ n)

Teladan 2.13 :

1. 10% buah mangga yang diekspor tergolong rusak. Sebuah sampel

berukuran 20 diambil secara acak. Berapa peluang sampel yang diambil itu

rusak :

a. semuanya

b. 3 buah

c. paling sedikit sebuah

d. paling banyak 2 buah

e. rata–rata yang rusak

Jawab :

a. p (X = 20) = 20C20. (0,1)20 (0,9)0 = 10–20

b. p (X = 3) = 3C20. (0,1)3 (0,9)17 = 0,19

c. p (X = 1) = 1 – p(X=0) = 1 – 0,9 = 0,1


2 d p (X = 2) = p (X = 0) + p (X = 1) + p (X = 2) = ∑ b (x; 20, 0,1) = 0,8159 0 e Rata–rata (μ ) = np = 20 (0,1) = 2 buah

2. Suatu survai menunjukkan bahwa 20% penduduk lebih suka telepon

berwarna putih daripada warna lainnya. Berapa peluang bahwa dari 20

telepon yang dipasang berikutnya lebih dari setengahnya berwarna putih.

Jawab : 10 P (X > 10) = 1 – p (X = 10) = 1 – ∑ b (x; 20, 0,1) = 0,0006 0

3. Hasil penelitian menunjukkan bahwa 70% orang berpendapat bahwa obat

penenang tidak menyembuhkan penyakit. Berapa peluang sekurang–

kurangnya 3 dari 5 orang sampel berpendapat demikian.

Jawab : 2 P (X = 3) = 1 – p (X = 2) = 1 – `∑ b (x; 5, 0,7) = 1 – 0,1631 = 0,8369 0

(2) Sebaran Peluang Multinom

Bila peluang kejadian E1, E2, …, En adalah p1, p2, …, pk, maka peluang akan

terdapat x1 kejadian E1, x2 kejadian E2, …, xn kejadian En dari n ulangan :

n ! p (x1, x2 , … , xn) = ————————— p1

x1 . p2

x2 … pn

xn x1!, x2 !, … , xn! Teladan 2.14 :

1. Sebuah kotak terdiri dari 2 barang yang dihasilkan oleh mesin A, 5 oleh

mesin B dan 3 oleh mesin C. Sebuah barang diambil acak identitasnya

dilihat lalu disimpan kembali. Hitung peluang diantara 6 barang yang diambil

terdiri dari 1 dari mesin A, 3 mesin B dan 2 mesin C.

Jawab :

n = 10 p(A) = 2/10 p(B) = 5/10 p (C) = 3/10


6! p (1A, 3B, 2C) = ————— (0,2)1 (0,5)3 (0,3)2 = 0,0135 1! 3! 2!

2. Dalam suatu perusahaan terdapat 30% karyawan bergaji rendah, 50%

bergaji menengah dan 20% bergaji tinggi. Jika diambil sampel sebanyak 20

karyawan, hitung peluang terdapat 6 karyawan bergaji rendah, 10 bergaji

menengah dan 4 bergaji tinggi.

Jawab :

n = 20 p(R) = 0,3 p(M) = 0,5 p (T) = 0,2

20! p (6R, 10M, 4T) = ————— (0,3)6 (0,5)10 (0,3)4 = 0,0196 6! 10! 4!

3. Menurut teori Genetika, hasil persilangan kelinci menghasilkan keturunan

warna merah, hitam dan putih dengan rasio 8 : 4 : 4. Hitunglah peluang

bahwa diantara 8 keturunan terdapat 5 merah, 2 hitam dan 1 putih.

Jawab :

n = 8 p(M) = 0,5 p(H) = 0,25 p (P) = 0,25

8! p (5M, 2H, 1P) = ————— (0,5)5 (0,25)2 (0,25)1 = 0,082 5! 2! 1!

(3) Sebaran Peluang Hipergeometrik

Bila dalam populasi N benda terdapat k benda termasuk kategori tertentu,

lalu diambil sampel berukuran n, maka peluang dalam sampel terdapat x benda

termasuk kategori tersebut adalah :

k N – k x n – x p (x) = ———————— N n

Rata–rata ( μ ) = nk / N atau μ = np karena p = k/N


N – n k k N – n Ragam (σ2) = ————. n. — ( 1 – — ) atau σ2 = ——— npq N – 1 N N N – 1

Ciri :

1. Contoh acak berukuran n diambil dari populasi berukuran N

2. k dari N benda diklasifikasikan sebagai berhasil dan N – k sebagai gagal

3. Biasanya pengambilan sampel tanpa pemulihan

Teladan 2.15 :

1. Seorang ingin menanam 5 pohon mangga yang diambil secara acak dari

kotak yang berisi 5 biji mangga Gedong dan 4 biji mangga Cengkir. Berapa

peluang bahwa yang ditanam itu terdiri 2 Gedong dan 3 Cengkir.

Jawab :

N = 9 n = 5 k = 5 x = 2

5 9 – 5 2 5 – 2 p (x=2) = ———————— = 0,317 9 5

2. Sebuah penyewaan mobil mempunyai 7 Carry, 5 Zebra, 4 Kijang dan 3

Sedan. Bila disewa 10 mobil secara acak untuk keperluan tamasya, berapa

peluang yang diambil 4 Carry, 3 Zebra, 2 Kijang dan 1 Sedan.

Jawab :

7 5 4 3 4 3 2 1 p (4C, 3Z, 2K, 1S) = —————————— = 0,068 19 10

Pendekatan Binom Terhadap Hipergeometrik :

Syarat : n relatif kecil dibanding N, sehingga :

Rata–rata (μ ) = np = nk / N karena p = k/N

Ragam (σ2 ) = npq = (nk / N)(1 – k/N) q = 1 – p = 1 – k/N


Teladan 2.16 :

1. Perusahaan telepon melaporkan bahwa diantara 5000 pemasang terdapat

4000 memakai telepon tombol. Bila 10 diantara pemasang baru tersebut

diambil acak, berapa peluang terdapat 3 orang yang menggunakan telepon

tipe putar.

Jawab :

n = 10 N = 5000 k = 10 x = 3 p (tipe tombol) = 4000/5000 = 0,8

p (tipe putar) = 1 – 0,8 = 0,2

10 p ( x = 3) = (0,2)3 (0,8)7 = 0,1342 3

2. Diduga 4000 diantara 10.000 pemilih tidak setuju pajak penjualan yang baru.

Bila 15 pemilih diambil secara acak, berapa peluang bahwa sebanyak–

banyaknya 7 orang menyetujui pajak baru tersebut. Tentukan pula rata–rata

banyaknya pemilih yang setuju dan ragamnya.

Jawab :

p (tidak setuju) = 0,4 dan p (setuju) = 0,6

7 p (x = 7) = ∑ b (x; 16; 0,6) = 0,2131 0

Rata–rata (μ ) = np = 10 (0,6) = 6 orang

Ragam (σ2 ) = npq = 10 (0,6) (0,4) = 2,4

4. Sebaran Peluang Binom Negatif Untuk menentukan peluang bagi k keberhasilan dari x ulangan.

x – 1 b* (x; k, p) = pk qx–k k – 1

x = banyaknya ulangan dan k = banyaknya keberhasilan

Jika hanya untuk memperoleh satu keberhasilan (k = 1) yang pertama maka

b* ( x; p ) = p. qx–1


Teladan 2.17 :

1. Peluang penduduk di suatu kota mempunyai mobil diduga 0,7. Hitung

peluang bahwa yang ke 10 yang diambil acak adalah orang ke–5 yang

mempunyai mobil ?

Jawab :

x = 10 k = 5 p = 0,7

9 b* (10; 5, 0,7) = (0,7)5 (0,3)5 = 0,0506 4

2. Seorang ilmuwan menginokulasi beberapa tikus satu demi satu dengan

bakteri sampai diperoleh 2 tikus yang terkena penyakit. Bila peluang

terjangkiti penyakit 1/6, berapa peluang bahwa percobaan itu diperlukan 8

tikus ?

Jawab :

x = 8 k = 2 p = 1/6

7 b* (8; 2, 1/6) = (1/6)2 (5/6)6 = 0,065 1

(5) Sebaran Peluang Poisson

e–µ µx p ( x ; µ ) = ———— x = 1,2, … dan e = 2,718 x !

μ = rata–rata banyaknya hasil percobaan yang terjadi selama selang waktu

(menit, hari, tahun) atau daerah (ruas garis, volume, luas).

Ragam (σ2 ) = μ atau σ = √ μ

Untuk perhitungan digunakan Tabel Jumlah Peluang Poisson :

r ∑ p (x; μ ) 0


Teladan 2.18 :

1. Seorang sekretaris rata–rata melakukan 2 kesalahan ketik tiap halaman.

Hitung peluang bahwa pada halaman berikutnya terdapat :

a. 4 atau lebih kesalahan

b. tidak ada kesalahan

Jawab : 3 a. p (x ≥ 4, 2) = 1 – p (x = 3) = 1 – ∑ p (x; 2) = 1 – 0,8571 = 0, 1429 0

e–2 20 b. p ( 0 ; 2 ) = ———— = 0,1354 0 ! 2. Rata–rata banyaknya tikus per dam2 lahan sawah diduga tersebar 10.

