LAB MANAJEMEN DASAR MODUL STATISTIKA 1

Nama : NPM/Kelas : Fakultas/Jurusan : Hari dan Shift Praktikum :

Fakultas Ekonomi Universitas Gunadarma Kelapa dua E531

1

UKURAN STATISTIK
Pendahuluan Ukuran statistik merupakan ukuran yang menunjukkan bagaimana suatu gugus data memusat dan menyebar. Di dalam ukuran statistik ada tiga bentuk ukuran deskripsi data, yaitu : ukuran pusat data, ukuran variabilitas data dan ukuran bentuk distribusi data. Ukuran pusat data yang banyak digunakan untuk mendeskripsikan data adalah mean (rata-rata hitung), median dan modus. Ukuran penyebaran suatu kelompok data terhadap pusat data disebut disperse atau variasi atau keragaman data. Ukuran disperse data yang umum dipakai adalah jangkauan (range), variansi dan standar deviasi. UKURAN PEMUSATAN 1. MEAN (rata-rata hitung) Rata-rata dihitung dengan menjumlahkan seluruh angka data yang selanjutnya dibagi dengan banyaknya (jumlah) data. Jumlah data untuk data sampel disebut sebagai ukuran sampel yang disimbolkan dengan n dan untuk data populasi disebut sebagai ukuran populasi yang disimbolkan dengan N. Untuk rata-rata hitung sekumpulan data hasil observasi dihitung dengan menggunakan rumus berikut : Rata-rata (X¯) = ∑(Xi) / N Dimana : Xi = nilai dari observasi yang ke-i N = banyaknya observasi ukuran sample.

2. MEDIAN
Median adalah nilai yang membagi gugus data yang telah tersortir (ascending) menjadi 2 bagian yang sama besar. Letak median = (n+1)/2 Kuartil adalah nilai yang membagi gugus data yang telah tersortir (ascending) menjadi empat bagian yang sama besar. Nilai kuartil terdiri dari kuartil 1, kuartil 2 dan kuartil 3. Nilai kuartil 2 suatu gugus data sama dengan nilai median tersebut.

3. MODUS
Modus merupakan nilai yang paling sering muncul atau nilai yang frekuensinya paling tinggi. UKURAN PENYEBARAN 1. Jangkauan (range) Jangkauan atau range (r) suatu gugus data adalah selisih antara nilai maksimum dengan nilai minimum. 2. Variansi Variansi adalah rata-rata kuadrat selisih atau kuadrat simpangan dari semua nilai data terhadap rata-rata hitung. Variansi untuk sampel dilambangkan dengan s2. sedangkan untuk populasi dilambangkan dengan σ2 Variansi (s)2 = [∑(Xi-X)] / (n-1) 3. Standar Deviasi Standar deviasi adalah akar pangkat dua dari variansi. Standar deviasi seringkali disebut simpangan baku.

2

Contoh : Diketahui data umur pegawai PT DOFI yaitu 19 40 38 31 42 20 27 22 37 42 Untuk mencari nilai-nilai ukuran statistik data tersebut dengan menggunakan program R, ikutilah langkah-langkah berikut : 1. Tekan icon R Commander pada desktop, kemudian akan muncul tampilan seperti gambar di bawah ini.

2. Pilih menu Data, New data set. Masukkan nama dari data set adalah umur, lalu tekan tombol OK.

3. Masukkan data umur pegawai PT. DOFI. Jika data editor tidak aktif maka dapat diaktifkan dengan menekan RGui di taskbar windows pada bagian bawah layar monitor. Jika sudah selesai dalam pengisian data tekan tombol Close. Untuk mengubah nama dan tipe variabel, dapat dilakukan dengan cara double click pada variable yang ingin di setting

3

lalu perbaiki data yang salah. Active data set. pilih menu Statistic. Jika data sudah benar.4. 5. tekan tombol edit data set. 4 . Untuk mengecek kebenaran data yang sudah dimasukkan. Jika ada data yang salah. tekan tombol View data set maka akan muncul tampilan seperti gambar di bawah ini. Summaries.

