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

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

00 Mean : 31.00 5 .25 Median : 34. DOFI. Akan muncul tampilan : Maka kita bisa mengetahui bahwa dari data umur pegawai PT.50 Maximum : 42. memiliki nilai : Minimum : 19.80 Kuartil 3 : 39.00 Kuartil 1 : 23.6.

lakukan langkah berikut : 1.25 34.50 42 10 6 . kemudian tekan tombol OK. Mean sd 0% 25% 50% 75% 100% n 31.2111 19 23.80 9. Summaries.00 39.Untuk mengetahui standar deviasi. Maka akan muncul tampilan seperti gambar di bawah ini. 2. Numerical Summeries. Tekan Statistic.

Nilai median sama dengan quartile 50% dan seterusnya. Akan terlihat bahwa kelas modus adalah antara 40-42 dengan frekuensi 3. Tekan R Commander.Dari tampilan ini. Untuk melihat bentuk histogram dari data umur pegawai PT DOFI. Perhatikan perbandingan tampilan pertama dan kedua. Terlihat bahwa nilai minimum pada tampilan pertama sama dengan nilai kuartil 0% pada tampilan kedua. 2. 3. OK. lakukan langkah berikut : 1. yaitu standar deviasi : 9. Jika histogram tidak aktif maka dapat diaktifkan dengan menekan RGui di Taskbar windows pada bagian bawah layar monitor. anda bisa mendapatkan tambahan informasi numeric. 7 . Pilih Frequency Counts. Nilai n menunjukkan banyaknya data. Histogram kemudian akan muncul tampilan seperti gambar di bawah ini. Graphs.2111.

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

misalkan a=26. misalkan b=19. Tuliskan pada script window. Tuliskan pada script window. Tuliskan pada script window. lalu tekan tombol submit 4. Aktifkan R Commander kemudian tuliskan pada script window. lalu tekan tombol submit 2. Maka hasilnya akan muncul pada output window 9 . c lalu tekan tombol submit 5.1. lalu tekan tombol submit 3. c=a-b.

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

Apabila diketahui kata-kata paling sedikit … atau x≥  Tekan R Commander 11 .p). binomial distribution. Apabila diketahui x = …  Tekan R Commander  Perintah mencari probabilitas binomial pada Script Window atau dbinom (x.  kemudian tekan Submit  maka pada output window akan muncul nilai probabilitasnya. Apabila diketahui nilai …≤…x…≤…… Atau nilai x = sampai …  Tekan R Commander  Perintah mencari probabilitas binomial pada Script Window adalah sum (dbinom (x.p pada Script Window tersebut.q q = peluang gagal dimana q = 1 . maka tuliskan nilai x. d.p Langkah-langkah mengoperasikan program R untuk distribusi binomial : a. Rumus umum binomial b (x. lalu binomial tail probabilities. c. 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.n.05) dengan menggunakan program R.n.maka tuliskan nilai x.n.  kemudian tekan Submit  maka pada output window akan muncul nilai probabilitasnya.p pada Script Window tersebut.p)). Apabila diketahui kata-kata paling banyak … atau x ≤  Tekan R Commander  Tekan distribution.   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.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. discret distributions.  Input variabel value (s) = nilai x Contoh : Paling banyak 5 orang menyatakan tertarik menonton sepak bola.n. Maka nilai x ≤ 5. b.

input probabilities of success = 0. Tekan icon R Commander pada desktop. Tekan ok Maka akan diperoleh nilai probabilitas tersebut. Paling banyak 2 orang tidak menerima BLT d. 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 ). lalu Binomial tail probabilities 3. binomial distribution. Masukkan variabel value (s) = 3.4 serta pilih upper tail kemudian tekan tombol OK 12 .  Tekan distribution.       KASUS Berdasarkan data BPS mengenai warga yang menerima BLT. Binomial distribution. maka x ≥ atau x >…. Discrete distributions. Paling sedikit 4 orang diantaranya menerima BLT b. Ada 2 sampai 4 orang yang tidak menerima BLT JAWAB a. discret distributions. 2. x ≥ 4 atau x > 3 1. lalu binomial tail probabilities Perhatikan bahwa yang ditanyakan adalah paling sedikit. berapakah probabilitas: a. Pilih menu Distribution. input binomial trial = 5. Contoh : Paling sedikit 5 orang menyatakan tertarik menonton sepak bola. Apabila ditanyakan pada 5 orang warga miskin di Indonesia. 40 % warga miskin menyatakan menerima BLT dan sisanya tidak menerima BLT. 3 orang diantaranya menerima BLT c.

Maka nilai probabilitas paling sedikit 4 orang menerima BLT adalah 0.n.0.08704 atau jika dinyatakan dalam bentuk persentase sebesar 87. Maka output window muncul probabilitas 3 orang menerima BLT adalah 0. X = 3 1.04% b.4.2304 atau jika dinyatakan dalam bentuk persentase sebesar 23.5. maka tuliskan pada script window dbinom (3.p). 2. Perintah mencari probabilitas binomial pada script window adalah dbinom (x.04 % 13 . Tekan icon R Commander pada desktop. .4) kemudian tekan tombol Submit 3.