Hitung peluang dalam luasan 1 dam2 terdapat

a. paling banyak 1 ekor

b. lebih dari 15 ekor,

c. 8 sampai 13.

Jawab :

1 a. p (x = 1) = ∑ p (x; 10) = 0,0005 0 15

b. p (x > 15, 10) = 1 – p (x = 15) = 1 – ∑ p (x; 10) = 0,0487 0 13 8

c. p (8 = x = 13, 10) = ∑ p (x; 10) – ∑ p (x; 10) = 0,8645 – 0,3328 0 0

= 0,5317 Pendekatan Poisson Terhadap Binom

Jika n besar (n ≥ 50) dan p dekat ke nol atau μ = np < 5, maka kejadian

Binom dapat diselesaikan dengan sebaran Poisson.

Teladan 2.19 :

1. Peluang seseorang meninggal akibat infeksi pernafasan 0,002. Hitung

peluang diantara 2000 orang yang terinfeksi akan meninggal dunia sebanyak


a. 2 orang

b. lebih dari 3 orang

c. kurang dari 5

Jawab :

p = 0,002 n = 2000 jadi μ = np = 2000 (0,002) = 4

a. p (2, 4) = (e–4)(4)2 / 2! = 0,1465

3 b. p (x > 3, 4) = 1– p (x = 3) = 1– ∑ p (x; 4) = 1– 0,4335 = 0,5665 0

4 c. p (x = 4, 4) = ∑ p (x; 4) = 0,6288 0

Soal–soal :

1. Peluang suatu produk rusak yang dihasilkan oleh sebuah mesin adalah 0,4.

Bila diambil sampel berukuran 15, berapa peluangnya bahwa :

a. sekurang–kurangnya 10 produk yang rusak (Jawab : 0,0338)

b. ada 3 sampai 8 yang rusak (Jawab : 0,8779)

c. tepat 5 buah yang rusak (Jawab : 0,1859)

2. Suatu ujian terdiri atas 15 pertanyaan pilihan berganda, masing–masing

dengan 4 kemungkinan jawaban dan hanya satu yang benar. Berapa peluang

seorang yang menjawab secara menebak–nebak saja memperoleh 5 sampai

10 jawaban yang benar.

3. Dalam suatu konferensi, peluang suatu delegasi tiba dengan menggunakan

pesawat terbang, bus, kendaraan pribadi atau kereta api adalah 0,4; 0,2; 0,3

dan 0,1. Berapa peluang bahwa diantara 9 delegasi yang diambil secara

acak 3 tiba dengan pesawat terbang, 3 dengan bus, 1 dengan mobil pribadi

dan 2 dengan kereta api.

4. Seorang polisi memeriksa secara acak 6 KTP dari 9 pelajar yang 4

diantaranya belum memenuhi syarat batas umur untuk membuat SIM.

Berapa peluang bahwa ia akan menolak 2 pelajar yang ketahuan belum

memenuhi syarat umur (Jawab : 5/14)


5. Diantara 150 pegawai RS di sebuah kota hanya 30 yang perempuan. Bila 10

orang diambil secara acak untuk memberi bantuan, berapa peluang bahwa

sekurang–kurangnya 3 pegawai perempuan yang terpilih (gunakan sebaran

Binom terhadap hipergeometrik).

6. Secara rata–rata di suatu simpangan terjadi 3 kecelakaan lalu lintas per

bulan. Berapa peluang bahwa pada suatu bulan tertentu di simpangan itu

terjadi :

a. tepat 5 kecelakaan (Jawab : 0,1008)

b. kurang dari 3 kecelakaan (Jawab : 0,4232).

c. sekurang–kurangnya 2 kecelakaan (jawab : 0,8009).

7. Misalkan secara rata–rata 1 diantara 1000 orang membuat kesalahan angka

dalam melaporkan pajak pendapatannya. Bila 10.000 formulir diambil secara

acak dan diperiksa, berapa peluang ada 6; 7 atau 8 formulir yang

mengandung kesalahan (Jawab : 0, 2657).

2.5 Beberapa sebaran Peluang Kontinyu

(1) Sebaran Peluang Normal (Sebaran Peluang Gauss)

Fungsi Kepekatan Peluang atau Kurva Normalnya adalah :

1 –½ [ (x – μ) / σ]2 p (x) = ———— e – ∞ < x < ∞ √ 2 π σ

Fungsi peluang tersebut bergantung pada parameter μ dan σ (biasanya

diketahui).

Karena kurva normal tergantung dari nilai μ dan σ, maka luas dibawah kurva yang

dibatasi oleh x = x1 dan x = x2 akan berbeda–beda.


Pada selang [X1, X2], luas daerah sebaran peluang I < II, artinya pada interval yang sama maka P (X1 < X < X2) akan berbeda pada sebaran normal yang berbeda. Sehingga nilai X perlu ditransformasi ke peubah normal baku z dengan μ = 0 dan σ2 = 1, dimana : z = ( x – μ ) / σ

x1 x2

Sebaran Normal baku adalah sebaran peubah acak normal dengan rata–rata (μ)

nol dan simpangan baku (σ) = 1.

Berdasarkan Kaidah Empirik :

68% data terletak pada μ ± 1 σ 95% data terletak pada μ ± 2 σ 99,7% data terletak pada μ ± 3 σ μ–3σ μ–2σ μ–σ μ μ+σ μ+2σ μ+3σ

Penyelesaian dalam perhitungan :

1. p ( x = c) z1 = [(c – 0,5) – μ] / σ p (z2) – p (z1)

z2 = [(c + 0,5) – μ] / σ

2. p (a < x < b) z1 = (a – μ) / σ p (z2) – p (z1)

z2 = (b – μ) / σ

3. p (a ≤ x ≤ b) z1 = [(a – 0,5) – μ] / σ p (z2) – p (z1)

z2 = [(b + 0,5) – μ] / σ

Teladan 2.20 :

Nilai rata–rata ujian Statistika adalah 74 dengan simpangan bakunya 7. Nilai ujian

menyebar normal, dengan nilai terendah E dan terbesar A.

a. Jika sebanyak 10% mahasiswa mendapat nilai E, tentukan batas tertinggi

nilai E

b. 12% dapat nilai A, berapa batas terendah nilai A

c. Persentil ke–30 atau P30

d. Desil ke–6 atau D6


Jawab :

10% 12%

30 74 D6

z = (x – μ) / σ atau x = zσ + μ

a. p (Z < z) = 0,10 maka z = –1,284

x = (–1,284)(7) + 74 = 65,02 Jadi batas tertinggi nilai E = 65,02

b. p (Z > z) = 0,12 atau p (Z < z) = 0,88 maka z = 1,175

x = (1,175)(7) + 74 = 82,23 (yang merupakan batas terendah nilai A)

c. P30 = 0,3 = p (Z < z) atau z = – 0,525 jadi x = 70,33

d. D6 = 0,6 = p (Z < z) atau z = 0,25 jadi x = 75,75 artinya sebanyak 60%

mahasiswa mendapat nilai ≤ 75,75.

Teladan 2.21 :

Rata–rata volume kecap Udang Sari setiap botol adalah 200 ml dengan

simpangan baku 15 ml. Jika volume kecap menyebar normal, hitunglah :

a. dibawah volume berapa diperoleh 25% botol dengan volume paling sedikit.

b. berapa peluang botol yang berisi 208 ml.

c. berapa peluang botol yang berisi antara 191 dan 209 ml.

d. berapa peluang botol yang berisi 187 sampai 207 ml.

e. jika terdapat 10.000 botol, berapa botol yang berisi lebih dari 224 ml.

f. berapa botol dari 10.000 botol berikutnya yang akan tumpah bila botol–botol

berukuran 230 ml.

Jawab : (Gunakan gambar supaya lebih jelas)

a. p (Z < z) = 0,25 atau z = – 0,675 jadi x = (–0,675)(15) + 200 = 190 ml.

b. p (x = 208) = p (207,5 < x < 208,5) = p (0,5 < z < 0,57) = 0,7157 – 0,6915

= 0,0242

c. p (191 < x < 209) = p (–0,6 < z < 0,6) = 0,7257 – 0,0274 = 0,4514


d. p (187 ≤ x ≤ 207) = p (186,5 < x < 207,5) = p (–0,9 < z < 0,5)

= 0,6915 – 0,1841 = 0,5074

e. p (x > 224) = p (z > 1,6) = 1 – 0,9452 = 0,0548

Jadi ada 0,0548 x 10.000 botol = 548 botol

f. p (x > 230) = p (z > 2) = 1 – 0,9772 = 0,0228

Jadi ada 0,0228 x 10.000 botol = 228 botol

Teladan 2.22 :

Rata–rata umur sepeda motor adalah 10 tahun dengan simpangan baku 2 tahun.