6.80 Kuartil 3 : 39.25 Median : 34.00 Kuartil 1 : 23. Akan muncul tampilan : Maka kita bisa mengetahui bahwa dari data umur pegawai PT.50 Maximum : 42. DOFI. memiliki nilai : Minimum : 19.00 5 .00 Mean : 31.

Mean sd 0% 25% 50% 75% 100% n 31. Summaries.2111 19 23. Maka akan muncul tampilan seperti gambar di bawah ini.80 9. kemudian tekan tombol OK. Numerical Summeries.00 39. lakukan langkah berikut : 1. 2.Untuk mengetahui standar deviasi. Tekan Statistic.50 42 10 6 .25 34.

lakukan langkah berikut : 1. Terlihat bahwa nilai minimum pada tampilan pertama sama dengan nilai kuartil 0% pada tampilan kedua. Nilai n menunjukkan banyaknya data. 3.2111. Graphs. Tekan R Commander. Jika histogram tidak aktif maka dapat diaktifkan dengan menekan RGui di Taskbar windows pada bagian bawah layar monitor. Pilih Frequency Counts. Perhatikan perbandingan tampilan pertama dan kedua. Histogram kemudian akan muncul tampilan seperti gambar di bawah ini. Akan terlihat bahwa kelas modus adalah antara 40-42 dengan frekuensi 3.Dari tampilan ini. OK. Untuk melihat bentuk histogram dari data umur pegawai PT DOFI. Nilai median sama dengan quartile 50% dan seterusnya. anda bisa mendapatkan tambahan informasi numeric. 7 . yaitu standar deviasi : 9. 2.

lakukan langkah berikut : 1. Letakkan kursor pada script window 2.Untuk membersihkan script window pada R Commander. misalnya mencari nilai : Jangkauan (r) = nilai maksimum–nilai minimum. Kilik Kanan 3. lakukan langkah berikut : 1. Kilik kanan 3. Letakkan kursor pada output window 2. maka lakukan langkah sebagai berikut : 8 . Klik kiri pada clear window Untuk membersihkan output window pada R commander. Klik kiri pada clear window Untuk melakukan perhitungan.

Maka hasilnya akan muncul pada output window 9 . c lalu tekan tombol submit 5. Aktifkan R Commander kemudian tuliskan pada script window. Tuliskan pada script window. misalkan a=26. c=a-b. lalu tekan tombol submit 4. lalu tekan tombol submit 2. misalkan b=19. lalu tekan tombol submit 3. Tuliskan pada script window. Tuliskan pada script window.1.

