Handout biostatistik

Hand out : Pengantar Statistik Sosial
HAND - OUT
PENGANTAR STATISTIK SOSIAL
Materi : Pengertian Statistik
Kata Statistik berasal dari bahasa latin yakni status yang berarti negara.
Perkembangan awalnya statistik diartikan sebagai keterangan-keterangan yang
dibutuhkan oleh negara dan berguna bagi negara itu sendiri. Dalam pengertian ini
statistik hanya diartikan sangat terbatas yaitu sekumpulan data atau angka mengenai
kondisi penduduk
Beberapa definisi statistik:
Menurut Croxton dan Cowden :
“ Statistik adalah metode untuk mengumpulkan, mengolah dan menyajikan serta
menginterpretasikan data yang berwujud angka”
Menurut Anderson dan Bancroft:
“ Statistik adalah ilmu dan seni perkembangan dan metode paling efektif untuk
pengumpulan, pentabulasian, dan penginterpretasian data kuantitatif sedemikian
rupa sehingga kemungkinan salah dalam kesimpulan dan estimasi dapat
diperkirakan dengan penggunaan penalaran induktif yang didasarkan pada
probabilitas atau teori peluang”
Menurut Sutrisno Hadi :
“Statistik kegiatan ilmiah untuk mengumpulkan, menyusun, meringkas dan
menyajikan data penyelidikan. Selanjutnya data diolah dan menarik kesimpulan
secara teliti serta membuat keputusan yang logik dari hasil pengolahan data.
(batasan umum)
Statistik digunakam untuk menunjuk angka-angka pencatatan dari suatu kejadian
atau kasus tertentu (batasan khusus)
Menurut Sudjana :
“ Statistik adalah pengetahuan yang berhubungan dengan cara-cara pengumpulan
data, pengolahan dan analisis serta penarikan kesimpulan berdasarkan kumpulan
data dan analisis yang dilakukan”
Menurut Steel dan Torrie :
“Statistik adalah metode yang memberikan cara-cara guna menilai ketidaktentuan
dari penarikan kesimpulan yang bersifat induktif”.
Menurut Kirk W. Elifson :
“Statistics : A collection of numerical facts expressed in summarizing statements;
method of dealing with data : a tool for collecting, organizing, and analyzing
numerical facts or observations that are collected in accordance with a systematic
plan”.
Menurut J. Supranto :
Ada 2 pengertian statistik:
a). Dalam arti sempit statistik adalah data ringkasan yang berbentuk angka
(kuantitatif)
1

b). Dalam arti luas statistik adalah ilmu yang mempelajari cara pengumpulan,
penyajian dan analisis data serta cara penarikan kesimpulan secara umum
berdasarkan hasil penelitian yang menyeluruh.
Menurut Djarwanto Ps.:
“Statistik adalah kumpulan angka-angka yang berhubungan dengan atau melukiskan
suatu persoalan”.
Kesimpulan : Statistik merupakan ilmu yang mempelajari seluk beluk data berkaitan
dengan pengumpulan, pengolahan, penganalisisan, penafsiran dan penasrikan
kesimpulan dari data yang berbentuk angka-angka.
Inti / komponen kegiatatan statistik :
- Data
- Berkaitan dengan angka-angka
- Kegiatan pengumpulan dan pengolahan data
- Kegiatan analisis data
- Penarikan kesimpulan
- Membuat keputusan
Apakah metode Statistik itu?
Metode statistik merupakan ilmu pengetahuan yang meliputi segala metode guna
mengumpulkan, mengolah, menyajikan dan menganalisis data kuantitatif secara
deskriptif.
Fokus kegiatan adalah pengumpulan dan penataan data serta penggunaan
pengukuran yang sifatnya menyederhanakan.
Menurut Croxton dan Cowden definisi tersebut lebih menekankan pada teknik
mengumpulkan, mengolah, menyederhanakan, menyajikan dan menganalisis data
kuantitatif secara deskriptif untuk memberikan deskripsi terhadap suatu peristiwa.
Oleh sebab itu dinamakan metode statistik deskriptif.
Selanjutnya Croxton dan Cowden memberi definisi statistik yang lebih luas yakni
metode guna mengumpulkan, mengolah, menyajikan, menganalisis dan
menginterpretasi data yang berwujud angka-angka.
Kata interpretasi bermakna penarikan kesimpulan dari hasil analisis yang dilakukan
atas dasar data kuantitatif yang terbatas. Artinya metode statistik tidak hanya
memberikan teknik pengumpulan, pengolahan, penyajian dan analisis data semata
melainkan juga memberikan teknik penarikan kesimpulan tetntang ciri populasi dari
hasil pengukuran yang dilakukan terhadap sampel yang telah dipilih secara random.
Metode penarikan kesimpulan umum tersebut sesungguhnya merupakan inti dari
statistik modern yang kemudian populer dengan sebutan statistik inferensial.
Bidang kajian/ cakupan statistik deskriptif :
1. Distribusi frekuensi
2. Penyajian grafik, bagan dan diagram
3. Pengukuran tendensi sentral/ pemusatan (mean, median, modus)
4. Pembagian distribusi (kuartil, desil, persentil)
5. Variabilitas (range, mean deviasi, standar deviasi, Z score )
6. Angka indeks
7. Time series (deret waktu atau data berkala)
Bidang Kajian statistik Inferensial :
2

1. Probabilitas/ teori kemungkinan
2. Distribusi teoritis
3. Sampling dan distribusi sampling
4. Studi estimasi (penaksiran pada tingkat populasi )
5. Uji hipotesis
6. Analisis korelasional dan uji signifikansi
7. Analisis regresi untuk peramalan.
Berdasarkan bentuk distribusi parameternya statistik dibagi menjadi :
1. Statistik parametrik : bagian statistik di mana parameter populasi diketahui
mengikuti distribusi normal dan memiliki varians yang homogen.
2. Statistik non parametrik : Jenis statistik di mana parameter populasi tidak
mengikuti distribusi normal atau distribusi bebas (free distribution) dan
varians tidak perlu homogen.
Berdasarkan bidang atau ruang lingkup penggunaan statistik dibagi:
1. Statistik sosial
2. Statistik pendidikan
3. Statistik ekonomi
4. Statistik perusahaan
5. Statistik pertanian
6. Statistik kesehatan
7. Statistik psikologi
8. Statistik kimia, biologi dan sebagainya
Peran dan fungsi statistik dalam kegiatan riset
Menurut Guildford :
1. Statistik memungkinkan pencatatan paling eksak data penelitian
2. Memberikan cara untuk melakukan pengolahan data dalam bentuk angka
3. Memberikan arahan berpikir / tata kerja yang definit dan eksak
4. Memberikan cara meringkas data dalam berbagai bentuk
5. Sebagai dasar menarik kesimpulan
6. Memberikan landasan untuk melakukan ramalan (prediksi)
7. Memungkinkan peneliti mampu menganalisis dan menjelaskan serta
menguraikan sebab akibat yang kompleks dan rumit.
Mengapa perlu statistik?
1. Untuk menjelaskan hubungan antar variabel
2. Untuk melakukan estimasi dan melakukan perbandingan / komparasi
3. Menyusun perencanaan dan membuat ramalan
4. Mengatasi berbagai perubahan
5. Membuat keputusan secara lebih baik
6. Menampilkan hasil penelitian dan analisis praktis dalam berbagai bentuk
Fungsi Statistik dalam kegiatan praktis :
1. Bank data
2. Alat quality control ( menyusun standar sekaligus pengawasan)
3. Alat pengumpulan, pengolahan dan analisis
4. Pemecahan masalah dan pembuatan keputusan sebagai dasar kebijakan
3

