SlideShare a Scribd company logo
1 of 19
DISTRIBUSI PELUANG KONTINYU
Ditribusi Normal (Sebaran Normal, Kurva Gauss)
-Bentuk genta / lonceng
-Pusat kurva μ
-Gemuk / kurusnya kurva tergantung σ²
-Nilai σ² kecil kurva tinggi dan ramping
-Nilai σ² besar kurva pendek dan gemuk
Peubah acak X ~ N (μ,σ²)
μ (-∞ < μ < ∞ )
σ² > 0
Peubah tersebut mempunyai fungsi kepekatan :
f (X) = ( 1 / √ 2 π σ² ) exp(- ½ σ² (x-μ) ………(1)
Sebaran normal :
1.Luas daerah di bawah kurva = 1
2.f(x) > 0 untuk (-∞ < μ < ∞ )
3.Lim f(x) = 0 dan lim f(x) 0
x ∞ x -∞
4.f{(x)+ μ} = f {(x)- μ} atau kepekatan setangkup disekitar μ
5.Nilai maksimum f terjadi pada x = μ
6.Titik belok f terjadi pada x = μ ± σ
SEBARAN NORMAL BAKU
Sebaran normal dibakukan/distandardkan :
mempertimbangkan fungsi kepekatan :
f(z) = (1/ √ 2 π) exp (- ½ z2 ) …………..(2)
Hubungan antara sebaran 1 dan 2 adalah :
x - μ
Z = σ
Contoh :
Bobot badan kambing rataan μ = 25 kg, σ = 3
a.Berapa % bobot badan kambing yang lebih dari 29,5 kg
b.Berapa % bobot badan kambing yang kurang dari 28 kg
c.Berapa % bobot kambing antara antara 24 – 27 kg
a. Z = (x- μ)/σ = (29,5-25)/3 = 1,5
Z (1,5) = 0,4332
Bobot badan kambing > 29,5 kg = 0,5-0,4332 = 0,0668
= 6,68 %
b. Z = (x- μ)/σ = (28-25)/3 = 1,0
Z (1,0) = 0,3413
Bobot badan kambing < 28 kg = 0,5 + 0,3413 = 0,8413
= 84,13 %
c. Z = (x- μ)/σ = (24-25)/3 = - 0,33
Z(-0,33) = 0,1179
Z = (x- μ)/σ = (27-25)/3 = 0,67
Z(0,67) = 0,2486
Bobot badan kambing antara 24-27 kg = 0,1179 + 0,2486
= 0,4039 = 40,39 %
Hipotesa : jawaban sementara terhadap masalah penelitian
yang kebenarannya harus diuji secara empiris
atau perumusan sementara mengenai sesuatu
hal yang dibuat untuk menjelaskan hal tersebut
dan mengarahkan penelitian selanjutnya
Hipotesa nol (H0) : hipotesa sementara sehingga
memungkinkan untuk memutuskan
apakah sesuatu yang diuji masih
sebagaimana dispesifikasikan oleh Ho
atau tidak.
Hipotesa alternatif (H1): alternatif dari H0 yaitu keputusan
apa yang harus ditentukan bila apa
yang diuji tidak sebagaimana yang
dispesifikasikan oleh H0
Statistik uji : peubah acak yang digunakan dalam menentu-
kan apakah H0 atau H1 yang diterima dalam
pengujian hipotesa.
Kriteria uji digunakan memutuskan diterima atau tidak H0
disebut nilai- nilai kritis pengujian dan dipertimbangkan
terletak di daerah penolakan.
Pada pengujian hipotesa ada 2 jenis kesalahan :
1.Kesalahan jenis 1 : jika hipotesa nol (H0) yang benar atau
dianggap benar ditolak. Peluang untuk
berbuat salah jenis 1 dilambangkan α
dan umumnya disebut taraf nyata
pengujian atau disebut ukuran uji
2.Kesalahan jenis 2 : jika hipotesa alternatif (H1) yang benar
ditolak. Peluang berbuat salah untuk
kesalahan jenis 2 dilambangkan
dengan β.
Kesalahan jenis 2 dikaitkan dengan kekuatan uji.
Pengujian hipotesa dengan sebaran normal baku
Pengujian nilai tengah = rataan
_
Z = (x - μ)/(σ/√n)
H0 : μ = μ0
H1 : μ ≠ μ0
Jika H0 benar, maka kaidah keputusannya adalah :
_
Z hitung = (x - μ)/(σ/√n)
Z hitung > Z(α) H0 ditolak
H1 diterima
Z hitung < Z(α) H0 diterima
H1 ditolak
Contoh :
Pengamatan pada kandungan Protein Kasar jerami padi
diketahui : μ = 6 % σ = 1,2
Apabila mahasiswa melakukan penelitian dari 25 sampel
dan didapatkan kandungan PK jerami padi rataan = 6,3 %
Apakah hasil penelitian mahasiswa tersebut sama atau
berbeda dengan pengamatan terdahulu, ujilah dengan α =
0,05
Jawab:
_
μ = 6 % σ = 1,2 n = 25 x = 6,3 α = 0,05
H0 : μ = 6 %
H1 : μ ≠ 6 %
_