4 ) kemudian tekan tombol OK 4. Pilih menu Distribution. Maka output window muncul probabilitas 3 orang menerima BLT adalah 0.04 % 14 . lalu Binomial probabilities 3. 2.Atau 1. Isi nilai n pada kotak binomial trials = 5 . Tekan icon R Commander pada desktop. kemudian input probabilities of success dengan nilai probabilitas berhasil ( probabilities of success = 0. Binomial distribution.2304 atau jika dinyatakan dalam bentuk persentase sebesar 23. Discrete distributions.

lalu Binomial tail probabilities. input binomial trial = 5. 3.6 (karena yang ditanyakan yang tidak menerima BLT). x ≤ 2 1. Discrete distributions. 2. Binomial distribution.31744 atau jika dinyatakan dalam bentuk persentase sebesar 31. Input nilai variabel value (s) = 2.c.744 % 15 . Maka nilai probabilitas paling banyak 2 orang tidak menerima BLT adalah 0. input probabilities of success = 0. kemudian pilih lower tail (karena yang ditanyakan paling banyak ) dan tekan tombol OK 4. Tekan icon R Commander pada desktop. Pilih menu Distribution.

Perintah mencari probabilitas binomial pada script window adalah sum(dbinom (x.0. 2≤x≤4 1.n.6)) 3. 2.52 16 . . Tekan icon R Commander pada desktop.5. Tekan submit 4.8352 atau jika dinyatakan dalam bentuk persentase sebesar 83.p)). maka tuliskan pada script window sum(dbinom (2:4 . Maka output window muncul probabilitas ada 2 sampai 4 orang yang tidak menerima BLT adalah 0.d.

dapat berarti bahwa kesempatan dari sebuah kedatangan di menit berikutnya adalah sama. 2. 3. (λ. misalkan pada hari Senin ini adalah jam kerja yang sibuk pada suatu bank. misalnya : probabilitas jumlah kedatangan nasabah pada suatu bank pada jam kantor. 1.t) x ) / X! Dimana : λ = Tingkat rata–rata kedatangan tiap unit waktu t = Jumlah unit waktu x = Jumlah kedatangan dalam t unit waktu 17 . µ X ) / X ! Dimana : e = 2. Pada pendekatan ini rumusnya lebih mudah untuk digunakan dibandingkan dengan rumus binomial. Untuk menghitung probabilitas suatu peristiwa yang berdistribusi poisson digunakan rumus sebagai berikut P ( x . Tidak memiliki kesamaan bahwa akan lebih dari satu kedatangan dalam interval pendek. Dalam ilustrasi tadi dapat berarti bahwa jika tingkat kedatangan rata–rata untuk periode jam adalah. Aturan yang diikuti oleh kebanyakan ahli statistika adalah bahwa n cukup besar dan p cukup kecil. dengan ketertarikan kita sebenarnya terletak pada interval waktu dan jumlah kedatangan dalam interval waktu jika proses kedatangannya mempunyai karakteristik sebagai berikut : 1. Suatu bentuk dari distribusi ini adalah rumus pendekatan peluang poisson untuk peluang binomial yang dapat digunakan untuk pendekatan probabilitas binomial dalam situasi tertentu. misalkan 72 kedatangan setiap jam. 3 dan seterusnya. Poisson. 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. t . Dalam ilustrasi tadi.05 atau kurang dari 0. µ ) = (e – µ. Distribusi poisson ini digunakan untuk menghitung probabilitas menurut satuan waktu. 2.2 kedatangan setiap menit.05. Jumlah kedatangan pada interval waktu tidak bergantung pada apa yang terjadi di interval waktu yang sudah lewat. jika n adalah 20 atau lebih dari 20 dan p adalah 0.DISTRIBUSI POISSON Pendahuluan Distribusi poisson diberi nama sesuai dengan penemunya yaitu Siemon D. Untuk menghitung terjadinya suatu kedatangan yang mengikuti proses poisson digunakan rumus sebagai berikut : P ( x ) = (e –λ . semakin mendekati nol adalah probabilitas yang lebih dari satu kedatangan. bisa berarti bahwa adalah tidak mungkin untuk lebih dari satu nasabah yang dapat melewati jalan masuk dalam waktu satu detik. 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. Distribusi ini merupakan distribusi probabilitas untuk variabel diskrit acak yang mempunyai nilai 0. Rumus poisson dapat digunakan untuk menghitung probabilitas dari jumlah kedatangan. semakin pendek interval. Dalam ilustrasi tadi. Tingkat kedatangan rata-rata setiap unit waktu adalah konstant. Sebagai ilustrasi. dan kita tertarik oleh jumlah nasabah yang mungkin datang selama jam kerja tersebut.71828 µ = rata – rata keberhasilan = n . 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.