Pabriknya akan mengganti semua motor yang rusak dengan yang baru selama

dalam waktu garansi. Hitunglah :

a. Peluang umur sepeda motor tersebut 15 tahun.

b. Peluangnya berumur antara 10 dan 12 tahun.

c. Peluangnya berumur 7 sampai 9 tahun.

d. Bila pabrik itu hanya bersedia mengganti 3% diantara motor yang rusak,

berapa lama garansinya.


a. p (x = 15) = p (14,5 < x < 15,5) = p (2,25 < z < 2,75) = 0,9970 – 0,9878

= 0,0092

b. p (10 < x < 12) = p (0 < z < 1) = 0,8413 – 0,5000 = 0,3413

c. p (7 ≤ x ≤ 9) = p (6,5 < x < 9,5) = p (–1,75 < z < – 0,25)

= 0,4013 – 0,0401 = 0,3612

d. p (Z < z) = 0,03 atau z = –1,88 maka x = (–1,88)(2) + 10 = 6,24 tahun

Pendekatan Normal ke Binom Syarat : n besar (n > 50)

p dekat ke ½

sehingga np > 5 dan nq > 5 atau bisa juga n kecil asal p tidak terlalu dekat ke

nol atau dekat ke 1.


Penyelesaian dalam perhitungan :

z1 = [(a + 0,5) – μ ] / σ 1. p (a < x < b)

z2 = [(b – 0,5) – μ ] / σ p (z2) – p (z1)

z1 = [(a – 0,5) – μ ] / σ 2. p (a ≤ x ≤ b)

z2 = [(b + 0,5) – μ ] / σ p (z2) – p (z1)

Teladan 2.24 :

Bila 20% penduduk di suatu kota lebih menyukai telepon berwarna putih daripada

warna lainnya. Tentukan peluang diantara 1000 telpon yang dipasang berikutnya

di kota itu :

a. lebih dari 210 tetapi tidak lebih dari 225 berwarna putih

b. 185 atau lebih berwarna putih


a. p (210 < x ≤ 225) = p (210,5 < x < 225,5) = p (0,83 < z <2,02)

= 0,9783 – 0,7967 = 0,1816

b. p (x ≥ 185) = p (x > 184,5) = p (z > –1,23) = 1 – 0,1093 = 0,8907

Teladan 2.25 :

Hasil survai menunjukkan sekitar 60% produk pestisida merupakan produk yang

tidak dapat dihancurkan oleh mikroba tanah. Jika diambil 200 jenis pestisida

tentukan :

a. sebanyak 110 jenis tidak dapat dihancurkan oleh mikroba tanah (resisten)

b. sebanyak–banyaknya 128 jenis yang resisten

c. paling sedikit 130 tetapi tidak lebih dari 135 jenis bersifat resisten.


a. p (x = 110) = p (109,5 < x < 110,5) = p (0,06 < z <0,09)

= 0,5359 – 0,5239 = 0,0120

b. p (x ≤ 128) = p (x < 128,5) = p (z < 1,23) = 0,8907

c. p (130 ≤ x ≤ 135) = p (129,5 < x < 135,5) = p (1,37 < z <2,24)

= 0,9875 – 0,9147 = 0,0728


III. S A M P L I N G 3.1 Pengertian–pengertian Dasar

1. Sampling (Penarikan Contoh) = proses pemilihan objek–objek tertentu dari

sekian banyak objek yang ada.

2. Unit Sampling = objek yang dipilih dalam sampling

3. Kerangka Sampling = daftar unit sampling beserta pelungnya.

4. Populasi Sasaran = populasi yang menjadi ruang lingkup generalisasi

kesimpulan suatu penelitian.

5. Rencana Sampling = langkah–langkah menentukan unit sampling,

banyaknya unit sampling yang akan dipilih dan cara memilih unit–unit

tersebut ke dalam sampel.

6. Rancangan Sampling = rencana sampling ditambah dengan analisisnya.

7. Estimator = lambang penduga bagi populasi (x, s2). Nilainya disebut Estimate

(misal dari sampel, rata–ratanya x = 25, maka x = estimator sedangkan nilai

25 estimatenya).

3.2 Alasan Sampling 1. Ukuran Populasi : tak hingga; terhingga tetapi n besar

2. Keterbatasan Sumberdaya (biaya, tenaga, waktu).

3. Masalah Ketelitian

4. Faktor Ekonomis : Kegunaan x Sumberdaya

3.3 Banyaknya Sampel (1) Dengan Pemulihan : Jika ukuran populasi N diambil sampel berukuran n, maka banyaknya sampel

ada Nn buah sampel. Misalnya ukuran populasi 4 (A, B, C, D) diambil sampel

berukuran n = 2, maka ada 42 = 16 buah sampel.

(2) Tanpa Pemulihan : Banyaknya sampel ada nCN.


3.4 Cara Sampling (A) Sampling Non Peluang 1. Sampling Seadanya (Aksidental) : berdasarkan seadanya data dan

kemudahannya mendapatkan data. Misalnya mengumpulkan pendapat

tentang sesuatu dari orang–orang lewat.

2. Sampling Pertimbangan : Berdasarkan pertimbangan peneliti.

Ketelitian dan kerepresentatifan sampel non peluang tidak dapat ditaksir,

akibatnya tidak mungkin menyimpulkan hasil sampel terhadap populasi

dengan derajat keyakinan tertentu.

3. Sampling Kuota : teknik untuk menentukan sampel dari populasi yang

mempunyai ciri-ciri tertentu sampai jumlah (kuota) yang diinginkan. Misal ada

5 peneliti dengan ukuran sampel 100 orang, maka setiap peneliti dapat

memilih secara bebas sebanyak 20 orang.

4. Sowball Sampling (bola salju)

(B) Sampling Peluang 1. Sampling Acak Sederhana unit sampling mempunyai peluang yang sama untuk dipilih.

dapat dilakukan dengan cara (a) undian dan (b) daftar angka acak (cara

sederhana dan cara sisa pembagian).

cocok diterapkan untuk populasi yang homogen. Apabila populasinya

heterogen maka dilakukan dengan :

2. Sampling Sistematik unit sampling diambil dari populasi pada jarak interval waktu, ruang atau

urutan yang uniform.

pengambilan anggota pertama dilakukan secara acak.

pengambilan unit sampel dapat dilakukan dengan (a) jika N kelipatan dari

n, maka interval pemilihan dengan angka acak adalah N/n, dan (b) jika

N/n merupakan pecahan maka dilakukan pembulatan.


3. Sampling Berstrata (Petala) jika nilai–nilai pengamatan sangat heterogen maka perlu stratifikasi

sehingga nilai dalam strata homogen.

pengambilan sampel pada setiap strata dilakukan secara acak. Ukuran

sampel pada setiap strata bisa proporsional disebut Sampling

Proporosional, atau tidak proporsional.

4. Sampling Kluster Sampling Acak (Simple Random Sampling), Sistematik dan Strata perlu

kerangka sampling yang lengkap. Untuk menghindari hal tersebut

digunakan Sampling Kluster.

Populasi dibagi–bagi menjadi N buah kluster atau Unit Sampling Primer

(USP). USP dibagi–bagi lagi menjadi Unit Sampling Sekunder (USS).

Misal populasi terdiri dari 6 USP, dipilih 2 USP yaitu USP–1 dan USP–4.

USP–1 terdiri dari 11 USS diambil 7 USS, dan USP–4 terdiri dari 10 USS

diambil 6 USS dst. Contoh lain : Propinsi → diambil beberapa

kabupaten → dari kabupaten terpilih diambil beberapa kecamatan → dari

kecamatan terpilih diambil beberapa desa → dari desa terpilih diambil

beberapa RT. RT–RT inilah yang digunakan sebagai sampel.

3.5 Ukuran Sampel Ukuran sampel yang diambil dalam sampling tergantung dari tingkat

keragaman populasi. Semakin besar ukuran populasi, akan semakin besar pula

ukuran sampelnya agar diperoleh derajat kepercayaan yang tinggi.

Menurut Taro Yamane (1967) dalam Jalaluddin Rakhmat (1999), ukuran

sampel dapat ditentukan dengan menggunakan formula sebagai berikut :

N n = Nd2 + 1

dimana : n adalahukuran sampel, N adalahukuran populasi dan d adalah presisi (5

% atau 10 %)


IV. SEBARAN PENARIKAN CONTOH (DISTRIBUSI SAMPLING)

Distribusi Sampling merupakan distribusi peluang suatu statistik. Distribusi

sampling suatu statistik tergantung dari N, n dan metode pengambilan contohnya.

Metode pengambilan contoh dapat dilakukan dengan pemulihan dan tanpa

pemulihan.

Populasi Sampel Rata–rata (Statistik) Peluang

. .

.

→ → →

n1 n2 . .

nk

x1 x2 . .

xk

p (x1) p (x2)

.