Z hitung = (x - μ)/(σ/√n)
= (6,3 – 6) / (1,2/√25) = 1,25
Z0,05/2 = 1,96
Z hitung < Z0,05/2 1,25 < 1,96
H0 diterima
H1 ditolak
Kesimpulan : penelitian mahasiswa tentang kandungan PK
jerami padi ternyata sama dengan data
pengamatan terdahulu.
Contoh :
Mahasiswa menyatakan bahwa kosentrat yang diproduksi
oleh KUD Mitra tidak dapat meningkatkan PBB pada sapi
rata-rata hanya 250 g/hari/ekor dengan σ = 25. Untuk
menguji apakah pernyataan mahasiswa tersebut benar
atau tidak, maka dilakukan pengamatan 25 ekor sapi dan
diamati PBB didapatkan rata-rata = 260 g/hari/ekor.
Ujilah dengan α = 0,05
Jawab :
_
μ = 250 σ = 25 n = 25 x = 260 α = 0,05
H0 : μ < 250
H1 : μ > 250
_
Z hitung = (x - μ)/(σ/√n)
= (260 – 250) / (25/√25) = 2
Z0,05 = 1,645
Z hitung > Z0,05 2 > 1,645
H0 ditolak
H1 diterima
Kesimpulan : pengamatan mahasiswa tersebut tidak benar
karena kosentrat tersebut dapat meningkat-
kan PBB sapi
Pengujian Proporsi
Untuk memudahkan pengujian hipotesa dapat dilakukan
dengan pendekatan sebaran normal
Z = (p0 – p) / (√pq/n) q = 1-p
Merupakan peubah normal baku
Hipotesa :
H0 : p = p0
H1 : p ≠ p0
Jika H0 benar, maka kaidah keputusannya adalah :
Z hitung = (p0 – p) / (√pq/n)
Z hitung > Z(α) H0 ditolak
H1 diterima
Z hitung < Z(α) H0 diterima
H1 ditolak
Contoh :
Rataan berat lahir pedet sapi perah yang di bawah normal
terdapat10 ekor dari 100 ekor pedet yang lahir. Untuk
mengetahui apakah pernyataan tersebut benar atau tidak
dilakukan pengamatan pada pedet yang lahir dan
ditimbang didapatkan 15 ekor yang berat lahirnya di
bawah normal, ujilah dengan α = 0,05.
Jawab :
p = 10/100 = 0.1 q = 1-0,1 = 0,9
H0 : p = 0,1
H1 : p ≠ 0,1
p0 = 15/100 = 0,15
Z hitung = (p0 – p) / (√pq/n) = (0,15-0,1) / (√{(0,1x0,9)/100} =
= 1,67
Z0,05/2 = 1,96
Z hitung < Z0,05/2 1,67 < 1,96
H0 diterima
H1 ditolak
Kesimpulan : Pernyataan tersebut benar bahwa berat lahir
pedet tersebut yang di bawah normal sama
dengan 10 %
Pengujian 2 nilai rataan
1.Ragam populasi diketahui
Jika 2 populasi mempunyai rataan μA dan μB maka pada
dasarnya menguji hipotesa nol :
H0 : μA = μB atau H0 : μA – μB = 0
H1 : μA – μB > 0
H1 : μA – μB = 0
H1 : μA – μB < 0
Peubah X
XA ≈ NID (μA, σA
2 )
XB ≈ NID (μB, σB
2 )
_ _
(xA- xB) ≈ NID (μA- μB, σA
2/ n + σB
2/ n)
Statistik uji, jika σA
2 dan σB
2 diketahui
_ _
Z hitung = {│(xA- xB) – (μA- μB)│} / √ (σA
2/ n + σB
2/ n)
Jika H0 : μA – μB = 0 benar maka :
_ _
Z hitung = │(xA- xB)│ / √ (σA
2/ n + σB
2/ n)
tersebar menurut sebaran normal Z
Jika hipotesa : H0 : μA – μB = 0
H1 : μA – μB ≠ 0
H0 benar maka kaidah keputasannya adalah jika :
_ _
Z hitung = │(xA- xB)│ / √ (σA
2/ n + σB
2/ n)
Z hitung > Z(α) H0 ditolak
H1 diterima
Z hitung < Z(α) H0 diterima
H1 ditolak
Contoh :
Pengamatan pada produksi susu sapi perah yang diberi
pakan konsentrat A didapatkan rataan (x) = 10 l/ekor/hari
dengan σ = 2,5 n = 100. Sedangkan sapi yang diberi pakan
konsentrat B didapatkan rataan (x) = 9 l/ekor/hari dengan σ
= 1,5 n = 100. Apakah produksi susu ke 2 kelompok
tersebut sama atau berbeda, ujilah dengan α = 0,05.
Jawab :
_
xA = 10 σA = 2,5 σA
2 = 6,25 nA = 100
_
xB = 9 σB = 1,5 σA
2 = 2,25 nA = 100
_ _
Z hitung = (│(xA- xB)│) / √ (σA
2/ n + σB
2/ n)
= (10-9) / √ {(6,25/100)+(2,25/100)} = 3,43
Z0,05/2 = 1,96
Z hitung > Z0,05/2 3,43 > 1,96
Z hitung > Z(α) H0 ditolak
H1 diterima
Kesimpulan : Produksi susu pada sapi yang diberi pakan
konsentrat A berbeda dengan produksi susu
sapi yang diberi pakan konsentrat B.