Sebenarnya ada sedikit persamaan antara distribusi binomial dengan distribusi poisson. Hasil setiap ulangan dapat dikategorikan dalam 2 kelas Misal :  “berhasil” atau “gagal”  “ya” atau “tidak”  “success” atau “failed” c. Dengan demikian kejadian yang menjadi pertanyaan dari suatu permasalahan dapat disimbolkan dengan p. Percobaan diulang sebanyak n kali b.05 (kurang dari 0. Namun ada beberapa hal yang membedakan penggunaan kedua distribusi tersebut yaitu:   Distribusi binomial digunakan jika besarnya sampel (n) < 20 (kurang dari 20) dan nilai peluang berhasil dalam setiap ulangan (p) > 0. Misalnya :  Dalam pelemparan sekeping uang logam sebanyak 5 kali.DISTRIBUSI BINOMIAL Pendahuluan Distribusi binomial merupakan suatu proses distribusi probabilitas yang dapat digunakan apabila suatu proses sampling dapat diasumsikan sesuai dengan proses Bernoulli.q sedangkan peluang gagal dinyatakan dengan q dimana q = 1 . Begitu juga dengan pengambilan kartu. kemungkinan yang muncul hanya kartu merah atau kartu hitam saja. Selain itu perlu diperhatikan juga penggunaan simbol yang tepat misalnya :    Kurang dari disimbolkan dengan < Lebih dari disimbolkan dengan > Paling banyak disimbolkan dengan ≤ 10 . Catatan Untuk memberikan kemudahan dalam membedakan antara nilai p dan nilai q. kita dapat memberi label “berhasil” untuk pengambilan kartu warna merah dan label “gagal” untuk pengambilan kartu warna hitam ataupun sebaliknya. dimana p = 1 . Banyaknya keberhasilan dalam peubah acak disimbolkan dengan x e.05) Adapun ciri-ciri atau karakteristik distribusi binomial antara lain : a. Proses Bernoulli adalah suatu proses probabilitas yang dapat dilakukan berulang kali. Setiap ulangan bersifat bebas (independent) satu dengan lainnya.p d. Dari contoh di atas dapat diberikan suatu label “berhasil” untuk sisi gambar dan label “gagal” untuk sisi angka ataupun sebaliknya.05 atau sama dengan 0.  Dalam pengambilan kartu yang dilakukan secara berturut-turut.05 Distribusi poisson digunakan jika besarnya sampel (n) ≥ 20 (lebih dari 20 atau sama dengan 20) dan nilai peluang berhasil dalam setiap ulangan (p) ≤ 0. Ulangan-ulangan tersebut bersifat bebas dan peluang berhasil atau gagal setiap ulangan memiliki probabilitas yang sama yaitu 50% atau ½. Hasil setiap pelemparan uang logam tersebut hanya mungkin muncul sisi gambar atau angka saja. Keduanya berusaha mencari kemungkinan yang timbul dari suatu peristiwa/kejadian yang ada. Peluang berhasil atau sukses disimbolkan dengan p dan dalam setiap ulangan nilai p tetap. terlebih dahulu harus ditetapkan yang mana yang merupakan kejadian yang dapat dikategorikan “sukses atau berhasil” dan yang mana kejadian yang dapat dikategorikan “gagal”. Perlu diingat bahwa kejadian yang menjadi pertanyaan ataupun ditanyakan dari suatu permasalahan bisa dikategorikan sebagai kejadian “sukses atau berhasil”.

p pada Script Window tersebut. Apabila diketahui kata-kata paling sedikit … atau x≥  Tekan R Commander 11 .n. discret distributions.q q = peluang gagal dimana q = 1 . b.  Input variabel value (s) = nilai x Contoh : Paling banyak 5 orang menyatakan tertarik menonton sepak bola. binomial distribution.n.p) = Cxn px qn-x Keterangan : n = banyaknya kejadian berulang x = banyaknya keberhasilan dalam peubah acak x p = peluang berhasil dalam setiap ulangan dimana p = 1 .n. Maka nilai x ≤ 5.  kemudian tekan Submit  maka pada output window akan muncul nilai probabilitasnya. lalu binomial tail probabilities.p pada Script Window tersebut. Apabila diketahui nilai …≤…x…≤…… Atau nilai x = sampai …  Tekan R Commander  Perintah mencari probabilitas binomial pada Script Window adalah sum (dbinom (x. c. Rumus umum binomial b (x.p).  kemudian tekan Submit  maka pada output window akan muncul nilai probabilitasnya.n. maka tuliskan nilai x.n. d.p Langkah-langkah mengoperasikan program R untuk distribusi binomial : a. Apabila diketahui kata-kata paling banyak … atau x ≤  Tekan R Commander  Tekan distribution.p)). Apabila diketahui x = …  Tekan R Commander  Perintah mencari probabilitas binomial pada Script Window atau dbinom (x.   Paling sedikit disimbolkan dengan ≥ Kurang dari sama dengan disimbolkan dengan ≤ Lebih dari sama dengan disimbolkan dengan ≥ Tujuan Praktikum Binomial Tujuan dari praktikum materi distribusi binomial ini adalah untuk membantu praktikan dalam mempelajari dan memahami bagaimana cara mencari nilai probabilitas (kemungkinan) dari suatu kejadian binomial (kejadian dengan jumlah sampel < 20 dan nilai peluang berhasil > 0. jadi input var value (s) =5  Input binomial trial = nilai n  Input probability of success = (nilai p)  Lalu pilih lower tail (karena ditanyakan probabilitas paling banyak )  Tekan ok  Maka akan diperoleh nilai probabilitas tersebut.05) dengan menggunakan program R.maka tuliskan nilai x.