PENYAJIAN DATA DALAM BENTUK GRAFIK, BAGAN DAN DIAGRAM
Hal yang perlu diperhatikan ketika membuat grafik :
1. Menentukan sumbu absis (X) dan ordinat Y). Sumbu absis mencantumkan
nilai dan sumbu ordinat mewakili frekuensi.
2. Menentukan perbandingan antara X dan Y. Lazimnya sumbu X dibuat lebih
panjang.
3. Pemberian nama pada tiap sumbu.
4. Pemberian nama pada grafik.
Jenis Grafik, Bagan dan Diagram : Histogram, Poligon, Ogive, Bagan melingkar,
grafik batang, kartogram, Piktogram, diagram garis, bagan piramida.
1. Histogram
Grafik ini disebut juga Bar diagram yakni grafik berbentuk segi empat. Dasar
pembuatan dengan menggunakan batas nyata atau titik tengah.
2. Poligon
Grafik ini juga populer dengan sebutan poligon frekuensi. Dibuat dengan
menghubungkan titik tengah dalam bentuk garis (kurve). Grafik ini mendasarkan
pada titik tengah dalam pembuatannya.
3. Grafik Ogive
Disebut juga grafik frekuensi meningkat, karena cara pembuatannya dengan
menjumlah frekuensi pada tiap nilai variabel.
4. Bagan melingkar/ grafik melingkar
Yaitu grafik atau bagan berupa lingkaran yang telah dibagi menjadi beberapa
bagian sesuai dengan proporsi data. Biasanya dinyatakan dalam persen.
5. Grafik Batang atau balok
Yaitu grafik yang berbentuk persegi panjang yang lebarnya sama dan dilengkapi
dengan skala atau ukuran sesuai data yang bersangkutan. Setiap batang tidak
boleh saling melekat atau menempel dan jarak tiap batang harus sama. Susunan
grafik ini boleh tegak atau mendatar.
6. Kartogram atau peta statistik
Yaitu grafik data berupa peta yang menunjukkan kondisi data dan diwakili oleh
lambang tertentu dalam sebuah peta. Biasanya untuk menggambarkan
kepadatan penduduk, curah hujan, hasil pertanian, hasil penjualan, hasil
pertambangan dan sebagainya.
7. Piktogram
Yaitu grafik data yang menggunakan gambar atau lambang dalam penyajiannya.
Satu lambang bisa mewakili jumlah tertentu.
8. Grafik garis
Yaitu grafik data berupa garis yang diperoleh dari ruas garis yang
menghubungkan titik-titik pada bilangan. Grafik ini dibuat dengan 2 sumbu yakni
4

sumbu X menunjukkan bilangan yang sifatnya tetap, seperti tahun, ukuran dan
sebagainya. Sedangkan pada sumbu Y ditempatkan bilangan yang sifatnya
berubah-ubah seperti, harga, biaya dan jumlah.
PENGUKURAN TENDENSI SENTRAL
Dalam kenyataan seringkali ditemukan data hasil pengukuran menunjukkan
kondisi sangat beragam. Artinya, dalam aktivitas pengamatan, penelitian atau
observasi tidak jarang dijumpai data yang berhasil dihimpun tidak sama atau
berbeda antara satu dengan yang lainnya. Pengukuran terhadap variabel besar
penghasilan, lama tinggal, usia, kecerdasan, berat badan, tingkat pendidikan,
tingkat produktivitas kerja dan sebagainya kerapkali memperlihatkan data yang
bervariasi. Dengan kata lain distribusi data yang tersusun ada kemungkinan akan
memperlihatkan karakteristik data yang relatif homogen atau heterogen.
Apabila sejumlah individu diamati salah satu karakteristik atau sifatnya,
selanjutnya data hasil pengamatan ditampilkan dalam bentuk grafik poligon maka
bentuk grafik yang nampak akan sangat beragam pula. Salah satu kemungkinan
grafik yang akan nampak adalah grafik dengan bentuk normal. Artinya, distribusi
data yang tersusun memiliki kecenderungan sebagian besar berada di tengah
dan semakin jauh menyimpang dari harga indeks (ukuran) normalitas, baik ke kiri
maupun ke kanan maka jumlah individu yang berada pada tiap ujung kian sedikit
jumlahnya.
Salah satu tugas statistik adalah menentukan suatu angka di sekitar mana
nilai-nilai dalam distribusi memusat. Dengan kata lain salah satu tugas statistik
adalah menentukan angka yang menjadi pusat suatu distribusi. Angka/ nilai yang
menjadi pusat suatu distribusi selanjutnya disebut tendensi sentral atau
kecenderungan tengah. Ada 3 jenis pengukuran tendensi sentral yang sangat
penting yaitu; Mean, Median dan Mode/ modus. Ketiga jenis pengukuran
tendensi sentral tersebut memiliki pengertian, asumsi dan tujuan serta metode
penghitungan yang berbeda.
a). Mean/ Rata-rata ( X )
Pengukuran mean atau rata-rata sangat sering digunakan dalam analisis
statistik. Mean diterapkan dengan tujuan untuk menentukan angka/ nilai rata-rata
dan secara aritmatik ditentukan dengan cara menjumlah seluruh nilai dibagi
5