2240418 * 100 ) 18 . Tekan icon R Commander pada desktop. Tuliskan pada Script window dpois(2. Maka berapakah probabilitas 2 produk yang tidak sesuai standar ? Untuk menyelesaikan persoalan distribusi poisson. Perusahaan memperkirakan 3 % diantara produk yang dihasilkan tidak sesuai dengan standar. dapat digunakan program R. kemudian akan muncul tampilan seperti gambar di bawah ini. Maka probabilitas 2 produk yang tidak sesuai standar adalah = 0.2240418 jika ditanyakan dalam bentuk prosentase ( % ) maka jawabannya adalah 22.40418% ( atau 0.3). Langkah-langkahnya adalah sebagai berikut : 7. 8.Contoh : Perusahaan kerajinan tangan “BAGUS ART” mampu menghasilkan 100 produk setiap harinya. Angka 2 menunjukkan nilai X dan angka 3 menunjukkan nilai µ yang didapat dari perkalian n * p (100 * 3%). Kemudian tekan tombol Submit. 9.

poisson distribution. discreate distribution. 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.40% 19 . pilih menu Distributions.

Perusahaan memperkirakan 3% diantara produk yang dihasilkan tidak sesuai dengan standar. Poisson distribution. Tekan icon R Commander pada desktop. 3. 2. Pilih menu Distributions. Poisson tail probabilities. Maka langkah penyelesaiannya adalah : 1. 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 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).Perusahaan kerajinan tangan “BAGUS ART” mampu menghasilkan 100 produk setiap harinya. Discrete distribution. kemudian akan muncul tampilan seperti gambar di bawah ini. Kemudian tekan tombol OK 20 .

kemudian akan muncul tampilan seperti gambar di bawah ini. 21 .68099% Perusahaan kerajinan tangan “BAGUS ART” mampu menghasilkan 100 produk setiap harinya. Poisson tail probabilities. 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.4. Maka probabilitas lebih dari 2 produk yang tidak sesuai standar adalah 0. Discrete distribution. Pilih menu Distributions.5768099 atau 57. Perusahaan memperkirakan 3% diantara produk yang dihasilkan tidak sesuai dengan standar. Poisson distribution. Maka langkah penyelesaiannya adalah : 1. 2. Tekan icon R Commander pada desktop.

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).4231901 atau 42. Kemudian tekan tombol OK 4.3.31901% 22 . Maka probabilitas kurang dari 2 produk yang tidak sesuai standar adalah 0.

Distribusi normal sering digunakan dalam berbagai penelitian. didapat dengan cara melakukan transformasi nilai-nilai pengukuran ke dalam bentuk bakunya ( nilai Z ). antara lain tinggi badan.p ≥ 5. 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 )= 0.5 + nilai tabel -a 23 .nilai tabel a P( z ≥ -a ) = 0.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. Distribusi normal ini memiliki ciri yaitu n ≥ 30 dan n. Banyaknya kejadian yang terdistribusi normal. jadi hanya ada tanda > dan <. isi sebuah botol. ≥ .5 . tanda =. Perhitungan probabilitas suatu sampel yang diambil. berat badan. Banyak kejadian yang dapat dinyatakan dalam data hasil observasi per eksperimen yang mengikuti distribusi normal. dan ≤ diabaikan.

berapa probabilitas dari tiap kedatangan bus kurang dari 300 bus per jam ? Langkah-langkah penyelesaian kasus 1. 24 . kemudian akan muncul tampilan seperti gambar di bawah ini.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. Jika jumlah kedatangan bus tersebut berdistribusi normal. Tekan icon R Commander pada desktop.5 P( a1 ≤ z ≤ a2 )= nilai table a2 .P( z ≤ a )= nilai tabel a + 0.

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

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

5.P (x < 225 ) 27 .04779035 Gambar kurvanya adalah…. Input variabel Value(s) = 225 Input nilai mu (mean) = 250 Input nilai sigma (standar deviation) = 15 Pilih lower tail p(x < 225 ) tekan ok. 7. Diketahui bahwa rata-rata kedatangan bus dalam suatu terminal adalah 250 bus per jam dengan standar deviasi 15 per jam. 6.3. Maka akan diperoleh p (x<225) = 0. 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). 4.

0.999571 .95178065 0.04779035 = 2) Atau jika menggunakan program R dapat mengikuti langkah berikut :  Tekan icon R Commander pada desktop.04779035. lalu tekan submit Maka akan tampil hasilnya yaitu 0. 28 .Maka dengan menggunakan kalkulator akan diperoleh hasil 0. kemudian akan muncul tampilan seperti gambar di bawah ini.    Klik kursor pada script window Tulis 0.999571 .0.9517807 pada output window.

. kemudian akan muncul tampilan seperti gambar di bawah ini. 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. Continous distributions. 2. 29 . normal probabilities. Normal distributions. Diketahui bahwa rata-rata kedatangan bus dalam suatu terminal adalah 250 bus per jam dengan standar deviasi 15 per jam.Gambar kurvanya adalah. Pilih Distributions.

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

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

Sign up to vote on this title
UsefulNot useful