2. lalu Binomial tail probabilities 3. Binomial distribution.  Tekan distribution. Maka nilai x ≥ 5 atau x > 4 Input variabel value (s) = 4 Input binomial trial s = nilai n Input probability of success = (nilai p) lalu pilih upper tail (karena yamg ditanyakan probabilitas paling sedikit atau lebih dari ). discret distributions. Tekan icon R Commander pada desktop.       KASUS Berdasarkan data BPS mengenai warga yang menerima BLT. Paling banyak 2 orang tidak menerima BLT d.4 serta pilih upper tail kemudian tekan tombol OK 12 . Apabila ditanyakan pada 5 orang warga miskin di Indonesia. Discrete distributions. Pilih menu Distribution. Paling sedikit 4 orang diantaranya menerima BLT b. Tekan ok Maka akan diperoleh nilai probabilitas tersebut. binomial distribution. berapakah probabilitas: a. Ada 2 sampai 4 orang yang tidak menerima BLT JAWAB a. lalu binomial tail probabilities Perhatikan bahwa yang ditanyakan adalah paling sedikit. Contoh : Paling sedikit 5 orang menyatakan tertarik menonton sepak bola. 3 orang diantaranya menerima BLT c. 40 % warga miskin menyatakan menerima BLT dan sisanya tidak menerima BLT. maka x ≥ atau x >…. Masukkan variabel value (s) = 3. input probabilities of success = 0. x ≥ 4 atau x > 3 1. input binomial trial = 5.

04 % 13 .08704 atau jika dinyatakan dalam bentuk persentase sebesar 87.p). maka tuliskan pada script window dbinom (3. Tekan icon R Commander pada desktop. .0.n.4. Perintah mencari probabilitas binomial pada script window adalah dbinom (x. X = 3 1.5.2304 atau jika dinyatakan dalam bentuk persentase sebesar 23. 2. Maka output window muncul probabilitas 3 orang menerima BLT adalah 0. Maka nilai probabilitas paling sedikit 4 orang menerima BLT adalah 0.4) kemudian tekan tombol Submit 3.04% b.

Discrete distributions.04 % 14 . Maka output window muncul probabilitas 3 orang menerima BLT adalah 0.Atau 1. Binomial distribution. Pilih menu Distribution.2304 atau jika dinyatakan dalam bentuk persentase sebesar 23. kemudian input probabilities of success dengan nilai probabilitas berhasil ( probabilities of success = 0. Isi nilai n pada kotak binomial trials = 5 . 2. lalu Binomial probabilities 3. Tekan icon R Commander pada desktop.4 ) kemudian tekan tombol OK 4.

31744 atau jika dinyatakan dalam bentuk persentase sebesar 31. Pilih menu Distribution. Input nilai variabel value (s) = 2. input probabilities of success = 0.c. Tekan icon R Commander pada desktop. 3. Maka nilai probabilitas paling banyak 2 orang tidak menerima BLT adalah 0. x ≤ 2 1.744 % 15 . Discrete distributions. input binomial trial = 5. Binomial distribution. lalu Binomial tail probabilities. 2. kemudian pilih lower tail (karena yang ditanyakan paling banyak ) dan tekan tombol OK 4.6 (karena yang ditanyakan yang tidak menerima BLT).

Tekan icon R Commander pada desktop. 2.6)) 3.8352 atau jika dinyatakan dalam bentuk persentase sebesar 83.0. Perintah mencari probabilitas binomial pada script window adalah sum(dbinom (x.p)).d. maka tuliskan pada script window sum(dbinom (2:4 .52 16 .n. 2≤x≤4 1. Tekan submit 4. Maka output window muncul probabilitas ada 2 sampai 4 orang yang tidak menerima BLT adalah 0. .5.