. p (xk)

punya rata–rata (μx ) dan

simpangan baku (σx )

4.1 Sebaran Penarikan Contoh Bagi Rata–rata

A. Dengan Pemulihan

Misal populasi x 0 1 2 3 μ = 3/2 σ2 = 5/4

p (x) 1/4 ¼ 1/4 1/4

Diambil sampel dengan n = 2, jadi ada 42 = 16 kemungkinan :

No Contoh x No Contoh x x f p(x) x.p(x) f.x

1 0 ; 0 0 9 2 ; 0 1,0 0,0 1 1/16 0 0 2 0 ; 1 0,5 10 2 ; 1 1,5 0,5 2 2/16 1/16 1 3 0 ; 2 1,0 11 2 ; 2 2,0 1,0 3 3/16 3.16 3 4 0 ; 3 1,5 12 2 ; 3 2,5 1,5 4 4/16 6/16 6 5 1 ; 0 0,5 13 3 ; 0 1,5 2,0 3 3/16 6/16 6 6 1 ; 1 1,0 14 3 ; 1 2,0 2,5 2 2/16 5/16 5 7 1 ; 2 1,5 15 3 ; 2 2,5 3,0 1 1/16 3/16 3 8 1 ; 3 2,0 16 3 ; 3 3,0 24/16 24


Rata–rata dan Ragam dari rata–rata contoh adalah :

μx = ∑ f.x / ∑ f = ∑ x. p(x) = 24/16

σx2 = ∑ (x – 3/2)2 f(x) = 5/8 = 5/4/2 = σ2 / n atau σx = σ / √ n

Jadi : μx = μ dan σx = σ /√ n.

Untuk n ≥ 30 (atau n < 30 asalkan populasi asal normal), maka

x – μ z = ————— σ /√ n Teladan 4.1 :

Contoh acak berukuran 4 ditarik secara berulang–ulang dengan pemulihan dari

sebuah populasi terhingga yang terdiri dari nilai–nilai 2, 4, dan 6.

a. diantara 2 nilai berapa terdapat 68% diantara semua nilai rata–rata contoh itu

(ambil 68% yang di tengah).

b. jika contohnya berukuran 54, berapa peluang bahwa rata–rata contohnya

akan lebih besar dari 4,1 tetapi kurang dari 4,4.

Jawab :

x = 2, 4, 6 maka μ = μx = 4 dan σ = 1,63

16% 16%

z1 z2

a. p (Z < z1) = 0,16 maka z1 = – 0,995

p (Z > z2) = 0,16 maka z2 = 0,995

untuk n = 4 maka σx = σ /√ n = 0,815 dan x = z. σx + μx

x1 = (– 0,995)(0,815) + 4 = 3,19 dan x1 = (0,995)(0,815) + 4 = 4,81

Jadi 68 % data terletak diantara nilai 3,19 dan 4,81


b. n = 54 maka σx = σ /√ n = 1,63 / √ 54 = 0,22

p (4,1 < x < 4,4) = p (4,15 < x < 4,35)

= p (0,68 < z < 1,59) = 0,9441 – 0,7517 = 0,1924

B. Tanpa Pemulihan Misal populasi 0, 1, 2, 3 (N = 4) diambil sampel n = 2, maka banyaknya

kemungkinan sampel adalah 2C4 = 6.

No. 1 2 3 4 5 6

Sampel 0 ; 1 0 ; 2 0 ; 3 1 ; 2 1 ; 3 2 ; 3

Rata–rata (x) 0,5 1,0 1,5 1,5 2,0 2,5

dari contoh didapat rata–rata contoh (μ ) dan ragamnya (σx2

) adalah :

μx = ∑ x / n = 9/6 = 3/2 = μ

5/4 4 – 2 σ2 N – n σx

2 = 5/12 = ——— √ ——— = —— √ ——— √2 4 – 1 √n N – 1 Jadi jika pengambilan sampel dilakukan tanpa pemulihan maka :

μx = μ dan σx = (σ /√ n ) √ (N–n) / (N–1)

Faktor √ (N–n) / (N–1) disebut Faktor Koreksi Populasi Terhingga. Bila N relatif

besar terhadap n, maka faktor tersebut bernilai 1 sehingga σx2 mendekati σ2/n.

Hal ini dikenal dengan Dalil Limit Pusat yaitu : Bila contoh acak berukuran n ditarik

dari populasi (diskrit atau kontinyu) yang besar atau tak hingga dengan rata–rata μ

dan ragam σ2, maka rata–rata contoh μx akan menyebar mendekati distribusi

normal dengan rata–rata μx = μ dan simpangan baku σx = σ /√ n. Dengan

demikian

x – μ z = ———— σ /√ n


Dalam perhitungan, biasanya rumus untuk simpangan baku contoh atau galat baku

(σx ) yaitu :

1. σx = σ /√ n jika n/N < 5% dan

2. σx = (σ /√ n ) √ (N–n) / (N–1) jika n/N ≥ 5

Perhatikan perbedaan penggunaan rumus z pada sebaran peluang dengan

sebaran penarikan contoh. Pada sebaran penarikan contoh, ukuran sampel

diketahui dan peluang dihitung terhadap seluruh unit sampling dalam sampel.

Teladan 4.2 :

Sebuah perusahaan memproduksi bohlam. Bila umur bohlam itu menyebar normal

dengan rata–rata 800 jam dan simpangan baku 40 jam, maka hitunglah peluang

bahwa suatu contoh acak 16 bohlam akan berumur rata–rata kurang dari 775 jam.

Jawab : Umur bohlam (data kontinyu)

z = (775 – 800) / (40 / √16) = –25/10 = –2,5

p (x < 775) = p (z < –2,5) = 0,0062

Teladan 4.3 :

Bila galat baku bagi sebaran penarikan contoh berukuran 36 yang ditarik dari

populasi yang besar adalah 2, berapa ukuran contoh itu harus ditingkatkan agar

galat bakunya berkurang menjadi 1,2.

Jawab :

σx = 2 dan n = 36 maka σ = σx √ n = 2 (6) = 12 atau σ2 = 144

σx = 1,2 jadi σx2

= 1,44 maka n = σ2 / σx2 = 144 / 1,44 = 100

Jadi ukuran sampel harus ditingkatkan menjadi 100.

Teladan 4.4 :

Sebuah mesin minuman ringan diatur agar jumlah minuman yang dikeluarkan

setiap botol rata–rata 240 ml dengan simpangan baku 15 ml. Secara periodik

mesin itu diperiksa dengan mengambil 40 botol kemudian dihitung rata–ratanya.

Jika rata–rata 40 botol tersebut berada pada selang μx ± 2 σx, maka mesin masih

dianggap baik. Jika petugas mendapatkan rata–rata isi ke 40 botol adalah 236 ml


dan menyimpulkan mesin itu tidak perlu diperbaiki, apakah keputusannya itu

wajar?

Jawab :

μ = 240 σ = 15 n = 40 dan μx = 236

maka σx = σ / √ n = 15 / √ 40 = 2,37

μx ± 2 σx, = 236 ± 2 (2,37) atau 231,26 < μ < 240,74 (Wajar)

Teladan 4.5 :

Sebuah mesin membuat resistor dengan tahanan rata–rata 40 Ω dan simpangan

baku 2 Ω. Berapa peluang suatu contoh acak 36 resistor akan menghasilkan

tahanan gabungan lebih daripada 1458 Ω.

Jawab : (Data kontinyu)

μ = 40 σ = 2 n = 36 σx = σ / √ n = 2 / √ 36 = 0,33

rata–rata tahanan setiap resistor (x) = 1458 : 36 = 40,5

z = (40,5 – 40) / 0,33 = 1,5

p (x > 40,5) = p (z > 1,5) = 1 – 0,9332 = 0,0668

4.2 Sebaran t–Student (W.S. Gosset)

Bila σ2 tidak diketahui maka untuk n ≥ 30 nilai σ2 dapat didekati oleh s2,

sehingga nilai (x – μ) / (s / √ n) masih mendekati normal, karena fluktuasi s2

relatif kecil.

Bila n < 30 maka fluktuasi s2, cukup besar dari contoh satu ke contoh lainnya,

sehingga nilai (x – μ) / (s / √ n) tidak lagi normal. Oleh karena itu digunakan

sebaran lain yaitu sebaran t–student, dimana :

x – μ t = db = v = n – 1 s / √ n


Perbedaan pembacaan Tabel z (normal baku) dengan Tabel t–student :

Pada Tabel z, nilai dalam daftar adalah nilai peluangnya (α) atau luas di

bawah kurva untuk setiap nilai z. Pada Tabel t–student, nilai dalam daftar

adalah nilai bagi t untuk setiap peluang (α) yang diketahui. Peluang (α)

adalah luas daerah di bawah kurva.

Teladan 4.6 :

P (– t0,025 < t < t0,025) = 0,95

Teladan 4.7 :

Sebuah perusahaan menyatakan bahwa batere yang digunakan dalam alat–alat

permainan elektronik akan mencapai umur rata–rata 30 jam. Untuk

mempertahankan nilai rata–rata ini, 16 batere diuji tiap bulan. Bila nilai t yang

diperolehnya jatuh antara – t0,025 dan t0,025, maka perusahaan itu cukup puas.