banyaknya individu. Pengukuran rata-rata dapat diterapkan dengan asumsi bahwa
data yang diperoleh dari hasil pengukuran berskala interval dan rasio.
Bagaimana menentukan harga mean atau rata-rata? Setidaknya ada 3 metode
penghitungan untuk menentukan harga mean yakni;
X
1. Mean ( X ) = ------ ; Jumlah nilai dibagi banyaknya individu.
N
2. Mean yang ditimbang : menentukan rata-rata jika data ada frekuensinya
FX
Mean ( X ) = -------- ; Jumlah frek. kali nilai dibagi total frekuensi.
N
3. Menghitung mean pada kasus data bergolong bisa dilakukan dengan rumus
mean
terkaan sebagai berikut :
fx’
Mean (X) = MT + ----- i.
N
Keterangan :
MT : mean terkaan/ mean kerja, ditentukan titik tengah dari interval nilai di
mana harga mean diterka.
Fx’ : jumlah deviasi kesalahan akibat terkaan
N : jumlah individu/ total frekuensi.
i : lebar interval
b). Median (Mdn)
Median adalah nilai yang menjadi batas 50 persen distribusi frekuensi bagian
bawah dan 50 persen distribusi frekuensi bagian atas. Ringkasnya median adalah
nilai yang membagi distribusi menjadi 2 bagian yang sama yakni 50 persen, 50
persen.
Harga median bisa ditentukan dengan beberapa formulasi tergantung pada kasus
yang dihadapi.
1). Jika berhadapan dengan data tunggal
• Median = X (k+1) atau nilai yang ke k + 1 --- untuk kasus n ganjil
N - 1
di mana n = 2 k+1 dan k = -------
2
• Median = ½ ( X k + X k+1) -------- untuk n genap
N
di mana n = 2 k dan k = --------
2
6

2). Jika berhadapan dengan data bergolong
½ N - Cfb
• Median = Bb + ------------- i
Fd
Keterangan :
Bb : Batas bawah nyata dari interval kelas yang mengandung median
Cfb. : Frekuensi kumulatif dibawah interval kelas yang mengandung median
Fd : Frekuensi dalam interval yang mengandung median
i. : Lebar kelas/ interval
N : Banyak individu atau jumlah frekuensi
c). Modus/ Mode
Secara sederhana modus didefinisikan nilai yang paling sering muncul atau
nilai yang memiliki frekuensi paling banyak. Satu hal yang perlu diingat bahwa
modus adalah persoalan nilai bukannya frekuensi. Frekuensi hanya menunjuk
intensitas kemunculan sesuatu nilai. Pada data tunggal menentukan mode/modus
mungkin tidaklah terlampau sulit. Hanya dengan memperhatikan nilai yang memiliki
frekuensi terbanyak maka dapat diidentifikasi nilai modus/mode dari distribusi data.
Hal ini agak berbeda jika berhadapan dengan data bergolong. Apabila data yang
dihadapi bergolong menentukan harga modus ada 2 pendekatan, yakni pertama,
dengan menentukan mid point atau nilai tengah dari interval kelas yang memiliki
frekuensi terbanyak dan kedua dengan formulasi sebagai berikut:
i f -- f
Mo = Xo + ----- . ---------------------
2 2 fo -- f -- f
Keterangan :
Mo adalah harga modus yang dicari
Xo : Titik tengah dari interval kelas yang mengandung modus
i : Interval / lebar kelas
fo : Frekuensi dalam interval kelas yang mengandung mode/modus
f : Frekuensi sebelum interval kelas yang mengandung mode/ modus
f : Frekuensi sesudah interval kelas yang mengandung mode/ modus
Satu catatan bahwa dalam suatu distribusi data sangat dimungkinkan harga
atau nilai mode/modus lebih dari satu. Jika nilai mode/modus hanya satu disebut
dengan unimode, dua nilai mode disebut dwi mode dan lebih dari dua nilai
mode/modus dinamakan multimode.
7

* * *
PEMBAGIAN DISTRIBUSI
(Pengukuran Kuartil, Desil dan Persentil)
Salah satu fungsi statistik yang kerap diterapkan baik dalam aktivitas riset
maupun kepentingan praktis adalah menentukan/ menyediakan “ukuran”, batas atau
norma. Norma, batas atau ukuran digunakan sebagai pedoman untuk memisahkan
sejumlah individu ke dalam beberapa bagian dengan di dasarkan pada kenyataan
atau data. Pada materi terdahulu telah disinggung pengukuran median yang
berfungsi sebagai alat untuk menentukan batas dari 50 persen distribusi frekuensi
bagian bawah dan 50 persen bagian atas. Dengan median kelompok dipisahkan
menjadi 2 bagian yakni kelompok dibawah atau kelompok yang berada diatas nilai
median. Artinya melalui pengukuran median bisa ditentukan nilai yang membatasi 50
persen distribusi bagian bawah dan 50 persen bagian atas.
Jika pengukuran median digunakan untuk menentukan nilai batas, norma
atau ukuran atas nilai kelompok yang dibagi menjadi 2 bagian, maka kuartil adalah
pengukuran yang dilakukan untuk menentukan nilai batas jika distribusi frekuensi
dibagi menjadi 4 bagian. Sedangkan desil diaplikasikan jika distribusi data dibagi
menjadi 10 bagian serta persentil untuk distribusi frekuensi yang dibagi menjadi 100
bagian. Untuk bahasan lebih detail berikut ini diuraikan teknik pengukuran kuartil,
desil dan persentil, cara pengukuran serta fungsi dan asumsi bagi penerapan
pengukuran tersebut.
I. Kuartil (K)
Kuartil adalah nilai yang memisahkan tiap-tiap 25 persen dalam distribusi frekuensi.
Fungsi kuartil untuk menentukan nilai batas tiap 25 persen dalam distribusi yang
dipersoalkan. Oleh sebab itu teknik ini diterapkan jika analisis dilakukan dengan
tujuan untuk membagi distribusi menjadi 4 bagian, selanjutnya menentukan batas
tiap 25 persen distribusi dimaksud. Dalam statistik dikenal ada 3 nilai kuartil yakni;
kuartil 1 (K1), kuartil 2 (K2) dan kuartil ke 3 (K3).
Kuartil pertama (K1) adalah suatu nilai yang membatasi 25% distribusi bagian
bawah dan 75 % distribusi bagian atas.
Kuartil kedua (K2) adalah nilai yang membatasi 50% distribusi bagian bawah dan
50% distribusi bagian atas. Dalam hal ini kuartil kedua dapat diidentikkan dengan
pengukuran median (Mdn).
Kuartil ketiga (K3) adalah nilai yang membatasi 75% distribusi bagian bawah dan
25% distribusi bagian atas.
Asumsi teknik pengukuran kuartil : data yang diperoleh dari hasil pengukuran dalam
bentuk numerik (angka) dan lazimnya setingkat skala interval.
8