semakin pendek interval.2 kedatangan setiap menit. t . dengan ketertarikan kita sebenarnya terletak pada interval waktu dan jumlah kedatangan dalam interval waktu jika proses kedatangannya mempunyai karakteristik sebagai berikut : 1. 3 dan seterusnya. Tidak memiliki kesamaan bahwa akan lebih dari satu kedatangan dalam interval pendek. Pada pendekatan ini rumusnya lebih mudah untuk digunakan dibandingkan dengan rumus binomial. Sebagai ilustrasi. Distribusi ini merupakan distribusi probabilitas untuk variabel diskrit acak yang mempunyai nilai 0. Jumlah kedatangan pada interval waktu tidak bergantung pada apa yang terjadi di interval waktu yang sudah lewat. Aturan yang diikuti oleh kebanyakan ahli statistika adalah bahwa n cukup besar dan p cukup kecil. p x = Banyaknya unsur berhasil dalam sampel n = Jumlah / ukuran populasi p = probabilitas kelas sukses Rumus Proses Poisson Distribusi poisson dalam konteks yang lebih luas dari pada rumus pertama tadi. Dalam ilustrasi tadi dapat berarti bahwa jika tingkat kedatangan rata–rata untuk periode jam adalah. jika n adalah 20 atau lebih dari 20 dan p adalah 0. maka tingkat ini melambangkan interval waktu pada jam kerja tadi : yaitu tingkat yang dapat dirubah kepada rata–rata yaitu 36 kedatangan setiap ½ jam atau 1. 2. misalnya : probabilitas jumlah kedatangan nasabah pada suatu bank pada jam kantor. Untuk menghitung probabilitas suatu peristiwa yang berdistribusi poisson digunakan rumus sebagai berikut P ( x . misalkan pada hari Senin ini adalah jam kerja yang sibuk pada suatu bank. Dalam ilustrasi tadi. semakin mendekati nol adalah probabilitas yang lebih dari satu kedatangan.DISTRIBUSI POISSON Pendahuluan Distribusi poisson diberi nama sesuai dengan penemunya yaitu Siemon D. bisa berarti bahwa adalah tidak mungkin untuk lebih dari satu nasabah yang dapat melewati jalan masuk dalam waktu satu detik. Tingkat kedatangan rata-rata setiap unit waktu adalah konstant. Suatu bentuk dari distribusi ini adalah rumus pendekatan peluang poisson untuk peluang binomial yang dapat digunakan untuk pendekatan probabilitas binomial dalam situasi tertentu. dapat berarti bahwa kesempatan dari sebuah kedatangan di menit berikutnya adalah sama.71828 µ = rata – rata keberhasilan = n . Rumus poisson dapat digunakan untuk menghitung probabilitas dari jumlah kedatangan. Distribusi poisson ini digunakan untuk menghitung probabilitas menurut satuan waktu. Untuk menghitung terjadinya suatu kedatangan yang mengikuti proses poisson digunakan rumus sebagai berikut : P ( x ) = (e –λ . 2. dan kita tertarik oleh jumlah nasabah yang mungkin datang selama jam kerja tersebut. µ X ) / X ! Dimana : e = 2. (λ.t) x ) / X! Dimana : λ = Tingkat rata–rata kedatangan tiap unit waktu t = Jumlah unit waktu x = Jumlah kedatangan dalam t unit waktu 17 . misalkan 72 kedatangan setiap jam. 3. Dalam ilustrasi tadi. Poisson. µ ) = (e – µ. 1. Rumus Pendekatan Peluang Poisson untuk Binomial Pendekatan peluang poisson untuk peluang binomial dilakukan untuk mendekatkan probabilitas probabilitas dari kelas sukses (x) dari n percobaan binomial dalam situasi dimana n sangat besar dan probabilitas kelas sukses (p) sangat kecil.05.05 atau kurang dari 0.

Tuliskan pada Script window dpois(2. 9. Maka berapakah probabilitas 2 produk yang tidak sesuai standar ? Untuk menyelesaikan persoalan distribusi poisson. Angka 2 menunjukkan nilai X dan angka 3 menunjukkan nilai µ yang didapat dari perkalian n * p (100 * 3%).3). Perusahaan memperkirakan 3 % diantara produk yang dihasilkan tidak sesuai dengan standar. Tekan icon R Commander pada desktop.40418% ( atau 0. Maka probabilitas 2 produk yang tidak sesuai standar adalah = 0. dapat digunakan program R. 8.Contoh : Perusahaan kerajinan tangan “BAGUS ART” mampu menghasilkan 100 produk setiap harinya. kemudian akan muncul tampilan seperti gambar di bawah ini. Langkah-langkahnya adalah sebagai berikut : 7. Kemudian tekan tombol Submit.2240418 jika ditanyakan dalam bentuk prosentase ( % ) maka jawabannya adalah 22.2240418 * 100 ) 18 .

pilih menu Distributions. poisson probabilities Kemudian masukan mean = 3 ( didapat dari n * p ) = 100 * 3% Lihat di kolom paling kiri x = 2 yaitu 0.2240 atau 22.Atau cara lain tekan icon R commander. discreate distribution. poisson distribution.40% 19 .