Jika dari 16 contoh didapat :

a. rata–rata x = 27,5 dengan simpangan baku 5 jam, apa kesimpulannya ?

b. rata–rata x = 33,75 dengan simpangan baku 5 jam, apa kesimpulannya ?


a. μ = 30 s = 5 n = 16 x = 27,5 dan s / √ n = 5 / √ 16 = 1,25

untuk db = v = 16–1 = 15 didapat (–t0,025 < t < t0,025) = (–2,31 < t < 2,31)

t = (x – μ) / (s / √ n) = (27,5 – 30)/ (1,25) = –2 (Terima)

b. μ = 30 s = 5 n = 16 x = 33,75 dan s / √ n = 5 / √ 16 = 1,25

untuk db = v = 16–1 = 15 didapat P (–t0,025 < t < t0,025) = –2,31 < t < 2,31

t = (x – μ) / (s / √ n) = (33,75 – 30)/ (1,25) = 3 lebih besar dari nilai

t = 2,31 artinya batere produksinya lebih baik dari yang disangkanya.


Teladan 4.8 :

Sebuah perusahaan rokok menyatakan bahwa kandungan nikotin rata–rata

rokoknya sebesar 1,83 mg per batang. Hasil pengujian 8 batang rokok kadar

nikotinnya 2,0 ; 1,7 ; 2,1 ; 1,9 ; 2,2 ; 2,1 ; 2,0 dan 1,6 mg. Apakah anda setuju

pernyataan tersebut ?


n = 8 x = 1,95 s = 0,21 dan s / √ n = (0,21) / √ 8 = 0,074.

untuk db = 8 – 1 = 7 dan α = 5% = 0,05 didapat t0,05 (7) = 1,895

t = (x – μ) / (s / √ n) = (1,95 – 1,83)/ (0,074) = 1,622

Karena nilai ( t = 1,622 ) < ( t0,05 (7) = 1,895 ), maka kita dapat menerima

pernyataan tersebut.

4.3 Sebaran Proporsi

Misal populasi berukuran N terdapat peristiwa A sebanyak Y diantara N,

maka didapat parameter proporsi A = Y/N. Dari populasi diambil sampel

berukuran n dan misalkan didalamnya terdapat peristiwa A sebanyak x, jika semua

kemungkinan sampel yang mungkin, diambil dari populasi itu maka didapat

sekumpulan harga statistik proporsi. Dari kumpulan proporsi ini dapat dihitung

rata–rata (μx/n) dan simpangan bakunya (σx/n), yang disebut juga sebagai Galat

Baku Proporsi.

Jika n/N ≤ 5% maka : μx/n = p dan σx/n = √ pq/n

Jika n/N > 5% maka : μx/n = p dan σx/n = √ pq/n √(N–n)/(N–1)

Transformasi ke normal baku :

x/n – p z = ———— σx/n

Jika selisih proporsi antar contoh diharapkan ≤ d maka σx/n ≤ d


Teladan 4.9 :

Telah dikirim 5000 peti gelas, tiap peti berisi 100 gelas. Dalam pengiriman itu

biasanya terjadi 5% gelas pecah. Ada berapa peti diharapkan diterima yang

berisikan minimal 98 buah gelas yang baik setiap peti.

Jawab :

n = 100 p = 0,05 q = 0,95 dan

σx/n = √ pq/n = √ (0,05)(0,95)/(100) = 0,022

P (x/n ≥ 0,98) = p (x/n < 0,02) jadi x/n = 0,02

z = (0,02 – 0,05) / (0,022) = –1,38

p (x/n < 0,02) = p (z < –1,38) = 0,0838 X 5000 peti = 419 peti berisi gelas yang

pecah atau 4.581 buah peti berisi gelas yang baik.

Teladan 4.10 :

Terdapat 10% populasi padi dalam 1 ha terkena ganjur. Diambil 100 tanaman

a. tentukan peluangnya minimal 15 tanaman terkena ganjur

b. berapa tanaman harus diamati agar persentase ganjur dari sampel satu ke

lainnya diharapkan berbeda paling besar 2%.

Jawab :

n = 100 p = 0,1 q = 0,9 dan σx/n = √ pq/n = √ (0,1)(0,9)/(100) = 0,03

a. z = (0,15 – 0,1) / (0,03) = 1,67 dan p (z ≥ 1,67) = 1 – 0,9525 = 0,0475

b. σx/n ≤ d atau √ pq/n = √ (0,1)(0,9)/ n ≤ 0,02 jadi n ≥ 225

4.4 Sebaran Simpangan Baku Dari semua kemungkinan sampel yang diambil dari populasi N, masing–

masing dihitung simpangan bakunya (s). Dari kumpulan s ini lalu dihitung rata–

ratanya (μs) dan simpangan bakunya (σs). Untuk n besar (n ≥ 100) atau populasi

normal, maka sebaran simpangan baku mendekati sebaran normal dengan (μs) =

σ dan (σs) = σ / 2n, sehingga :

s – σ z = ———— σ = simpangan baku populasi σs


4.5 Sebaran Median

μme = μ dan (σme) = 1,2533 σ / √n, sehingga :

Mes – μ z = ————— σme

4.6 Sebaran Selisih dan Jumlah Rata–rata

(1) Selisih Rata–rata :

μ x1–x2 = μ1 – μ2 dan σx1–x2 = √ (σ12 / n1) + (σ2

2 / n2)

(x1 – x2) – (μ1 – μ2) z = —————————— (σx1–x2) (2) Jumlah Rata–rata :

μ x1+x2 = μ1 + μ2 dan σx1+x2 = √ (σ12 / n1) + (σ2

2 / n2)

(x1 + x2) – (μ1 + μ2) z = —————————— (σx1+x2)

Teladan 4.11 :

Rata–rata umur tabung TV merk A = 6,5 tahun dengan simpangan baku 0,9 tahun,

TV merk B rata–rata 6 tahun dengan simpangan baku 0,8 tahun. Berapa peluang

sebuah sampel acak berukuran 36 tabung TV merk A mencapai umur rata–rata

sekurang–kurangnya 1 tahun lebih lama daripada umur rata–rata 49 tabung TV

merk B.

Jawab :

A : n1 = 36 μ1 = 6,5 σ1 = 0,9

B : n2 = 49 μ2 = 6 σ2 = 0,8

μ x1–x2 = μ1 – μ2 = 0,5

σ x1–x2 = √ (σ12 / n1) + (σ2

2 / n2) = √ (0,81 / 36) + (0,64 / 49) = 0,189

z = (1,0 – 0,5) / (0,189) = 2,65


P ( x1 – x2 ≥ 1 ) = p ( z ≥ 2,65 ) = 1 – p(z < 2,65) = 1 – 0,996 = 0,004

Teladan 4.12 :

Tinggi tanaman A rata–rata 80 cm dengan simpangan baku 5 cm, dan tanaman B

rata–rata tingginya 75 cm dengan simpangan baku 3 cm. Hitung peluang rata–rata

25 contoh tanaman A akan melampaui 36 tanaman B sekurang–kurangnya 3,4 cm

tetapi kurang dari 5,9 cm.

Jawab :

A : n1 = 25 μ1 = 80 σ1 = 5

B : n2 = 36 μ2 = 75 σ2 = 3

μ x1–x2 = μ1 – μ2 = 5

σx1–x2 = √ (σ12 / n1) + (σ2

2 / n2) = √ (25 / 25) + (9/ 36) = 1,12

P [ 3,4 ≤ (x1 – x2 ) < 5,9 ] = P [ 3,35 < (x1 – x2 ) < 5,90 ]

= P (–1,47 < z < 0,80) = 0,7881 – 0,0708 = 0,7173

4.7 Sebaran Selisih Proporsi

μsp = p1 – p2 dan σsp = √ (p1 q1 / n1) + (p2 q2 / n2)

(x1/n1 – x2/n2) – (p1 – p2) z = ——————————— (σsp ) Teladan 4.13 :

Sebanyak 60% minuman kotak di suatu kota kemasannya sudah rusak. Dua

sampel acak diambil masing–masing berukuran 300 kotak. Tentukan peluang

terjadinya perbedaan persentase tidak lebih dari 10% yang rusak.

Jawab :

p1 = p2 = 0,6 n1 = n2 = 300

P [ (x1/n1 – x2/n2 ) < 0,10 ] = … ?

σsp = √ (p1q1 / n1) + (p2q2 / n2) = √ [(0,6)(0,4)/300] + [(0,6)(0,4)/ 300) = 0,04

z = (1,0 – 0) / (0,04) = 2,5 jadi P ( z < 2,5) = 0,9938 Wijaya : Statistika II-1 51

V. PENDUGAAN (PENAKSIRAN) PARAMETER

1. Statistika Inferensia dikelompokkan dalam 2 bidang, yaitu (a) Pendugaan

Parameter, dan (b) Pengujian Hipotesis. Metode pendugaan parameter

populasi ada 2, yaitu (a) Metode Klasik, metode pendugaan berdasarkan

kesimpulan suatu contoh acak yang diambil dari populasi itu, dan (b) Metode

Bayes, yang menggabungkan pengetahuan subjektif tentang sebaran

peluang parameter yang tidak diketahui dengan informasi yang didapat dari

data contoh.