Cara menentukan harga kuartil :
a). Jika berhadapan dengan data tunggal atau tanpa frekuensi
i ( n + 1)
Ki = nilai yang ke -------------; di mana i = 1, 2 dan 3 atau K1, K2 dan K3
4
i menunjukkan kuartil ke berapa yang hendak dihitung; sedangkan n = jml individu /
frek.
b). Apabila berhadapan dengan data bergolong atau distribusi frekuensi bergolong,
menentukan harga kuartil dapat dilakukan dengan rumus :
n/4 N - cfb
Kn = Bb + ( ----------------- ) x i
Fd
Keterangan :
Kn : nilai kuartil yang dicari (K1, K2 atau K3)
Bb : batas bawah nyata dari interval yang mengandung kuartil
Cfb : frekuensi kumulatif dibawah interval yang mengandung kuartil
Fd : frekuensi dalam interval kelas yang mengandung kuartil
i :lebar interval/ lebar kelas
n/4 N : komponen yang menunjuk pada urutan kuartil. Jika ¼ N artinya kuartil pertama.
2. Desil (D)
Desil adalah nilai yang memisahkan tiap-tiap 10 persen dalam distribusi frekuensi.
Fungsi desil untuk menentukan nilai batas tiap 10 persen dalam distribusi yang
dipersoalkan. Teknik ini diterapkan jika kelompok atau distribusi data dibadi menjadi
10 bagian yang sama, untuk selanjutnya menentukan batas tiap 10 persen distribusi
dimaksud. Dalam statistik dikenal ada 9 nilai desil yakni; desil 1 (D1), desil 2 (D2),
desil ke 3 (D3) dan seterusnya sampai dengan desil ke 9 atau D9.
Desil pertama (D1) adalah suatu nilai yang membatasi 10% distribusi bagian bawah
dan 90 % distribusi bagian atas.
Desil kedua (D2) adalah nilai yang membatasi 20% distribusi bagian bawah dan
Desil kelima (D5) adalah nilai yang membatasi 50% distribusi bagian bawah dan
50% distribusi bagian atas. Dalam hal ini desil kedua dapat diidentikkan dengan
pengukuran median (Mdn) dan kuartil ke 2 (K2).
Desil kesembilan (D9) adalah nilai yang membatasi 90% distribusi bagian bawah
dan 10% distribusi bagian atas.
Asumsi teknik pengukuran desil : data yang diperoleh dari hasil pengukuran
dalam bentuk numerik (angka) dan lazimnya setingkat skala interval.
Cara menentukan harga desil :
i ( n + 1)
Di = nilai yang ke -------------; di mana i = 1, 2 , 3, 4, .....9. atau D1, D2 dan
D3,....D9
10
i menunjukkan desil ke berapa yang hendak dihitung; sedangkan n = jml individu /
frek.
menentukan harga desil dapat dilakukan dengan rumus :
n/10 N - cfb
Dn = Bb + ( ----------------- ) x i
9

fd
Keterangan :
Dn : nilai desil yang dicari (D1, D2 atau D3)
Bb : batas bawah nyata dari interval yang mengandung desil
Cfb : frekuensi kumulatif dibawah interval yang mengandung desil
fd : frekuensi dalam interval kelas yang mengandung desil
n/10 N : komponen yang menunjuk pada urutan desil. Jika 1/10 N artinya desil pertama.
3. Persentil (P)
Jika desil adalah nilai yang memisahkan distribusi menjadi 10 bagian maka
nilai persentil membagi distribusi menjadi 100 bagian yang sama. Oleh karena itu
fungsi persentil adalah menentukan nilai batas tiap 1 persen dalam distribusi yang
dipersoalkan. Teknik ini diterapkan jika kelompok atau distribusi data dibagi menjadi
100 bagian yang sama, untuk selanjutnya menentukan batas tiap 1 persen dalam
distribusi dimaksud. Dalam statistik dikenal ada 99 nilai persentil yakni; persentil 1
(P1), persentil 2 (P2), persentil ke 3 (P3) dan seterusnya sampai dengan persentil ke
99 atau P99.
Persentil pertama (P1) adalah suatu nilai yang membatasi 1% distribusi bagian
bawah dan 99 % distribusi bagian atas.
Persentil kedua (P2) adalah nilai yang membatasi 2% distribusi bagian bawah dan
Persentil ke 50 (P50) adalah nilai yang membatasi 50% distribusi bagian bawah dan
50% distribusi bagian atas. Dalam hal ini persentil 50 dapat diidentikkan dengan
pengukuran median (Mdn) dan kuartil ke 2 (K2) serta desil ke 5 atau D5.
Persentil ke 99 (P99) adalah nilai yang membatasi 99% distribusi bagian bawah
dan 1% distribusi bagian atas.
Asumsi teknik pengukuran persentil: data yang diperoleh dari hasil pengukuran
dalam bentuk numerik (angka) dan lazimnya setingkat skala interval.
Cara menentukan harga persentil :
i ( n + 1)
Pi = nilai yang ke -------------; di mana i = 1, 2 , 3, 4, .....99. atau P1, P2, P3
,....P99
100
i menunjukkan persentil ke berapa yang hendak dihitung; sedangkan n = jml
individu / frek.
menentukan harga persentil dapat dilakukan dengan rumus :
n/100 N - cfb
Pn = Bb + ( ----------------- ) x i
fd
Keterangan :
Pn : nilai persentil yang dicari (P1, P2 atau P99)
Bb : batas bawah nyata dari interval yang mengandung persentil
Cfb : frekuensi kumulatif dibawah interval yang mengandung persentil
fd : frekuensi dalam interval kelas yang mengandung persentil
n/100 N: komponen yang menunjuk pada urutan persentil. Jika 1/100 N artinya
persentil pertama (P1) .
10

* * *
JENJANG PERSENTIL (JP)
Pengantar
Jenjang persentil (percentile rank) adalah alat statistik yang sering dimanfaatkan
untuk mengetahui jumlah individu (dalam persen) yang berada pada dan dibawah
nilai tertentu. Ringkasnya jenjang persentil adalah suatu bilangan yang menunjukkan
jumlah frekuensi dalam persen yang ada pada dan dibawah nilai tertentu. Jika dari
hasil perhitungan diperoleh harga JP 45 adalah 35, hal ini berarti terdapat sebanyak
35 persen individu yang berada pada dan dibawah nilai 45.
Satu catatan bahwa pengukuran jenjang persentil hanya bisa dioperasikan
jika data yang diperoleh dalam bentuk numerik atau angka. Apakah beda antara
persentil dengan jenjang persentil? Persentil adalah titik atau nilai yang menjadi
batas tiap distribusi frekuensi yang dipersoalkan, sedangkan jenjang persentil adalah
bilangan yang menunjukkan jumlah (dalam persen) individu yang berada pada dan
dibawah nilai tertentu. Dengan demikian pengukuran persentil diterapkan untuk
menentukan titik atau nilai yang menjadi batas sekian persen distribusi frekuensi,
sementara jenjang persentil titik atau nilainya sudah diketahui selanjutnya ditentukan
jumlah individu (dalam persen) yang berada pada dan dibawah nilai dimaksud.
Cara Menentukan Harga Jenjang Persentil
Pada data tunggal barangkali tidaklah terlampau sulit menentukan jumlah
individu (dalam persen) yang berada pada dan dibawah nilai tertentu. Pada data
tunggal untuk menentukan jumlah individu dalam persen dapat dilakukan melalui
teknik distribusi frekuensi kumulatif atau menjumlahkan frekuensi pada tiap nilai
variabel yang telah diubah terlebih dahulu dalam persen. Dengan demikian tidak
hanya dapat diketahui jumlah individu (%) yang berada pada dan dibawah nilai
tertentu saja namun jumlah individu yang berada diatas nilai tertentu juga dapat
ditentukan.
Sementara itu jika kita berhadapan dengan data bergolong atau intervalisasi maka
salah satu pendekatan yang dapat dilakukan adalah dengan rumus :
X – Bb 100
JP = ( ---------- ) fd + cfb -------
i N
Keterangan :
JP : Jenjang persentil yang dicari
X : Sesuatu nilai yang diketahui
Bb : Batas bawah (nyata) dari interval yang mengandung X
i : Lebar interval
fd : Frekuensi dalam interval yang mengandung X
cfb : Frekuensi kumulatif dibawah interval yang mengandung X
N : Jumlah frekuensi/ individu yang diamati
11