Maka berapakah probabilitas lebih dari 2 produk yang tidak sesuai standar ? Jika dalam contoh kasus ditanyakan probabilitas lebih dari 2 produk yang tidak sesuai standar. kemudian akan muncul tampilan seperti gambar di bawah ini. 2. 3. Poisson distribution. Kemudian tekan tombol OK 20 . Perusahaan memperkirakan 3% diantara produk yang dihasilkan tidak sesuai dengan standar. Tekan icon R Commander pada desktop.Perusahaan kerajinan tangan “BAGUS ART” mampu menghasilkan 100 produk setiap harinya. Kemudian masukkan Variable value(s) = 2 (karena variabel yang diamati adalah 2) dan Mean = 3 (didapat dari n*p yaitu 100 * 3%) lalu pilih Upper tail (karena yang ditanyakan probabilitas lebih dari 2 orang). Maka langkah penyelesaiannya adalah : 1. Pilih menu Distributions. Poisson tail probabilities. Discrete distribution.

Poisson distribution. 2.4.68099% Perusahaan kerajinan tangan “BAGUS ART” mampu menghasilkan 100 produk setiap harinya. Pilih menu Distributions.5768099 atau 57. Maka langkah penyelesaiannya adalah : 1. Discrete distribution. Perusahaan memperkirakan 3% diantara produk yang dihasilkan tidak sesuai dengan standar. 21 . Maka berapakah probabilitas kurang dari 2 produk yang tidak sesuai standar ? Jika dalam contoh kasus ditanyakan probabilitas kurang dari 2 produk yang tidak sesuai standar. Tekan icon R Commander pada desktop. Maka probabilitas lebih dari 2 produk yang tidak sesuai standar adalah 0. Poisson tail probabilities. kemudian akan muncul tampilan seperti gambar di bawah ini.

Kemudian masukkan Variable value(s) = 2 (karena variabel yang diamati adalah 2) dan Mean = 3 (didapat dari n*p yaitu 100*3%) lalu pilih Lower tail (karena yang ditanyakan probabilitas kurang dari 2 orang). Kemudian tekan tombol OK 4.3.4231901 atau 42.31901% 22 . Maka probabilitas kurang dari 2 produk yang tidak sesuai standar adalah 0.

jadi hanya ada tanda > dan <. tanda =. isi sebuah botol. Banyaknya kejadian yang terdistribusi normal. Distribusi normal ini memiliki ciri yaitu n ≥ 30 dan n.5 + nilai tabel -a 23 .nilai tabel a P( z ≥ -a ) = 0. Perhitungan probabilitas suatu sampel yang diambil. KURVA NORMAL Kurva normal berbentuk seperti lonceng dan simetris terhadap rata–rata ( µ ) Mencari luas daerah pada suatu kurva normal dengan menggunakan tabel: P( 0 ≤ z ≤ a )= nilai tabel a P( z ≥ a )= 0. Distribusi normal sering digunakan dalam berbagai penelitian. antara lain tinggi badan. ≥ .5 .p ≥ 5. didapat dengan cara melakukan transformasi nilai-nilai pengukuran ke dalam bentuk bakunya ( nilai Z ). berat badan. Banyak kejadian yang dapat dinyatakan dalam data hasil observasi per eksperimen yang mengikuti distribusi normal.DISTRIBUSI NORMAL Pendahuluan Distribusi normal adalah suatu distribusi yang digunakan untuk mengetahui probabilitas yang telah diketahui rata-rata ( µ ) dan standar deviasinya ( σ ). nilai hasil ujian dan lain-lain. dan ≤ diabaikan.