2. Metode Pendugaan Klasik :

Statistik θ (x, s2, x/n) sebagai penduga atau fungsi keputusan bagi

parameter θ (μ, σ2, p).

Ruang Keputusan = himpunan semua kemungkinan nilai dugaan yang

dapat diambil oleh penduga (estimator).

Sifat Penduga yang baik adalah : (a) tidak bias, bila μ0 = E(θ) = θ, (b)

paling efisien (ragamnya terkecil) dan (c) konsisten, artinya nilai θ

mendekati θ bila n meningkat.

3. Nilai dugaan dalam bentuk selang lebih tepat digunakan daripada nilai

dugaan dalam bentuk dugaan titik.

4. Nilai dugaan selang : P (θ1 < θ < θ2 ) = 1 – α, artinya peluang θ terletak

diantara θ1 dan θ2 sebesar (1 – α). Jika θ1 dan θ2 nilainya telah didapat

dari sampel, misalnya θ1 = a dan θ2 = b, maka pernyataan di atas menjadi

berarti kita merasa (1 – α) 100% yakin bahwa θ ada dalam selang (a,b).

Selang (θ1 < θ < θ2 ) disebut Selang Kepercayaan (1 – α) 100%.

(1 – α) disebut Koefisien Kepercayaan atau Derajat Kepercayaan.

Nilai statistik θ1 dan θ2 disebut Batas Kepercayaan.


5.1 Pendugaan Rata–rata. Cara menentukan sebaran apa yang digunakan :

Jika σ diketahui (ada) atau n = 30, maka digunakan sebaran normal z.

Jika σ tidak diketahui dan n < 30, maka digunakan sebaran t– student.

Faktor Koreksi untuk populasi terbatas yaitu √(N–n)/(N–1) digunakan jika

n/N = 5%. Dengan diagram dapat dijelaskan sebagai berikut :

Ya σ ada ? Z

Tidak

Ya n ≥ 30 ?

Z

Tidak

t

Dugaan Selang :

P (–zα/2 < z < zα/2 ) = 1 – α

P (–zα/2 < (x–μ)/σx < zα/2 ) = 1 – α

P (x – zα/2 . σx < μ < x + zα/2 . σx ) = 1 – α

⇔ ( x – zα/2 . σx ) < μ < ( x + zα/2 . σx )


Arti (1 – α) 100% = 95% jika α = 5%.

Contoh yang berbeda akan menghasilkan nilai rata–rata x yang berbeda pula, sehingga selang kepercayaan bagi parameter μ yang diperoleh juga berbeda. Sebagian besar selang mencakup μ. Panjang semua selang sama, karena panjang selang hanya bergantung pada nilai zα/2.

μ

Galat Dalam Pendugaan μ :

Bila statistik x digunakan untuk menduga μ, kita percaya (1 – α) 100% bahwa

galatnya tidak akan melebihi zα/2 . σx.

Galat x – zα/2 . σx x μ x + zα/2 . σx

Rumus Pendugaan Rata–rata (μ) :

(A) Jika σ Diketahui :

1. x – zα/2 .σ/√n < μ < x + zα/2x .σ/√n untuk n/N ≤ 5%

2. x – zα/2 (σ/√n).√(N–n)/(N–1) < μ < x + zα/2(σ/√n)√(N–n)(N–1), n/N > 5%

(B) Jika σ Tidak Diketahui :

1. n = 30 : x – zα/2 .σ/√n < μ < x + zα/2 .σ/√n untuk n/N ≤ 5%

2. n < 30 : x – tα/2.(s/√n)√(N–n)/(N–1) < μ < x + tα/2 .(s/√n).√(N–n)(N–1)

untuk n/N > 5%.

Teladan 5.1 :

Sebuah perusahaan memproduksi bohlam yang umurnya kira–kira menyebar

normal dengan simpangan baku 42 jam. Bila suatu contoh acak 36 bohlam

mencapai umur rata–rata 780 jam, maka :

a. Buat selang kepercayaan 95% bagi rata–rata populasi umur bohlam yang

diproduksi perusahaan tersebut.


b. Dengan tingkat kepercayaan 99%, tentukan besarnya galat bila kita menduga

rata–rata umur bohlam 780 jam.

Jawab :

x = 780 n = 36 σ = 42 σ/√n = 42 /√36 = 7

untuk α = 5% maka z0,025 = 1,96 dan untuk α = 1% maka z0,005 = 2,58

a. Selang Kepercayaannya : x – zα/2 .σ/√n < μ < x + zα/2 .σ/√n

⇔ 780 – (1,96)(7) < μ < 780 + (1,96)(7) 766,28 < μ < 793,72

b. Galat Dugaan = zα/2 σ/√n = (2,58)(7) = 18,06 artinya kita yakin 99% bahwa

perbedaan rata–rata umur bohlam dari contoh (x = 780 jam) dengan rata–rata

umur bohlam sesungguhnya (μ ) tidak lebih besar dari 18,06 jam.

Teladan 5.2 :

Suatu contoh acak 36 mahasiswa tingkat akhir mempunyai rata–rata dan

simpangan baku nilai mutu rata–rata sebesar 2,6 dan 0,3. Buat selang

kepercayaan 98% bagi rata–rata NMR seluruh mahasiswa tingkat akhir.

Jawab :

x = 2,6 n = 36 s = 0,3 s/√n = 2,6 /√36 = 0,433

untuk α = 2% maka z0,01 = 2,33

Selang Kepercayaannya : x – zα/2 . s/√n < μ < x + zα/2 . s/√n

⇔ 2,6 – (2,33)(0,433) < μ < 2,6 + (2,33)(0,433) 2,48 < μ < 2,72

Teladan 5.3 :

Isi 10 kaleng sabun detergen berturut–turut 10,2 ; 9,7 ; 10,3 ; 10,1 ; 10,1 ; 9,8 ; 9,9

; 10,4 ; 10,3 dan 9,8 liter. Buat selang kepercayaan 95% bagi rata–rata isi sabun

tersebut.

Jawab :

x = 10,06 n = 10 s = 0,25 s/√n = 0,25 /√10 = 0,08 t0,025 (9) = 2,262

Selang Kepercayaannya : x – tα/2 . s/√n < μ < x + tα/2 . s/√n

⇔ 10,06 – (2,262)(0,08) < μ < 10,06 + (2,262)(0,08) 9,88 < μ < 10,24


Ukuran Contoh Bagi Pendugaan Rata–rata (μ )

Galat Duga Rata–rata (e) = zα/2 . σx . = zα/2 . σ/√n jadi n = (zα/2 .σ / e)2

Teladan 5.4 :

Suatu contoh acak 36 mahasiswa tingkat akhir mempunyai rata–rata dan

simpangan baku nilai mutu rata–rata sebesar 2,6 dan 0,3. Berapa ukuran contoh

harus diambil bila kita ingin percaya 95% bahwa nilai dugaan tidak menyimpang

dari μ sebesar 0,05.

Jawab : x = 2,6 s = 0,3 z0,025 = 1,96 dan e = 0,05

n = (zα/2 .σ / e)2 = n = [(1,96)(0,3) / 0,05)2 = 138,2 = 139 mahasiswa.

5.2 Pendugaan Selisih Rata–rata

A. Jika σ12 dan σ2

2 Diketahui :

(x1 – x2) – zα/2 .√(σ12 / n1) + (σ2

2 / n2) < (μ1 – μ2) <

(x1 – x2) + zα/2.√ (σ12 / n1) + (σ2

2 / n2)

B. Jika σ12 dan σ2

2 Tidak Diketahui :

1. n = 30 ( Populasi Normal maupun tidak normal ) :

(x1 – x2) – zα/2 .√(s12 / n1) + (s2

2 / n2) < (μ1 – μ2) <

(x1 – x2) + zα/2.√ (s12 / n1) + (s2

2 / n2)

2. n < 30 ( Normal dan σ12 = σ2

2 ) :

(x1 – x2) – tα/2 .Sg√(1/ n1) + (1 / n2) < (μ1 – μ2) <

(x1 – x2) + tα/2 .Sg √ (1 / n1) + (1 / n2)

(n1 – 1) s12 + (n2 – 1) s2

2

Sg2 = ————————————

n1 + n2 – 2


3. n < 30 ( Normal dan σ12 ≠ σ2

2 ) :

(x1 – x2) – tα/2 .√( s12 / n1) + (s2

2 / n2) < (μ1 – μ2) <

(x1 – x2) + tα/2 .√ (s12 / n1) + (s2

2 / n2)

Derajat bebas (v) untuk tα/2 dihitung dengan rumus : (s1

2 / n1 + s22 / n2 )2 (W1

2 + W22 )2

v = ————————————————— = ————————————— [(s1

2/n1)2 / (n1 –1)] + [(s22/n2)2 / (n2 –1)] [W1

2/ (n1 –1) + W22/ (n2 –1)]

Cara lain untuk menentukan tα/2 (V) adalah :

(w1 t1 + w2 t2 ) tα/2 (V) = t’ = ————————— ( w1 + w2 )

dimana :

w1 = (s12 / n1) w2 = (s2

2 / n2) t1 = tα/2 (n1–1) t2 = tα/2 (n2–1)

(4) n < 30 dan populasi tidak normal, maka diterapkan Statistika Non Parametrik.