Berdasarkan formulasi ini maka dalam menentukan harga JP langkah pertama yang
perlu dicermati adalah pada nilai berapa yang hendak dihitung JPnya. Misalnya:
JP25, JP 30 dan seterusnya tergantung pada nilai berapa (X) yang hendak dihitung
jumlah persentasenya. Selanjutnya susunlah frekuensi kumulatifnya dan tentukan cfb
dan fd serta, i dan N serta Bb sesuai dengan interval kelas yang mengandung X.
Setelah ditentukan seluruh komponen tersebut selanjutnya hitung JP dengan rumus
yang telah ada.
Soal Latihan :
1.Tentukan berapa banyak individu yang berada pada dan dibawah nilai 65 dan
berapa persen jumlah individu yang berada diatas nilai 50 dari data berikut ini:
Nilai 30 45 50 65 70 75 Jumlah
Frekuensi 5 10 15 8 7 5 50
2. Berikut tersaji data tentang besar penghasilan karyawan perusahaan X di kota A
yang dinyatakan dalam satuan ribuan setiap bulan.
Penghasilan 301-
400
401-
500
501-
600
601-
700
701-
800
801-
900
Jumlah
Frekuensi 23 13 10 15 20 34 115
Berdasarkan data tersebut tentukan JP625 dan berikan penjelasan/ makna terhadap
hasil perhitungan anda!
PENGUKURAN VARIABILITAS
Pengantar
Dalam praktek statistik kerapkali peneliti atau analis data tidak hanya tertarik
untuk menampilkan hasil pengolahan dan analisis data dalam bentuk tabel frekuensi,
grafik bagan dan diagram serta pengukuran tendensi sentral (mean, modus dan
median) semata. Dalam banyak kasus seringkali informasi lanjut tentang data yang
diperoleh dari riset juga dibutuhkan; seperti penyebaran data dari tendensi
sentralnya. Dalam terminologi statistik upaya untuk mengetahui penyebaran data
dapat dilakukan dengan alat statistik yang disebut variabilitas. Variabilitas sering
juga disebut dispersi atau penyebaran. Definisi ringkas variabilitas adalah derajad
penyebaran nilai variabel dari suatu tendensi sentral tertentu. Pengukuran variabilitas
juga memiliki fungsi penting yakni sebagai alat untuk mengetahui homogenitas dan
heterogenitas data. Jika data yang kita hadapi memiliki tingkat penyebaran yang
tinggi berarti data cenderung bersifat heterogen. Pemahaman tentang homogenitas
dan heterogenitas data dalam kelompok sangat penting tidak hanya untuk
kepentingan identifikasi karakter/ ciri kelompok tetapi juga untuk memperoleh
pemahaman tentang perbedaan antara dua kelompok atau lebih. Satu catatan yang
perlu dicermati dalam pengukuran variabilitas bahwa pengukuran ini dapat
diterapkan jika data yang diperoleh dalam bentuk numerik atau berskala interval dan
rasio.
12

Arti Penting Indeks Variabilitas
Pengukuran variabilitas termasuk bidang statistik deskriptif. Pengukuran variabilitas
dapat dimanfaatkan untuk kepentingan praktis misalnya; penyusunan standar nilai
baik untuk kepentingan akademik maupun praktis dengan menggunakan standar
deviasi. Untuk menentukan peloncat tinggi yang diajukan dalam perlombaan seorang
pelatih juga memerlukan alat statistik berupa variabilitas untuk memilihnya. Seorang
guru atau instruktur juga memerlukan informasi tentang perbedaan variabilitas dalam
kecakapan mata pelajaran antar 2 kelas ketika hendak memperlakukan 2 kelas
secara berbeda akibat adanya perbedaan kondisi kelas/ murid tersebut. Selain untuk
kepentingan praktis pengukuran variabilitas juga memiliki arti teoritik yang sangat
penting. Setidaknya melalui pengukuran ini dapat dilakukan indentifikasi tentang ciri
kelompok dan perbedaan antar 2 kelompok atau lebih.
Jenis Pengukuran Variabilitas
Pengukuran variablitas terdiri atas beberapa pengukuran antara lain: (a). Range; (b)
Mean Deviasi; (c) Standard Deviasi dan (d). Z score atau standar score.
(a). Range
Range atau jarak pengukuran adalah selisih antara nilai tertinggi hasil pengukuran
dan nilai terendah hasil pengukuran (R = X tertinggi – X terendah).
Range terdiri atas : (a) Range 10 -90 ; (b). Range 25-75 atau Range Antar Kuartil;
(c). Range Semi Antar Kuartil (RSAK).
(b). Mean Deviasi (MD)
Mean deviasi atau rata-rata deviasi (penyimpangan) yaitu rata-rata dari deviasi nilai-
nilai dari mean dalam suatu distribusi. Dalam hal ini diambil nilai yang absolut artinya
deviasi baik yang berarah negatif maupun positif semuanya dianggap positif (+).
(c). Standar Deviasi (SD)
Standar deviasi (SD) secara matematik dibatasi sebagai akar dari jumlah deviasi
kuadrad dibagi banyaknya individu.
Catatan : Pemahanan lebih komprehensif tentang variabilitas termasuk formulasi
untuk menentukan harga variabilitas, interpretasi dan contoh-contohnya akan
disampaikan pada pertemuan kelas yang akan diselenggarakan pada minggu
mendatang.
13