More Related Content

What's hot

Distribusi probabilitas
Distribusi probabilitasDistribusi probabilitas
Distribusi probabilitas
Riswan
 
Pengertian polinomial, contoh soal polinomial dengan pembahasanya
Pengertian polinomial, contoh soal polinomial dengan pembahasanyaPengertian polinomial, contoh soal polinomial dengan pembahasanya
Pengertian polinomial, contoh soal polinomial dengan pembahasanya
fetrina suwarna
 
Met num02 persamaan non linier
Met num02 persamaan non linierMet num02 persamaan non linier
Met num02 persamaan non linier
Alvin Setiawan
 
Distribusi binomial dan poisson baru
Distribusi binomial dan poisson baruDistribusi binomial dan poisson baru
Distribusi binomial dan poisson baru
ratuilma
 
Bab2 peubah-acak-dan-distribusi-peluang
Bab2 peubah-acak-dan-distribusi-peluangBab2 peubah-acak-dan-distribusi-peluang
Bab2 peubah-acak-dan-distribusi-peluang
Arif Windiargo
 
Peluang dan Distribusi Peluang
Peluang dan Distribusi PeluangPeluang dan Distribusi Peluang
Peluang dan Distribusi Peluang
bagus222
 

What's hot (20)

Pengujian hipotesis
Pengujian hipotesisPengujian hipotesis
Pengujian hipotesis
 
Distribusi probabilitas
Distribusi probabilitasDistribusi probabilitas
Distribusi probabilitas
 
Pengertian polinomial, contoh soal polinomial dengan pembahasanya
Pengertian polinomial, contoh soal polinomial dengan pembahasanyaPengertian polinomial, contoh soal polinomial dengan pembahasanya
Pengertian polinomial, contoh soal polinomial dengan pembahasanya
 
Met num 4-0
Met num 4-0Met num 4-0
Met num 4-0
 
Ekspektasi matematik
Ekspektasi matematikEkspektasi matematik
Ekspektasi matematik
 
Met num 2
Met num 2Met num 2
Met num 2
 
Distribusi Peluang Binomial
Distribusi Peluang BinomialDistribusi Peluang Binomial
Distribusi Peluang Binomial
 
STATISTIK MATEMATIKA VARIABEL ATAU PEUBAH ACAK DUA VARIABEL
STATISTIK MATEMATIKA VARIABEL ATAU PEUBAH ACAK DUA VARIABELSTATISTIK MATEMATIKA VARIABEL ATAU PEUBAH ACAK DUA VARIABEL
STATISTIK MATEMATIKA VARIABEL ATAU PEUBAH ACAK DUA VARIABEL
 
Kuliah statistika lanjut
Kuliah statistika lanjutKuliah statistika lanjut
Kuliah statistika lanjut
 
Met num02 persamaan non linier
Met num02 persamaan non linierMet num02 persamaan non linier
Met num02 persamaan non linier
 
Distribusi binomial
Distribusi binomialDistribusi binomial
Distribusi binomial
 
statistika ekonomi 2 DISTRIBUSI TEORITIS
statistika ekonomi 2 DISTRIBUSI TEORITISstatistika ekonomi 2 DISTRIBUSI TEORITIS
statistika ekonomi 2 DISTRIBUSI TEORITIS
 
Ek107 122215-867-7
Ek107 122215-867-7Ek107 122215-867-7
Ek107 122215-867-7
 
Distribusi teoretis
Distribusi teoretisDistribusi teoretis
Distribusi teoretis
 
Distribusi variabel acak kontinyu
Distribusi variabel acak kontinyuDistribusi variabel acak kontinyu
Distribusi variabel acak kontinyu
 
Statistika: Binomial
Statistika: BinomialStatistika: Binomial
Statistika: Binomial
 
Distribusi binomial dan poisson baru
Distribusi binomial dan poisson baruDistribusi binomial dan poisson baru
Distribusi binomial dan poisson baru
 
Distribusi peluang
Distribusi peluangDistribusi peluang
Distribusi peluang
 
Bab2 peubah-acak-dan-distribusi-peluang
Bab2 peubah-acak-dan-distribusi-peluangBab2 peubah-acak-dan-distribusi-peluang
Bab2 peubah-acak-dan-distribusi-peluang
 
Peluang dan Distribusi Peluang
Peluang dan Distribusi PeluangPeluang dan Distribusi Peluang
Peluang dan Distribusi Peluang
 

Similar to Materi 2

5. distribusi normal
5. distribusi normal5. distribusi normal
5. distribusi normal
Nanda Reda
 