Teladan 5.4 :

Sebuah perusahaan memproduksi 2 macam lampu pijar A dan B. Misal umur

lampu pijar tersebut menyebar normal dengan simpangan baku masing–masing 80

dan 90 jam. Contoh acak masing–masing berukuran 50 diuji dan didapat rata–rata

umurnya sebesar 1282 jam dan 1208 jam. Buat selang kepercayaan 95%.

Jawab :

n1 = n2 = 50 σ1 = 80 σ2 = 90 x1 = 1282 x2 = 1208 z0,025 = 1,96

x1 – x2 = 74 dan σx1–x2 = √(σ12/n1) + (σ2

2/n2) = √ (802/ 50) + (902/ 50) = 17,321

(x1 – x2) – zα/2 .√(σ12 / n1) + (σ2

2 / n2) < (μ1 – μ2) <

(x1 – x2) + zα/2.√ (σ12 / n1) + (σ2

2 / n2)

⇔ 74 – (1,96)(17,321) < (μ1 – μ2) < 74 + (1,96)(17,321)

⇔ 40,05 < (μ1 – μ2) < 107,95


Teladan 5.5 :

Dua jenis tambang ingin dibandingkan kekuatannya, untuk itu 50 potong tambang

dari setiap jenis diuji dalam kondisi yang sama. Jenis A mempunyai kekuatan

rata–rata 78,3 kg dengan simpangan baku 5,6 kg, sedangkan B rata–ratanya 87,2

kg dengan simpangan baku 6,3 kg. susun selang kepercayaan 95% bagi selisih

rata–rata populasi..

Jawab :

n1 = n2 = 50 x1 = 78,3 s1 = 5,6 x2 = 87,2 s2 = 6,3 z0,025 = 1,96

x2 – x1 = 8,9 dan sx1–x2 = √(s12/n1) + (s2

2/n2) = √ (5,6)2/ 50 + (6,3)2/ 50 = 1,19

(x1 – x2) – zα/2 .√(s12 / n1) + (s2

2 / n2) < (μ1 – μ2) <

(x1 – x2) + zα/2.√ (s12 / n1) + (s2

2 / n2)

⇔ 8,9 – (1,96)(1,19) < (μ2 – μ1) < 8,9 + (1,96)(1,19)

⇔ 6,57 < (μ2 – μ1) < 11,23

Teladan 5.6 :

Pelajaran matematika diberikan kepada 12 siswa kelas A dengan metode

pengajaran biasa, dan 10 siswa kelas B dengan metode pengajaran menggunakan

bahan terprogram. Hasil ujian kelas A rata–ratanya 85 dengan simpangan baku 4,

kelas B rata–ratanya 81 dengan simpangan baku 5. Tentukan selang kepercayaan

90% bagi selisih rata–rata populasi, bila diasumsikan kedua populasi menyebar

menghampiri normal dengan ragam yang sama.

Jawab :

n1 = 12 x1 = 85 s1 = 4 n2 = 10 x2 = 81 s2 = 5 t0,05 (20) = 1,725

x2 – x1 = 4 dan sg = √ [(n1 –1) s12 + (n2 –1) s2

2 ] / (n1+ n2 –2)

sg = √ [11(16) + 9(25)]/ (10+12–2) = 4,478 ; 1/n2 = 0,083 ; 1/n2 = 0,100

Selang Kepercayaannya :

4 – (1,725)[(4,478)(0,083 + 0,100) < (μ2 – μ1) < 4 + (1,725)(4,478)(0,083 + 0,100)

0,69 < (μ2 – μ1) < 7,31


Teladan 5.7 :

Masa putar film yang diproduksi oleh 2 perusahaan film adalah :

Masa Putar (menit)

Perusahaan I 103 94 110 87 98 Perusahaan II 97 82 123 92 175 88 118

Buat selang kepercayaan 99% bagi selisih rata–rata masa putar, bila diasumsikan

sebaran masa putar film mendekati normal dengan ragam yang berbeda.

Jawab : n < 30 σ1 , σ2 tidak ada, dan σ1 ≠ σ2 n1 = 5 x1 = 98,4

s12 = 76,3 n2 = 7 x2 = 110,7 s2

2 = 1035,9 t0,005 (10) = 3,169

derajat bebas untuk tα/2 atau t0,005 adalah :

(s12 / n1 + s2

2 / n2 )2

v = ————————————————— [(s1

2/n1)2 / (n1 –1)] + [(s22/n2)2 / (n2 –1)]

[ (76,3 / 5) + (1035,9 / 7) ]2 v = ————————————————— = 7,19 = 7 [(76,3 / 5)2 / (4)] + [(1035,9 / 7)2 / (6)] jadi t0,005 (7) = 3,499 dan ( x2 – x1 )= 12,3

√ [(s12/ n1) + (s2

2/ n2)] = √ [(76,3)/(5) + (1035,9)/(7)] = 12,78

(x1 – x2) – tα/2(V) .√(s12/n1) + (s2

2/n2) < (μ1 – μ2) <

(x1 – x2) + tα/2(V) .√ (s12/n1) + (s2

2/n2)

⇔ 12,3 – (3,499)(12,78) < (μ2 – μ1) < 12,3 + (3,499)(12,78)

⇔ – 32,42 < (μ2 – μ1) < 57,02

Cara lain menentukan tα/2(V) = t’ bagi σ1 ≠ σ2 (tidak diketahui)

tα/2(V) = t’ = (w1 t1 + w2 t2 ) / ( w1 + w2 )

w1 = (s12 / n1) = (76,3)2 / (5) = 15,26

w2 = (s22 / n2) = (1035,9)2 / (7) = 147,99

t1 = tα/2 (n1–1) = t0,005 (5–1) = 4,604


t2 = tα/2 (n2–1) = t0,005 (7–1) = 3,707

tα/2(V) = t’ = (w1 t1 + w2 t2 ) / (w1 + w2 ) = ( 618,856) / (163,25) = 3,79

sehingga :

⇔ 12,3 – (3,79)(12,78) < (μ2 – μ1) < 12,3 + (3,79)(12,78)

⇔ – 36,14 < (μ2 – μ1) < 60,74

5.3 Pendugaan Rata–rata Pengamatan Berpasangan

Contoh bersifat tidak bebas, dan σ1 ≠ σ2

d – tα/2(V) . sd /√n < μd < d + tα/2(V) . sd /√n

Teladan 5.8 :

Pelatihan manajemen agribisnis kepada 100 petani andalan agar mampu

mengembangkan usahataninya. Setelah beberapa waktu, 6 orang diantara 100

petani andalan tersebut diselidiki keuntungan yang mereka peroleh sebelum dan

sesudah pelatihan, datanya adalah sebagai berikut :

Petani 1 2 3 4 5 6 Sebelum Dilatih 40 78 49 63 55 33 Juta rupiah Sesudah Dilatih 58 87 57 72 61 40 Juta rupiah

Buat selang kepercayaan 95% bagi selisih rata–rata :

Jawab :

Sebelum Dilatih 40 78 49 63 55 33 Sesudah Dilatih 58 87 57 72 61 40

Beda (d) 18 9 8 9 6 7

n = 6 ∑d = 57 ∑d2 = 635 d = 9,5 sd = 4,32 sd /√n = 1,76 t0,025(5) = 2,57

Selang Kepercayaannya : 9,5 – (2,57)(1,76) < μd < 9,5 + (2,57)(1,76)

4,98 < μd < 14,02


5.4 Pendugaan Proporsi

Selang kepercayaan ( 1 – α )100% bagi parameter binom p :

(a) n ≥ 100 : p – zα/2 . √ pq/n < π < p + zα/2 . √ pq/n

(b) n < 100 : p – tα/2(V) . √ pq/n < π < p + tα/2(V) . √ pq/n

Galat Pendugaan p yaitu e ≤ zα/2 . √ pq/n

Ukuran Contoh ( n ) = ( zα/22 . pq ) / (e2 ) = ( zα/2

2 ) / (4 e2 )

(Rumus untuk n yang pertama mengharuskan adanya pengambilan contoh awal

untuk menentukan p, oleh karena itu lebih baik digunakan rumus n yang kedua).

Teladan 5.9 :

Contoh acak 500 orang yang makan siang di sebuah restoran selama beberapa

hari minggu diperoleh informasi x = 160 orang yang suka makanan laut. Tentukan

(a) Selang kepercayaan 95% bagi proporsi sesungguhnya yang suka makanan

laut di restoran tersebut, (b) Besarnya Galat Duga dan (c) Berapa ukuran contoh

diperlukan agar percaya sekurang–kurangnya 95% bahwa nilai dugaan bagi p

berada dalam jarak sebesar–besarnya 0,02.