KURVE NORMAL
Pengantar
Dalam analisis statistik untuk menjelaskan gejala yang diamati seringkali
digunakan pengukuran deskriptif antara lain; pengukuran tendensi sentral;
pengukuran untuk pembagian distribusi (kuartil, desil dan persentil); jenjang
persentil, variabilitas (range, mean deviasi, standar deviasi, Z score) dan
sebagainya. Kendati pengukuran deskriptif kerap digunakan tetapi analis data sering
memerlukan informasi lebih jauh dan lebih banyak dari sekedar penjelasan deskriptif
dengan lingkup gejala yang terbatas. Bagaimana jika analis data ingin memperoleh
informasi lebih luas berdasarkan data yang terbatas? Untuk memperoleh
pemahaman tentang gejala atau peristiwa lebih luas salah satu instrumen statistik
yang dapat dimanfaatkan adalah kurve normal.
Pemahaman tentang kurve normal yang dibentuk dari distribusi normal penting
sebagai alat untuk menaksir atau meramalkan peristiwa yang lebih luas. Artinya;
jika data kita ketika ditampilkan dalam bentuk kurve membentuk kurve normal maka
kita diperbolehkan menaksir atau meramalkan peristiwa lebih luas. Contoh kasus;
seandainya diketahui rata-rata (mean) penghasilan pedagang kaki lima (PKL) di kota
Surabaya sebesar Rp. 450.000,- tiap bulan.Sementara itu harga 1 SD sebesar Rp.
25.000,- dan jumlah PKL yang diamati sebanyak 1.000 pedagang. Dengan hanya
mendasarkan pada 3 jenis informasi tersebut dapatkah kita menentukan jumlah
pedagang yang berpenghasilan antara Rp. 460.000,- s/d Rp. 475.000? Berapa
14

proporsi pedagang yang berpenghasilan antara Rp.400.000,-s/d Rp. 425.000,-?
Berapa besar penghasilan pedagang yang dapat diklasifikasikan pada 10%
kelompok tertinggi? Untuk menjawab beberapa soal ini mungkin cukup sulit jika tidak
diketahui “raw data” atau data mentahnya. Jika ada asumsi bahwa besar
penghasilan PKL memiliki kecenderungan berdistribusi normal maka soal tersebut
dapat diselesaikan dengan bantuan tabel kurve normal.
CIRI – CIRI KURVE NORMAL
1. Bentuk Kurve Normal
Kurve normal adalah suatu kurve yang terbentuk atas dasar data dengan distribusi
normal. Bentuk kurve normal menyerupai genta atau bel. Jika data kita membentuk
distribusi normal maka kesimpulan yang dapat dikemukakan bahwa jumlah individu
yang memiliki nilai semakin kecil maupun semakin tinggi jumlah semakin sedikit.
Mayoritas individu berada pada nilai di tengah kurva atau di sekitar mean. Satu
catatan bahwa sesungguhnya kurve normal dibuat berdasar pada distribusi teoritis
dari persamaan matematik dan bukanlah kondisi empiris. Tetapi banyak fakta
memperlihatkan bahwa distribusi empiris jika dilakukan secara berulang-ulang akan
cenderung mendekati distribusi normal.
2. Daerah Kurve Normal
Daerah adalah ruangan yang dibatasi oleh kurve dan absis. Luas daerah kurve
normal dinyatakan dalam persen atau proporsi sekaligus menunjukkan jumlah
individu atau frekuensi dalam persen. Dinyatakan dalam persen karena luas daerah
meliputi 100 persen. Jika didirikan poros ordinat pada poros absis dengan jarak 1 SD
diatas mean pada kurve normal maka luas daerah yang dimaksud seluas 34,13
persen dari luas daerah seluruh kurve. Sebagai catatan besar persentase luas
daerah 34,13 dan yang lainnya dapat dilihat pada tabel kurve normal. Data ini
menunjukkan ada sebanyak 34,13 persen jumlah individu yang berada antara mean
dan +1 SD. Kurve normal adalah kurve simetris oleh sebab itu jarak antara M dan 1
SD dibawah mean dan diatas mean luas daerahnya adalah sama yakni; 34,13
persen.
Contoh soal: jika sebanyak 1.000 orang tinggi badannya diukur dan data
menunjukkan distribusi normal; maka jumlah individu yang tinggi badannya antara
mean sampai dengan 1 SD sebanyak 34,13% X 1.000 orang = 341,3 orang atau 341
orang.
3. Tabel Kurve Normal
Persentase daerah kurve normal (yang mewakili frekuensi) diantara mean dan
bermacam-macam jarak dalam satuan SD dicantumkan dalam tabel kurve normal.
Tabel ini terdiri dari 2 bagian besar yakni kolom dan baris yang terletak dibagian atas
tabel dan bagian dalam tabel. Kolom dan baris di bagian atas tebal menunjukkan Z
yakni deviasi nilai dari mean dalam satuan SD dan sebelah dalam menunjukkan luas
daerah atau jumlah individu dalam persen. Jika Z sebesar 1,96 artinya bahwa nilai
menyimpang sejauh 1,96 dari mean dalam satuan SD. Satu catatan bahwa tabel
kurve normal setinggi-tingginya hanya seluas 50% karena hanya menunjukkan
sebelah kurva sementara sebelah yang lain sama yakni 50%.
4. Cara Menggunakan Tabel Kurve Normal Untuk Menyelesaikan Soal
Jika ada informasi bahwa rata-rata (mean) penghasilan sebesar Rp. 450.000,- tiap
bulan; harga 1 SD sebesar Rp. 25.000,- dan N = 1.000 orang. Dengan mendasarkan
pada 3 jenis informasi tersebut maka jumlah individu yang berpenghasilan antara Rp.
15

460.000,- s/d Rp. 475.000 dapat dihitung dengan langkah: (a). Menetapkan
penyimpangan (Z) antara 460.000 – 450.000 dan penyimpangan antara 460.000
dengan 475.000. (b) Dari Z yang telah ditentukan lihat tabel kurve normal berapa (%)
luas daerahnya.; (c) selanjutnya tentukan selisih luas daerah antara kedua Z
tersebut. (d). Selisih luas daerah (%) tersebut kalikan dengan N dan jumlah itulah
yang menunjukkan banyaknya individu yang berpenghasilan antara 460.000 s/d
475.000. (e). Hasilnya adalah : (34,13% - 15,54%) X 1.000 = 185,9 orang atau
sekitar 186 orang.
5. Beberapa Soal Latihan
Dengan asumsi bahwa data berdistribusi normal dan diketahui rata-rata (mean)
penghasilan sebesar Rp. 450.000,- / bulan; 1 SD sebesar Rp. 25.000,- dan N =
1.000 orang. Selesaikan beberapa soal berikut ini:
a). Berapa banyak individu yang berpenghasilan antara Rp. 400.000,- s/d Rp.
430.000,-?
b). Berapa proporsi individu yang berpenghasilan diatas Rp. 520.000,-?
c). Berapa besar penghasilan yang hanya dapat diperoleh oleh 5% dari kelompok
tersebut?
d). Berapa penghasilan yang dapat diperoleh oleh 10% kelompok dengan
penghasilan tertinggi?
e). Berapa persen individu yang berpenghasilan Rp. 410.000 keatas?
f). Jika secara random dipilih individu yang berpenghasilan diatas Rp. 530.000,-
keatas, berapa
besar peluang akan didapatkan individu dengan penghasilan sebesar itu?
* * *
16