Pp 15(integral tak tentu)
Pp 15(integral tak tentu)Pp 15(integral tak tentu)
Pp 15(integral tak tentu)
-Eq Wahyou-
 
Fp unsam 2009 distribusi probabilitas
Fp unsam 2009  distribusi probabilitasFp unsam 2009  distribusi probabilitas
Fp unsam 2009 distribusi probabilitas
Ir. Zakaria, M.M
 
Penerapan distribusi normal
Penerapan distribusi normalPenerapan distribusi normal
Penerapan distribusi normal
hidayatulfitri
 
materi matkul MetNum3-PersNonLInier (1).ppt
materi matkul MetNum3-PersNonLInier (1).pptmateri matkul MetNum3-PersNonLInier (1).ppt
materi matkul MetNum3-PersNonLInier (1).ppt
asmaun4
 
variabel random dan distribusi peluang
variabel random dan distribusi peluangvariabel random dan distribusi peluang
variabel random dan distribusi peluang
Ceria Agnantria
 
Distribusi Binomial, Poisson dan Normal ppt
Distribusi Binomial, Poisson dan Normal pptDistribusi Binomial, Poisson dan Normal ppt
Distribusi Binomial, Poisson dan Normal ppt
Aisyah Turidho
 

Similar to Materi 2 (20)

Bab 6 uji beda
Bab 6 uji bedaBab 6 uji beda
Bab 6 uji beda
 
makalahstatistik-140811215134-phpapp02 (1).pdf
makalahstatistik-140811215134-phpapp02 (1).pdfmakalahstatistik-140811215134-phpapp02 (1).pdf
makalahstatistik-140811215134-phpapp02 (1).pdf
 
5. distribusi normal
5. distribusi normal5. distribusi normal
5. distribusi normal
 
12 Distribusi Normal.pdf
12 Distribusi Normal.pdf12 Distribusi Normal.pdf
12 Distribusi Normal.pdf
 
Pp 15(integral tak tentu)
Pp 15(integral tak tentu)Pp 15(integral tak tentu)
Pp 15(integral tak tentu)
 
Distribusi probabilitas
Distribusi  probabilitasDistribusi  probabilitas
Distribusi probabilitas
 
Distribusi probabilitas
Distribusi  probabilitasDistribusi  probabilitas
Distribusi probabilitas
 
APG Pertemuan 5 : Inferensia Vektor Rata-rata
APG Pertemuan 5 : Inferensia Vektor Rata-rataAPG Pertemuan 5 : Inferensia Vektor Rata-rata
APG Pertemuan 5 : Inferensia Vektor Rata-rata
 
Fp unsam 2009 distribusi probabilitas
Fp unsam 2009  distribusi probabilitasFp unsam 2009  distribusi probabilitas
Fp unsam 2009 distribusi probabilitas
 
Penerapan distribusi normal
Penerapan distribusi normalPenerapan distribusi normal
Penerapan distribusi normal
 
Materi 3
Materi 3Materi 3
Materi 3
 
Statistika_Dasar_4.pdf
Statistika_Dasar_4.pdfStatistika_Dasar_4.pdf
Statistika_Dasar_4.pdf
 
Distribusi sampling
Distribusi samplingDistribusi sampling
Distribusi sampling
 
materi matkul MetNum3-PersNonLInier (1).ppt
materi matkul MetNum3-PersNonLInier (1).pptmateri matkul MetNum3-PersNonLInier (1).ppt
materi matkul MetNum3-PersNonLInier (1).ppt
 
Hipotesis statistik or statistical hypotesis
Hipotesis statistik or statistical hypotesisHipotesis statistik or statistical hypotesis
Hipotesis statistik or statistical hypotesis
 
variabel random dan distribusi peluang
variabel random dan distribusi peluangvariabel random dan distribusi peluang
variabel random dan distribusi peluang
 
Materi p3 distribusi normal
Materi p3 distribusi normalMateri p3 distribusi normal
Materi p3 distribusi normal
 
DISTRIBUSI NORMAL.pdf
DISTRIBUSI NORMAL.pdfDISTRIBUSI NORMAL.pdf
DISTRIBUSI NORMAL.pdf
 
DISTRIBUSI NORMAL.pdf
DISTRIBUSI NORMAL.pdfDISTRIBUSI NORMAL.pdf
DISTRIBUSI NORMAL.pdf
 
Distribusi Binomial, Poisson dan Normal ppt
Distribusi Binomial, Poisson dan Normal pptDistribusi Binomial, Poisson dan Normal ppt
Distribusi Binomial, Poisson dan Normal ppt
 

More from olahspss kunta (8)

Materi 10
Materi 10Materi 10
Materi 10
 
Materi 9
Materi 9Materi 9
Materi 9
 
Materi 8
Materi 8Materi 8
Materi 8
 
Materi 7
Materi 7Materi 7
Materi 7
 
Materi 6
Materi 6Materi 6
Materi 6
 
Materi 5
Materi 5Materi 5
Materi 5
 
Materi 4
Materi 4Materi 4
Materi 4
 
Materi 1
Materi 1Materi 1
Materi 1
 

Recently uploaded

kerajaan-kerajaan hindu-budha di indonesia.ppt
kerajaan-kerajaan hindu-budha di indonesia.pptkerajaan-kerajaan hindu-budha di indonesia.ppt
kerajaan-kerajaan hindu-budha di indonesia.ppt
putrisari631
 