Jawab :

(a) p = 160/500 = 0,32 q = 0,68 dan √ pq/n = √ (0,32(0,68) / 500 = 0,021

untuk α = 0,05 nilai zα/2 = z0,025 = 1,96

⇔ p – zα/2 . √ pq/n < π < p + zα/2 . √ pq/n

⇔ 0,32 – (1,96)(0,021) < π < 0,32 + (1,96)(0,021) ⇔ 0,28 < π < 0,36

(b) e ≤ zα/2 . √ pq/n atau e ≤ 1,96 (0,021) = 0,04

(c) n = ( zα/22

) / (4 e2 ) = (1,96)2 / 4 (0,02)2 = 2401 orang

5.5 Pendugaan Selisih Proporsi

Selang kepercayaan ( 1 – α )100% bagi selisih parameter binom p :

a. n ≥ 100 :

(p1 – p2) – zα/2.√(p1q1/n1) + (p2q2/n2 ) < (π1 – π2 )< (p1 – p2) + zα/2.√(p1q1/n1)


b. n < 100 :

(p1 – p2) – tα/2.√(p1q1/n1) + (p2q2/n2 ) < (π1 – π2 )< (p1 – p2) + tα/2.√(p1q1/n1)

Derajat Bebas untuk tα/2 = n1 + n2 –2

Teladan 5.10 :

Suatu studi dilakukan untuk menduga proporsi penduduk suatu kota dan penduduk

di sekitar kota tersebut yang menyetujui pembangkit listrik tenaga nuklir. Bila 1200

diantara 2000 penduduk kota dan 2400 diantara 5000 penduduk di sekitar kota

yang diwawancarai menyetujui pembangunan tersbut, buat selang kepercayaan

90% bagi proporsi sebenarnya yang setuju.

Jawab :

p1 = 0,60 q1 = 0,40 p2 = 0,48 q2 = 0,52 (p2 – p1) = 0,12

√ (p1q1/n1) + (p2q2/n2 ) = √ [(0,6)(0,4)/2000 + (0,48)(0,52)/5000 = 0,013

untuk α = 0,10 nilai zα/2 = z0,05 = 1,645

⇔ (p1 – p2) – zα/2 .√(p1q1/n1) + (p2q2/n2 ) < (π1 – π2) <

(p1 – p2) + zα/2.√(p1q1/n1) + (p2q2/n2 )

⇔ 0,12 – (1,645)(0,013) < (π1 – π2) < 0,12 + (1,645)(0,013)

⇔ 0,10 < (π1 – π2) < 0,14

Teladan 5.11 :

Seorang ahli genetika tertarik pada populasi laki–laki dan perempuan dalam

populasi yang mengidap kelainan darah tertentu. Dari contoh 100 laki–laki

terdapat 24 yang mengidap kelainan darah dan 100 perempuan terdapat 13 yang

mengidap kelainan. Buat selang kepercayaan 99% bagi proporsi sebenarnya.

Jawab :

p1 = 0,24 q1 = 0,76 p2 = 0,13 q2 = 0,87 (p2 – p1) = 0,11

√ (p1q1/n1) + (p2q2/n2 ) = √ [(0,24)(0,76)/100 + (0,13)(0,87)/100 = 0,054

untuk α = 0,01 nilai zα/2 = z0,025 = 2,575


⇔ (p1 – p2) – zα/2 .√(p1q1/n1) + (p2q2/n2 ) < (π1 – π2) <

(p1 – p2) + zα/2.√(p1q1/n1) + (p2q2/n2 )

⇔ 0,11 – (2,575)(0,054) < (π1 – π2) < 0,11 + (2,575)(0,054)

⇔ – 0,03 < (π1 – π2) < 0,25

5.6 Pendugaan Ragam

( n – 1 ) s2 χ2 = ————— σ2

Derajat Bebas untuk χ2 = n – 1

Karena sebaran peluang bagi χ2 bentuknya tidak simetris, maka :

P ( χ21–α/2 < χ2 < χ2

α/2 ) = 1 – α

( n – 1 ) s2 ( χ2

1–α/2 < ————— < χ2α/2 )

σ2

( n – 1 ) s2 ( n – 1 ) s2 ————— < σ2 < —————— χ2

α/2 χ21–α/2

Teladan 5.11

Contoh acak 5 buah batere mobil setelah dipakai ditemukan data masa pakainya

0,9 ; 1,4 ; 2,0 ; 2,5 dan 1,2 tahun. Buat selang kepercayaan 95% bagi ragam

populasi masa pakai batere mobil tersebut. Wijaya : Statistika II-1 63

Jawab : n = 0,24 ∑x2 = 14,46 ∑x = 8,0 s2 = 0,415 untuk α = 0,05 nilai

χ2α/2 (v) = χ2

0,025 (4) = 11,1 dan χ21–α/2 (v) = χ2

0,975 (4)( = 0,484

( n – 1 ) s2 ( n – 1 ) s2 ————— < σ2 < ————— χ2

α/2 χ21–α/2

⇔ [(4)(0,415) / (11,1)] < σ2 < [(4)(0,415) / (0,484)]

⇔ 0,15 < σ2 < 3,43

5.7 Pendugaan Rasio Dua Ragam

χ12 / v1 s1

2 / σ12 s1

2 . σ22

F = ———— = ————— = ————— χ2

2 / v2 s22 / σ2

2 s22 . σ1

2

F1–α/2 (v1,v2) = 1 / ( Fα(v2,v1) )

s12 . σ2

2 F1–α/2 (v1,v2) < ————— < Fα/2 (v1,v2) s2

2 . σ12

s1

2 1 σ12 s1

2 1 —— ————— < —— < —— —————— s2

2 Fα/2(v1,v2) σ22 s2

2 F1–α/2 (v1,v2)

s12 1 σ1

2 s12

—— ————— < —— < —— . Fα/2(v2,v1) s2

2 Fα/2 (v1, v2) σ22 s2

2


Teladan 5.12 :

F0,95 (6, 10) = 1 / ( F0,05 (10, 6) = 1/ (4,06) = 0,246

Teladan 5.13 :

Tes matematika diberikan kepada 25 siswa laki–laki dan 16 siswa perempuan.

Siswa laki–laki mencapai nilai rata–rata 82 dengan simpangan baku 8, sedangkan

perempuan rata–ratanya 78 dengan simpangan baku 7. Buat selang kepercayaan

98% bagi (σ12/ σ2

2 ) dan (σ1 / σ2 ).

Jawab : n1 = 25 s1 = 8 n2 = 16 s2 = 7 s2 = 0,415 á = 0,02

Fα/2(v1,v2) = F0,01 (24, 15) = 3,29 dan F0,01 (15,24) = 2,89

s12 1 σ1

2 s12

—— ————— < —— < —— . Fα/2(v2,v1) s2

2 Fα/2 (v1, v2) σ22 s2

2

(64 / 49) (1 / 3,29) < ( σ12 / σ2

2 ) < (64 / 49) (2,89) ⇔ 0,397 < ( σ1

2 / σ22 ) < 3,775 atau 0,630 < ( σ1 / σ2 ) < 1,943

Teladan 5.14 :

Bila s12 dan s2

2 adalah ragam contoh acak bebas berukuran n1 = 8 dan n2 = 12

diambil dari populasi normal dengan ragam yang sama, hitunglah besarnya nilai

peluang P [ ( s12 / s2

2 ) < 4,89 ].

Jawab :

F = ( s12 σ2

2 ) / (s22 σ1

2 ) karena σ12 = σ2

2 maka F = s12 / s2

2

P (s12 / s2

2 < 4,89) = 1 – α atau p ( f < 4,89 ) = 1 – α

dari tabel : Fα(7, 14) = 4,89 maka didapat α = 0,01

jadi P (s12 / s2

2 < 4,89) = 1 – α = 1 – 0,01 = 0,99


DAFTAR PUSTAKA

Anto Dajan. 1995. Pengantar Metode Statistika Jilid II. LP3ES. Jakarta. Jalaluddin Rakhmat. 1999. Metode Penelitian Komunikasi. Remaja Rosdakarya.

Bandung. J. Supranto. 1995. Statistik : Teori dan Aplikasi, Jilid II. Erlangga. Jakarta. Kwanchai A. Gomez dan Arturo A. Gomez. 1995. Prosedur Statistik Untuk

Penelitian Pertanian. Universitas Indonesia Press. Jakarta. Robert, G. D. Steel dan James H. Torrie. 1993. Prinsip dan Prosedur Statistika.

Gramedia Pustaka Utama. Jakarta. Ronald E. Walpole. 1995. Pengantar Statistika. Gramedia Pustaka Utama.

Jakarta. Sudjana. 1989. Metoda Statistika. Tarsito. Bandung. Sugiyono. 1997. Statistika Untuk Penelitian. Alfabeta. Bandung Vincent Gaspersz. 1991. Teknik Analisis Dalam Penelitian Percobaan, Jilid I.

Tarsito. Bandung. Vincent Gaspersz. 1991. Teknik Analisis Dalam Penelitian Percobaan, Jilid II.

Tarsito. Bandung.


(bagian -1) oleh : wijaya · pdf file2. dalam satu kantung terdapat 20 buah kelereng berwarna...

Documents