ANALISIS DATA
Analisis data adalah proses penyederhanaan data agar lebih mudah
dibaca dan diinterpretasi. Dalam aktivitas ini statistik adalah salah satu alat
analisis yang memegang peranan penting, terutama untuk menyederhanakan
data, membandingkan hasil (sampel-populasi), melihat hubungan, komparasi
maupun prediksi. Disamping analisis data tahapan penting lain adalah
melakukan interpretasi baik yang bersifat terbatas/ internal maupun
eksternal guna memperoleh makna yang lebih luas yakni dengan merunutkan
dengan teori atau hasil penelitian lain yang sejenis. Pada dasarnya jika
ditinjau menurut variabelnya analisis dapat dibagi menjadi 3 yakni;
univariat (analisis 1 variabel), bivariat (2 variabel) dan multivariate (lebih
dari 2 variabel).
Analisis data dapat dilakukan ketika data yang diperoleh berupa data
kategorikal maupun data bersambungan (kontinyu). Untuk data data
kategorikal analisis elaborasi atau analisis persentase dengan metode
Lazarfeld seringkali dilakukan dan memberikan makna sangat signifikan.
Metode ini kerapkali diterapkan sebagai alat analisis terutama ketika hendak
diketahui ada tidaknya hubungan antar 2 variabel, arah hubungan dan
kekuatan hubungan. Berikut disajikan tabel kosong ( dummy table) untuk
melakukan analisis hubungan antar 2 variabel.
No. dan Judul tabel
Variable A Variabel B Total
Kat.1 var.B Kat.2 var B
Kat. 1 Var. A
Sel A Sel B
Margin baris
Kat. 2 Var. A
Sel C Sel D
Margin baris
Total Margin kolom Margin kolom
Margin total
Sumber data :……..
Catatan :
Menentukan sel tabel 100 persennya berdasarkan posisi var. bebas/
independent/ pengaruh atau var. X.
Untuk membaca/ interpretasi sel tabel berdasarkan variebel tergantung
(var. Y).
Ketentuan :
Dalam analisis korelasional ada 3 hal yang kerapkali dipertanyakan yaitu;
(a). Ada tidaknya hubungan; (b). Arah/bentuk hubungan dan (c). kekuatan
hubungan.
Ada tidaknya hubungan ditentukan oleh difference percentage atau
perbedaan persentase (D%). Jika D% > 10 persen maka dinyatakan ada
hubungan. Selanjutnya untuk arah hubungan bisa diamati berdasarkan
kecenderungan persentase yang nampak. Ada 2 jenis arah hubungan yang
kerapkali digunakan untuk menunjukkan kecenderungan yang terlihat yaitu
arah hubungan yang positif dan hubungan negatif. Hubungan dikatakan
17

positif jika kenaikan variabel X diikuti dengan kenaikan variabel Y atau
sebaliknya penurunan variabel X diikuti oleh penurunan variabel Y.
Kekuatan hubungan ditentukan oleh besarnya D%. Hubungan dikatakan kuat
jika D% > 20%, sedang : jika D% ant. 10 s/d 20% dan lemah jika D% <10%.
@ Selamat belajar
18

PROBABILITAS
 PENGERTIAN UMUM
Definisi : Kemungkinan terjadinya suatu peristiwa diantara
seluruh peristiwa yang mungkin terjadi.
Probabilitas kemunculan suatu peristiwa atau kejadian biasa
disingkat dengan huruf p dan dinyatakan dalam persen atau
proporsi.
Ilustrasi :
Andai pelemparan satu uang logam dilakukan maka p
munculnya sisi muka gambar dan angka adalah sama yakni 1/2
atau 0,5 atau 50%.
Jika dadu yang dilempar maka prob. muncul dadu dengan sisi
titik 2 (misalnya) maka p adalah 1/6 atau 1:6 atau 0,1667 atau
16,67%
Kesimpulan : Prob. adalah frekuensi suatu kejadian.
Jika p. = 0,05 artinya suatu kejadian kemungkinan muncul 5
kali diantara 100 kejadian; 10 kali diantara 200 kejadian; 50
kali diantara 1000 kejadian dsb.
Jika uang logam dilempar sebanyak 100 kali maka p sisi dengan
gambar adalah : 50% x 100 kali = 50 kali.
Jadi Prob. adalah perbandingan frekuensi kejadian dengan
kejadian seluruhnya.
 HUBUNGAN PROBABILITAS DENGAN KURVE NORMAL
Kurve Normal adalah distribusi teoritik dari frekuensi suatu
kejadian --- terutama dikembangkan hubungannya dengan
prob. secara matematik (disebut Kurve normal dari
probabilitas).
Ciri Kurve Normal : makin besar deviasi kejadian dari mean
maka makin kecil frekuensi dam makin kecil pula
probabilitasnya.
 HUBUNGAN PROBABILITAS TEORITIK DAN PROBABILITAS
EMPIRIS
19

Kemungkinan muncul atau tidak suatu kejadian disebut :
probabilitas kejadian.
Kemungkinan muncul disebut prob. sukses dan kemungkinan
tidak muncul disebut probab. Gagal.
Jika prob. sukses diberikan simbol P dan prob gagal diberikan
simbol Q maka: kemungkinan timbul antara P dan Q adalah
sama yaitu : P=Q=1/2.
Karena prob. selalu dihitung dari seluruh kejadian maka :
Prob sukses = P = 1 – Q dan Prob. gagal = Q = 1 – P.
Menurut teori probabilitas jika mata uang logam dilempar
sebanyak 10 kali; maka prob. keluar sisi gambar adalah 10 X
1/2 = 5 kali.
Secara empiris diakui bahwa jarang ditemui ketika uang logam
dilempar 10 kali maka prob. keluar sisi gambar atau sisi angka
adalah 5.
Jika terjadi maka hal tersebut bisa saja merupakan faktor
kebetulan.
Tetapi dalam kenyataan (empiris) perbandingan yang muncul
antara sisi gambar atau angka mungkin : 4:6; 7:3; 8:2; dsb.
Probabilitas yang diobservasi : observed probability : biasanya
dinyatakan dalam pecahan seperti; 0,1; 0,6; 0,7 dsb.dengan
jumlah seluruh probabilitas sebesar 1,00.
Dalam kenyataan terbukti bahwa ketika eksperimen dilakukan
secara berulang-ulang maka ada kecenderungan bahwa prob.
empiris akan selalu mendekati prob. teoritis.
Konsep probabilitas seringkali dikaitkan dengan hasil suatu
eksperimen. Hasilnya juga memperlihatkan kondisi tidak pasti.
Contoh eksperimen :
- Jika pelemparan uang logam maka hasil yang mungkin
adalah sisi gambar dan sisi angka
- Jika interview terhadap petani maka hasil yang
diperoleh adalah income
- Jika pengamatan terhadap hasil produksi maka hasil yang
mungkin adalah produk yang bagus dan produk yang
cacat dsb.
- Pengukuran waktu reaksi kimia akan menghasilkan data
tentang lama reaksi
 BEBERAPA DEFINISI YANG BERKAITAN DENGAN
PROBABILITAS
20