443016507-Sediaan-obat-PHYCOPHYTA-MYOPHYTA-dan-MYCOPHYTA-pptx.pptx
443016507-Sediaan-obat-PHYCOPHYTA-MYOPHYTA-dan-MYCOPHYTA-pptx.pptx443016507-Sediaan-obat-PHYCOPHYTA-MYOPHYTA-dan-MYCOPHYTA-pptx.pptx
443016507-Sediaan-obat-PHYCOPHYTA-MYOPHYTA-dan-MYCOPHYTA-pptx.pptx
ErikaPutriJayantini
 
Penjelasan Asmaul Khomsah bahasa arab nahwu
Penjelasan Asmaul Khomsah bahasa arab nahwuPenjelasan Asmaul Khomsah bahasa arab nahwu
Penjelasan Asmaul Khomsah bahasa arab nahwu
Khiyaroh1
 
perwalian IKLIM SEKOLAH AMAN Mencegah Intoleransi.pptx
perwalian IKLIM SEKOLAH AMAN Mencegah Intoleransi.pptxperwalian IKLIM SEKOLAH AMAN Mencegah Intoleransi.pptx
perwalian IKLIM SEKOLAH AMAN Mencegah Intoleransi.pptx
Mas PauLs
 
Materi Bid PPM Bappeda Sos Pemutakhiran IDM 2024 di kec Plumbon.pptx
Materi Bid PPM Bappeda Sos Pemutakhiran  IDM 2024 di kec Plumbon.pptxMateri Bid PPM Bappeda Sos Pemutakhiran  IDM 2024 di kec Plumbon.pptx
Materi Bid PPM Bappeda Sos Pemutakhiran IDM 2024 di kec Plumbon.pptx
AvivThea
 

Recently uploaded (20)

kerajaan-kerajaan hindu-budha di indonesia.ppt
kerajaan-kerajaan hindu-budha di indonesia.pptkerajaan-kerajaan hindu-budha di indonesia.ppt
kerajaan-kerajaan hindu-budha di indonesia.ppt
 
MODUL AJAR PENDIDIKAN PANCASILA KELAS 2 KURIKULUM MERDEKA.pdf
MODUL AJAR PENDIDIKAN PANCASILA KELAS 2 KURIKULUM MERDEKA.pdfMODUL AJAR PENDIDIKAN PANCASILA KELAS 2 KURIKULUM MERDEKA.pdf
MODUL AJAR PENDIDIKAN PANCASILA KELAS 2 KURIKULUM MERDEKA.pdf
 
MODUL AJAR MATEMATIKA KELAS 4 KURIKULUM MERDEKA.pdf
MODUL AJAR MATEMATIKA KELAS 4 KURIKULUM MERDEKA.pdfMODUL AJAR MATEMATIKA KELAS 4 KURIKULUM MERDEKA.pdf
MODUL AJAR MATEMATIKA KELAS 4 KURIKULUM MERDEKA.pdf
 
443016507-Sediaan-obat-PHYCOPHYTA-MYOPHYTA-dan-MYCOPHYTA-pptx.pptx
443016507-Sediaan-obat-PHYCOPHYTA-MYOPHYTA-dan-MYCOPHYTA-pptx.pptx443016507-Sediaan-obat-PHYCOPHYTA-MYOPHYTA-dan-MYCOPHYTA-pptx.pptx
443016507-Sediaan-obat-PHYCOPHYTA-MYOPHYTA-dan-MYCOPHYTA-pptx.pptx
 
Penjelasan Asmaul Khomsah bahasa arab nahwu
Penjelasan Asmaul Khomsah bahasa arab nahwuPenjelasan Asmaul Khomsah bahasa arab nahwu
Penjelasan Asmaul Khomsah bahasa arab nahwu
 
Lokakarya tentang Kepemimpinan Sekolah 1.pptx
Lokakarya tentang Kepemimpinan Sekolah 1.pptxLokakarya tentang Kepemimpinan Sekolah 1.pptx
Lokakarya tentang Kepemimpinan Sekolah 1.pptx
 
ASPEK KIMIA TUBUH dalam ilmu kesehatan dan kebidanan
ASPEK KIMIA TUBUH dalam ilmu kesehatan dan kebidananASPEK KIMIA TUBUH dalam ilmu kesehatan dan kebidanan
ASPEK KIMIA TUBUH dalam ilmu kesehatan dan kebidanan
 
PELAKSANAAN + Link2 MATERI Training_ "AUDIT INTERNAL + SISTEM MANAJEMEN MUTU ...
PELAKSANAAN + Link2 MATERI Training_ "AUDIT INTERNAL + SISTEM MANAJEMEN MUTU ...PELAKSANAAN + Link2 MATERI Training_ "AUDIT INTERNAL + SISTEM MANAJEMEN MUTU ...
PELAKSANAAN + Link2 MATERI Training_ "AUDIT INTERNAL + SISTEM MANAJEMEN MUTU ...
 