5 P( a1 ≤ z ≤ a2 )= nilai table a2 .P( z ≤ a )= nilai tabel a + 0. berapa probabilitas dari tiap kedatangan bus kurang dari 300 bus per jam ? Langkah-langkah penyelesaian kasus 1. 24 .nilai tabel a1 P( a1 ≤ z ≤ a2 )= nilai tabel a2 + nilai tabel a1 CONTOH KASUS Diketahui bahwa rata-rata kedatangan bus dalam suatu terminal adalah 250 bus per jam dengan standar deviasi 15 per jam. kemudian akan muncul tampilan seperti gambar di bawah ini. Jika jumlah kedatangan bus tersebut berdistribusi normal. Tekan icon R Commander pada desktop.

Maka pada output window akan diperoleh p (x<300) = 0. c. Pilih Distributions.2. e. Normal distributions. a. d. normal probabilities. Muncul Kotak dialog Normal probabilities. b. Continous distributions. Input variabel Value(s) = 300 Input nilai mu (mean) = 250 Input nilai sigma (standar deviation) = 15 Pilih lower tail p(x < 300 ) tekan ok.999571 25 .

Pilih Distributions. Jika jumlah kedatangan bus tersebut berdistribusi normal. Tekan icon R Commander pada desktop. Normal distributions. Continous distributions. normal probabilities.Gambar kurvanya adalah…. berapa probabilitas dari kedatangan bus kurang dari 225 bus per jam ? Langkah–langkah penyelesaian kasus 1. 2. kemudian akan muncul tampilan seperti gambar di bawah ini. Diketahui bahwa rata-rata kedatangan bus dalam suatu terminal adalah 250 bus per jam dengan standar deviasi 15 per jam. 26 .

5. Input variabel Value(s) = 225 Input nilai mu (mean) = 250 Input nilai sigma (standar deviation) = 15 Pilih lower tail p(x < 225 ) tekan ok. Jika jumlah kedatangan bus tersebut berdistribusi normal berapa probabilitas dari kedatangan bus antara 225-300 bus per jam ? 1) Untuk menghitung hasil ini dapat diperoleh dari P(x <300). 6.04779035 Gambar kurvanya adalah…. 7. Diketahui bahwa rata-rata kedatangan bus dalam suatu terminal adalah 250 bus per jam dengan standar deviasi 15 per jam.3. Maka akan diperoleh p (x<225) = 0. 4.P (x < 225 ) 27 .

lalu tekan submit Maka akan tampil hasilnya yaitu 0.Maka dengan menggunakan kalkulator akan diperoleh hasil 0.    Klik kursor pada script window Tulis 0.0.04779035 = 2) Atau jika menggunakan program R dapat mengikuti langkah berikut :  Tekan icon R Commander pada desktop. kemudian akan muncul tampilan seperti gambar di bawah ini. 28 .0.999571 .04779035.9517807 pada output window.95178065 0.999571 .

Normal distributions. 2.. Continous distributions. 29 . Diketahui bahwa rata-rata kedatangan bus dalam suatu terminal adalah 250 bus per jam dengan standar deviasi 15 per jam. kemudian akan muncul tampilan seperti gambar di bawah ini. normal probabilities.Gambar kurvanya adalah. Tekan icon R Commander pada desktop. Jika jumlah kedatangan bus tersebut berdistribusi normal berapa probabilitas dari kedatangan bus lebih dari 300 bus per jam ? 1. Pilih Distributions.

Maka akan diperoleh p (x > 300) = 0. Input variabel Value(s) = 300 Input nilai mu (mean) = 250 Input nilai sigma (standar deviation) = 15 Pilih Upper tail p(x > 300) tekan ok.  Untuk membersihkan Script Windows : .0004290603 Gambar kurvanya adalah….Klik kanan lalu pilih Clear window 30 .3.Klik kiri pada Script Window . 4. 7. 5. 6..

 Untuk membersihkan Output Windows : .Klik kiri pada Output window .Klik kanan kemudian pilih Clear window 31 .

Sign up to vote on this title
UsefulNot useful