Ruang sampel: himpunan yang elemennya merupakan hasil
yang mungkin dari suatu ekperimen.
Titik sampel : elemen dari ruang sampel
Peristiwa: Himpunan bagian dri ruang sampel
Peristiwa sederhana : peristiwa yang hanya memuat 1 elemen
saja
Peristiwa bersusun: Gabungan (union) dari beberapa peristiwa
sederhana
Contoh Soal :
1).Eksperiman : pelemparan sebuah dadu
Hasil: Mata dadu yang tampak diatas
Ruang sampel: S= {1,2,3,4,5,6}
Suatu Peristiwa: A = Titik ganjil yang tampak = {................}
2). Eksperiman: Pemilihan seorang mahasiswa secara random
dan pencatatan indeks prestasinya.
Hasil : Bilangan X antara 0 sampai dengan 4
Suatu peristiwa (A): Indeks prestasi diatas 3
= .......................
Suatu peristiwa (B): Indeks prestasi dibawah 2
= ....................
3).Eksperimen: terdapat 4 pasien yang diberi obat untuk
waktu 2 minggu. Sukses atau tidaknya pengobatan untuk tiap
pasien dicatat.
Hasil : salah satu hasil yang diperoleh adalah SSST, di mana S
menunjukkan suksesnya pengobatan untuk pasien 1,2,3 dan T
untuk pasien yang tidak sukses yakni pasien ke 4.
Ruang sampelnya (S) = ...................................................
Suatu peristiwa (A) = lebih separuh dari pasien sembuh
= ........
 BEBERAPA PERISTIWA
Peristiwa baru dapat dibentuk dari peristiwa yang sudah ada
melalui 3 operasi dasar yaitu; (a). Union atau gabungan; (b).
Intersection atau irisan dan (c). Komplementasi.
21

Union 2 peristiwa A dan B ditulis A U B adalah himpunan semua
elemen yang berada di dalam himpunan A dan himpunan B
(gabungan elemen).
Intersection 2 peristiwa A dan B ditulis A n B adalah himpunan
semua elemen yang ada di dalam A dan di dalam B.
Komplementasi suatu peristiwa A dan B di tulis dengan A C
adalah himpunan semua elemen yang tidak ada di dalam
himpunan A (relatif terhadap S).
Contoh Soal:
1. Sebuah kartu diambil secara random dari satu dek kartu
bridge. Dipandang peristiwa-peristiwa:
A = Kartu yang terambil adalah Ace
B= Kartu yang terambil adalah hati
C= Kartu yang terambil adalah berlian
D= Kartu yang terambil adalah merah
E= Kartu yang terambil adalah hitam
Tentukan :
a). B U C = ....................................
b). B n C = ....................................
c). A n C = ....................................
d). D komplemen : .........................
e). B U C U E = ..............................
2. Jika X menunjukkan indeks prestasi seorang mahasiswa dan
A = { 3 < x ≤ 4}
B={ 0 ≤ X < 2 }
C={ 1,5 ≤ X ≤ 3 }
Maka :
a). A U C = ..........................................
b). A n C = ..........................................
c). B n C = ..........................................
d). A U B U C = .....................................
e). A komplemen adalah : ......................
PROBABILITAS DARI KEJADIAN MUTUALLY EXCLUSIVE (M.E) DAN KEJADIAN
NOT MUTUALLY EXCLUSIVE (N.M.E)
22

Kejadian saling meniadakan disebut mutually exclusive atau disjoint.
Dua peristiwa A dan B yang tidakmemiliki elemen berserikat.
Kejadian M. E. Juga disebut kejadian alternatif artinya hanya diharapkan
salah satu kejadian dari kemungkinan yang terjadi.
Untuk persitiwa saling asing berlaku rumus :
P ( AUB) = P(A) + P(B)
Sementara itu kejadian Not Mutually Exclusive adalah peristiwa yang
tidak saling asing.
Jika munculnya suatu kejadian tidak meniadakan atau diikuti oleh
munculnya kejadian lain artinya kejadian bisa muncul bersama-sama
maka kejadian tersebut disebut not mutually exclusive.
Untuk peristiwa tidak saling asing berlaku rumus :
P (AUB) = P(A) + P(B) – P (A n B)
ANALISIS KOMBINATORIK DALAM PROBABILITAS
Permutasi adalah penyusunan obyek sejumlah n yang tiap kali diambil
sejumlah r dengan memperhatikan tata urutan/ susunannya.
Rumus untuk menentukan permutasi :
n!
nPr = ----------
(n – r) !
Di mana n ! = (n) (n-1) (n-2) dst
Kombinasi adalah seleksi terhadap obyek sejumlah n yang tiap kali
diambil sejumlah r tanpa memperhatikan tata urutan/ susunannya.
Rumus untuk menentukan permutasi :
n!
nCr = ----------
r! (n – r) !
Contoh soal:
1.Jika A kartu terambil adalah bergambar hati; B kartu terambil
bergambar berlian dan C kartu terambil bergambar ace maka :
a). P (AUB) = ............................
23

b). P (AUC) = ...........................
2. Bilaman peluang kelahiran anak perempuan sama dengan peluang
kelahiran anak laki-laki maka Pr (laki-laki) = 0,5. Probabilitas anak
dengan rambut lurus misalnya; Pr (lurus) = 0,1. Berapa besar peluang
kelahiran anak laki-laku berambut lurus? ..................................
3.Jika sebuah kotak berisi 12 bola di mana 8 diantaranya merah (ditandai
dengan M1, M2, M3,.......M8) dan sisanya biru. Selanjutnya 3 bola diambil
sekaligus.
a. Berapa banyak hasil berbeda yang mungkin
b. Berapa hasil yang mungkin dengan syarat 2 bola yang
terambil biru dan 1 merah?
c. Apabila pengambilan 3 bola dilakukan secara random hingga
tiap kumpulan 3 bola memiliki kemungkinan yang sama akan
terpilih berpa probabilitas akan diperoleh 2 bola biru dan 1
merah?
24

Handout biostatistik

More Related Content

What's hot (19)

Viewers also liked (20)

Similar to Handout biostatistik (20)

More from siska delvia (7)

Recently uploaded (11)

Handout biostatistik