Aksi Nyata PMM - Merancang Pembelajaran berdasarkan Perkembangan Peserta Didi...
Aksi Nyata PMM - Merancang Pembelajaran berdasarkan Perkembangan Peserta Didi...Aksi Nyata PMM - Merancang Pembelajaran berdasarkan Perkembangan Peserta Didi...
Aksi Nyata PMM - Merancang Pembelajaran berdasarkan Perkembangan Peserta Didi...
 
perwalian IKLIM SEKOLAH AMAN Mencegah Intoleransi.pptx
perwalian IKLIM SEKOLAH AMAN Mencegah Intoleransi.pptxperwalian IKLIM SEKOLAH AMAN Mencegah Intoleransi.pptx
perwalian IKLIM SEKOLAH AMAN Mencegah Intoleransi.pptx
 
Materi Bid PPM Bappeda Sos Pemutakhiran IDM 2024 di kec Plumbon.pptx
Materi Bid PPM Bappeda Sos Pemutakhiran  IDM 2024 di kec Plumbon.pptxMateri Bid PPM Bappeda Sos Pemutakhiran  IDM 2024 di kec Plumbon.pptx
Materi Bid PPM Bappeda Sos Pemutakhiran IDM 2024 di kec Plumbon.pptx
 
P5 Gaya Hidup berkelanjutan gaya hidup b
P5 Gaya Hidup berkelanjutan gaya hidup bP5 Gaya Hidup berkelanjutan gaya hidup b
P5 Gaya Hidup berkelanjutan gaya hidup b
 
MODUL AJAR SENI TARI KELAS 6 KURIKULUM MERDEKA.pdf
MODUL AJAR SENI TARI KELAS 6 KURIKULUM MERDEKA.pdfMODUL AJAR SENI TARI KELAS 6 KURIKULUM MERDEKA.pdf
MODUL AJAR SENI TARI KELAS 6 KURIKULUM MERDEKA.pdf
 
M5 Latihan Program Prolog Aritmatika.pptx
M5 Latihan Program Prolog Aritmatika.pptxM5 Latihan Program Prolog Aritmatika.pptx
M5 Latihan Program Prolog Aritmatika.pptx
 
Modul 5 Simetri (simetri lipat, simetri putar)
Modul 5 Simetri (simetri lipat, simetri putar)Modul 5 Simetri (simetri lipat, simetri putar)
Modul 5 Simetri (simetri lipat, simetri putar)
 
PPDB SMAN 1 SURADE - PROV JABAR 2024 / 2025
PPDB SMAN 1 SURADE - PROV JABAR 2024 / 2025PPDB SMAN 1 SURADE - PROV JABAR 2024 / 2025
PPDB SMAN 1 SURADE - PROV JABAR 2024 / 2025
 
Modul Ajar Matematika Kelas 5 Fase C Kurikulum Merdeka [abdiera.com]
Modul Ajar Matematika Kelas 5 Fase C Kurikulum Merdeka [abdiera.com]Modul Ajar Matematika Kelas 5 Fase C Kurikulum Merdeka [abdiera.com]
Modul Ajar Matematika Kelas 5 Fase C Kurikulum Merdeka [abdiera.com]
 
MODUL AJAR PENDIDIKAN PANCASILA KELAS 5 KURIKULUM MERDEKA.pdf
MODUL AJAR PENDIDIKAN PANCASILA KELAS 5 KURIKULUM MERDEKA.pdfMODUL AJAR PENDIDIKAN PANCASILA KELAS 5 KURIKULUM MERDEKA.pdf
MODUL AJAR PENDIDIKAN PANCASILA KELAS 5 KURIKULUM MERDEKA.pdf
 
MODUL AJAR BAHASA INDONESIA KELAS 2 KURIKULUM MERDEKA.pdf
MODUL AJAR BAHASA INDONESIA KELAS 2 KURIKULUM MERDEKA.pdfMODUL AJAR BAHASA INDONESIA KELAS 2 KURIKULUM MERDEKA.pdf
MODUL AJAR BAHASA INDONESIA KELAS 2 KURIKULUM MERDEKA.pdf
 
Ppt kelompok 6 (preeklamsia ringan).pptx
Ppt kelompok 6 (preeklamsia ringan).pptxPpt kelompok 6 (preeklamsia ringan).pptx
Ppt kelompok 6 (preeklamsia ringan).pptx
 

Materi 2

  • 1. DISTRIBUSI PELUANG KONTINYU Ditribusi Normal (Sebaran Normal, Kurva Gauss) -Bentuk genta / lonceng -Pusat kurva μ -Gemuk / kurusnya kurva tergantung σ² -Nilai σ² kecil kurva tinggi dan ramping -Nilai σ² besar kurva pendek dan gemuk
  • 2.
  • 3. Peubah acak X ~ N (μ,σ²) μ (-∞ < μ < ∞ ) σ² > 0 Peubah tersebut mempunyai fungsi kepekatan : f (X) = ( 1 / √ 2 π σ² ) exp(- ½ σ² (x-μ) ………(1) Sebaran normal : 1.Luas daerah di bawah kurva = 1 2.f(x) > 0 untuk (-∞ < μ < ∞ ) 3.Lim f(x) = 0 dan lim f(x) 0 x ∞ x -∞ 4.f{(x)+ μ} = f {(x)- μ} atau kepekatan setangkup disekitar μ 5.Nilai maksimum f terjadi pada x = μ 6.Titik belok f terjadi pada x = μ ± σ
  • 4. SEBARAN NORMAL BAKU Sebaran normal dibakukan/distandardkan : mempertimbangkan fungsi kepekatan : f(z) = (1/ √ 2 π) exp (- ½ z2 ) …………..(2) Hubungan antara sebaran 1 dan 2 adalah : x - μ Z = σ Contoh : Bobot badan kambing rataan μ = 25 kg, σ = 3 a.Berapa % bobot badan kambing yang lebih dari 29,5 kg b.Berapa % bobot badan kambing yang kurang dari 28 kg c.Berapa % bobot kambing antara antara 24 – 27 kg
  • 5. a. Z = (x- μ)/σ = (29,5-25)/3 = 1,5 Z (1,5) = 0,4332 Bobot badan kambing > 29,5 kg = 0,5-0,4332 = 0,0668 = 6,68 % b. Z = (x- μ)/σ = (28-25)/3 = 1,0 Z (1,0) = 0,3413 Bobot badan kambing < 28 kg = 0,5 + 0,3413 = 0,8413 = 84,13 % c. Z = (x- μ)/σ = (24-25)/3 = - 0,33 Z(-0,33) = 0,1179 Z = (x- μ)/σ = (27-25)/3 = 0,67 Z(0,67) = 0,2486 Bobot badan kambing antara 24-27 kg = 0,1179 + 0,2486 = 0,4039 = 40,39 %
  • 6. Hipotesa : jawaban sementara terhadap masalah penelitian yang kebenarannya harus diuji secara empiris atau perumusan sementara mengenai sesuatu hal yang dibuat untuk menjelaskan hal tersebut dan mengarahkan penelitian selanjutnya Hipotesa nol (H0) : hipotesa sementara sehingga memungkinkan untuk memutuskan apakah sesuatu yang diuji masih sebagaimana dispesifikasikan oleh Ho atau tidak. Hipotesa alternatif (H1): alternatif dari H0 yaitu keputusan apa yang harus ditentukan bila apa yang diuji tidak sebagaimana yang dispesifikasikan oleh H0
  • 7. Statistik uji : peubah acak yang digunakan dalam menentu- kan apakah H0 atau H1 yang diterima dalam pengujian hipotesa. Kriteria uji digunakan memutuskan diterima atau tidak H0 disebut nilai- nilai kritis pengujian dan dipertimbangkan terletak di daerah penolakan. Pada pengujian hipotesa ada 2 jenis kesalahan : 1.Kesalahan jenis 1 : jika hipotesa nol (H0) yang benar atau dianggap benar ditolak. Peluang untuk berbuat salah jenis 1 dilambangkan α dan umumnya disebut taraf nyata pengujian atau disebut ukuran uji
  • 8. 2.Kesalahan jenis 2 : jika hipotesa alternatif (H1) yang benar ditolak. Peluang berbuat salah untuk kesalahan jenis 2 dilambangkan dengan β. Kesalahan jenis 2 dikaitkan dengan kekuatan uji. Pengujian hipotesa dengan sebaran normal baku Pengujian nilai tengah = rataan _ Z = (x - μ)/(σ/√n) H0 : μ = μ0 H1 : μ ≠ μ0 Jika H0 benar, maka kaidah keputusannya adalah :
  • 9. _ Z hitung = (x - μ)/(σ/√n) Z hitung > Z(α) H0 ditolak H1 diterima Z hitung < Z(α) H0 diterima H1 ditolak Contoh : Pengamatan pada kandungan Protein Kasar jerami padi diketahui : μ = 6 % σ = 1,2 Apabila mahasiswa melakukan penelitian dari 25 sampel dan didapatkan kandungan PK jerami padi rataan = 6,3 % Apakah hasil penelitian mahasiswa tersebut sama atau berbeda dengan pengamatan terdahulu, ujilah dengan α = 0,05
  • 10. Jawab: _ μ = 6 % σ = 1,2 n = 25 x = 6,3 α = 0,05 H0 : μ = 6 % H1 : μ ≠ 6 % _ Z hitung = (x - μ)/(σ/√n) = (6,3 – 6) / (1,2/√25) = 1,25 Z0,05/2 = 1,96 Z hitung < Z0,05/2 1,25 < 1,96 H0 diterima H1 ditolak Kesimpulan : penelitian mahasiswa tentang kandungan PK jerami padi ternyata sama dengan data pengamatan terdahulu.
  • 11. Contoh : Mahasiswa menyatakan bahwa kosentrat yang diproduksi oleh KUD Mitra tidak dapat meningkatkan PBB pada sapi rata-rata hanya 250 g/hari/ekor dengan σ = 25. Untuk menguji apakah pernyataan mahasiswa tersebut benar atau tidak, maka dilakukan pengamatan 25 ekor sapi dan diamati PBB didapatkan rata-rata = 260 g/hari/ekor. Ujilah dengan α = 0,05 Jawab : _ μ = 250 σ = 25 n = 25 x = 260 α = 0,05 H0 : μ < 250 H1 : μ > 250
  • 12. _ Z hitung = (x - μ)/(σ/√n) = (260 – 250) / (25/√25) = 2 Z0,05 = 1,645 Z hitung > Z0,05 2 > 1,645 H0 ditolak H1 diterima Kesimpulan : pengamatan mahasiswa tersebut tidak benar karena kosentrat tersebut dapat meningkat- kan PBB sapi
  • 13. Pengujian Proporsi Untuk memudahkan pengujian hipotesa dapat dilakukan dengan pendekatan sebaran normal Z = (p0 – p) / (√pq/n) q = 1-p Merupakan peubah normal baku Hipotesa : H0 : p = p0 H1 : p ≠ p0 Jika H0 benar, maka kaidah keputusannya adalah : Z hitung = (p0 – p) / (√pq/n)
  • 14. Z hitung > Z(α) H0 ditolak H1 diterima Z hitung < Z(α) H0 diterima H1 ditolak Contoh : Rataan berat lahir pedet sapi perah yang di bawah normal terdapat10 ekor dari 100 ekor pedet yang lahir. Untuk mengetahui apakah pernyataan tersebut benar atau tidak dilakukan pengamatan pada pedet yang lahir dan ditimbang didapatkan 15 ekor yang berat lahirnya di bawah normal, ujilah dengan α = 0,05.
  • 15. Jawab : p = 10/100 = 0.1 q = 1-0,1 = 0,9 H0 : p = 0,1 H1 : p ≠ 0,1 p0 = 15/100 = 0,15 Z hitung = (p0 – p) / (√pq/n) = (0,15-0,1) / (√{(0,1x0,9)/100} = = 1,67 Z0,05/2 = 1,96 Z hitung < Z0,05/2 1,67 < 1,96 H0 diterima H1 ditolak Kesimpulan : Pernyataan tersebut benar bahwa berat lahir pedet tersebut yang di bawah normal sama dengan 10 %
  • 16. Pengujian 2 nilai rataan 1.Ragam populasi diketahui Jika 2 populasi mempunyai rataan μA dan μB maka pada dasarnya menguji hipotesa nol : H0 : μA = μB atau H0 : μA – μB = 0 H1 : μA – μB > 0 H1 : μA – μB = 0 H1 : μA – μB < 0 Peubah X XA ≈ NID (μA, σA 2 ) XB ≈ NID (μB, σB 2 ) _ _ (xA- xB) ≈ NID (μA- μB, σA 2/ n + σB 2/ n) Statistik uji, jika σA 2 dan σB 2 diketahui
  • 17. _ _ Z hitung = {│(xA- xB) – (μA- μB)│} / √ (σA 2/ n + σB 2/ n) Jika H0 : μA – μB = 0 benar maka : _ _ Z hitung = │(xA- xB)│ / √ (σA 2/ n + σB 2/ n) tersebar menurut sebaran normal Z Jika hipotesa : H0 : μA – μB = 0 H1 : μA – μB ≠ 0 H0 benar maka kaidah keputasannya adalah jika : _ _ Z hitung = │(xA- xB)│ / √ (σA 2/ n + σB 2/ n)
  • 18. Z hitung > Z(α) H0 ditolak H1 diterima Z hitung < Z(α) H0 diterima H1 ditolak Contoh : Pengamatan pada produksi susu sapi perah yang diberi pakan konsentrat A didapatkan rataan (x) = 10 l/ekor/hari dengan σ = 2,5 n = 100. Sedangkan sapi yang diberi pakan konsentrat B didapatkan rataan (x) = 9 l/ekor/hari dengan σ = 1,5 n = 100. Apakah produksi susu ke 2 kelompok tersebut sama atau berbeda, ujilah dengan α = 0,05.
  • 19. Jawab : _ xA = 10 σA = 2,5 σA 2 = 6,25 nA = 100 _ xB = 9 σB = 1,5 σA 2 = 2,25 nA = 100 _ _ Z hitung = (│(xA- xB)│) / √ (σA 2/ n + σB 2/ n) = (10-9) / √ {(6,25/100)+(2,25/100)} = 3,43 Z0,05/2 = 1,96 Z hitung > Z0,05/2 3,43 > 1,96 Z hitung > Z(α) H0 ditolak H1 diterima Kesimpulan : Produksi susu pada sapi yang diberi pakan konsentrat A berbeda dengan produksi susu sapi yang diberi pakan konsentrat B.