Pada tahun 1733, Abraham de Moivre menemukan persamaan matematika untuk kurva
normal yang menjadi dasar dalam banyak teori statistik induktif. Abraham inilah yang
pertama kali memperkenalkan distribusi normal. Distribusi normal sering disebut juga dengan
distribusi Gauss, karena dipopulerkan oleh Carl Fredreich Gauss. Inilah distribusi peluang
kontinu yang terpenting dan paling banyak digunakan. Kurva dari disribusi normal berbentuk
setangkup seperti lonceng, dengan kurvanya sering disebut kurva normal atau kurva topi
orang Meksiko (Mexican hat), karena mirip dengan sombrero yang merupakan topi orang
Meksiko.
materi statistik dasar
BAB I
Pengertian Statistik, Statistika, Statistik Deskriptif dan Statistik Inferensial, Macam-Macam Data ..........................................................
BAB II
Penyajian Data dan aplikasi pada data penelitian ..........................................................
BAB III
Daftar Distribusi Frekuensi dan aplikasi pada data penelitian ..........................................................
BAB IV
Ukuran Pemusatan, Ukuran Penyebaran ..........................................................
BAB V
Ukuran keruncingan ..........................................................
BAB VI
Distibusi Binomial, Poisson ..........................................................
BAB VII
Distribusi Normal dan aplikasinya ..........................................................
BAB VIII
Uji Normalitas dan Homogenitas ..........................................................
BAB IX
Uji Hipotesis ..........................................................
BAB X
Uji Hipotesis satu rata-rata ..........................................................
BAB XI
Uji Hipotesis dua rata-rata ..........................................................
DAFTAR PUSTAKA ..........................................................
Top 8 software specialist resume samples copyhallerharry710
Â
In this file, you can ref resume materials for software specialist such as software specialist resume samples, software specialist resume writing tips, software specialist cover letters, software specialist interview questions with answers…
materi statistik dasar
BAB I
Pengertian Statistik, Statistika, Statistik Deskriptif dan Statistik Inferensial, Macam-Macam Data ..........................................................
BAB II
Penyajian Data dan aplikasi pada data penelitian ..........................................................
BAB III
Daftar Distribusi Frekuensi dan aplikasi pada data penelitian ..........................................................
BAB IV
Ukuran Pemusatan, Ukuran Penyebaran ..........................................................
BAB V
Ukuran keruncingan ..........................................................
BAB VI
Distibusi Binomial, Poisson ..........................................................
BAB VII
Distribusi Normal dan aplikasinya ..........................................................
BAB VIII
Uji Normalitas dan Homogenitas ..........................................................
BAB IX
Uji Hipotesis ..........................................................
BAB X
Uji Hipotesis satu rata-rata ..........................................................
BAB XI
Uji Hipotesis dua rata-rata ..........................................................
DAFTAR PUSTAKA ..........................................................
Top 8 software specialist resume samples copyhallerharry710
Â
In this file, you can ref resume materials for software specialist such as software specialist resume samples, software specialist resume writing tips, software specialist cover letters, software specialist interview questions with answers…
How A Company's CFO Can Make Or Break Your Investment In ItMyCFO Services
Â
In recent years, CFOs have assumed increasingly complex, strategic roles focused on driving value creation across the business. Growing shareholder expectations and activism, more intense M&A, mounting regulatory scrutiny over corporate conduct and evolving expectations from the finance function have put CFOs in the middle of corporate decisions.
3.6.2015 järjestimme Konesali -ja tietoturvatapahtuma Best of Brainsharen asiakkaille ja kumppaneillemme.
Files Matter, edelleen. Novell Filr -ratkaisulla tehostat työntekoa, tiedonkulkua ja dokumenttien kommentointia. Jaat tärkeät asiakirjat ja dokumentit haluamillesi henkilöille ja annat heille oikeuden jakaa tiedostoja sinulle.
Filr on yritystason ratkaisu, joka yhdistää käyttäjät suoraan nykyisiin tiedostoihin ja mahdollistaa niiden jakamisen yrityksen sisäisille sekä ulkoisille käyttäjille. Se on palvelinarkkitehtuurin välttämätön laajennus, kun haluat tarjota nykyaikaisen, tietoturvallisen ja tehokkaan tiedostojen käytön kaikilla nykyaikaisilla päätelaitteilla.
La soluzione per favorire la ricerca e lo sviluppo di nuove soluzioni è di investire in nuove forme di modus operandi con strategia e consapevolezza: ad esempio, investire nei nuovi strumenti di finanziamento, come i programmi di finanziamento europei diretti ed indiretti, i fondi della banca europea d’investimento (BEI); o come la formula di partnership pubblico-private (PPP); o come altre forme, tipo il crowdfunding o il venture capital.
Distribusi hipergeometrik amat mirip penggunaannyaa dengan binomial . Perbedaannya
terletak pada cara pengambilan sampelnya. Untuk kasus binomial, diperlukan kebebasan
antara usaha . Akibatnya bila binomial diterapkan, misalnya pada sampling dari sejumlah
barang (sekotak kartu, sejumlah barang produksi), sampling harus dikerjakan dengan
pengambilan setiap barang setelah diamati. Sedangkan, distribusi hipergeometrik tidak
memerlukan kebebasan dan didasarkan pada sampling tanpa pengambilan. Penggunaan
distribusi hipergeometrik terdapat pada pengujian yang dilakukan terhadap barang yang diuji
mengakibatkan barang yang teruji tersebut menjadi rusak, jadi tidak dapat dikembalikan.
Contohnya pada pengujian elektronik, dan pengendalian mutu.
Distribusi Poisson adalah distribusi yang ditemukan oleh matematikawan asal Perancis
yang bernama Simeon Dennis Poisson (1781-1849). Merupakan suatu distribusi teoritis yang
memakai var random diskrit, yaitu banyaknya hasil percobaan yang terjadi dalam suatu
interval waktu tertentu.
Distribusi Binomial adalah suatu distribusi probabilitas yang dapat digunakan bilamana
suatu proses sampling dapat diasumsikan sesuai dengan proses Bernoulli. Distribusi ini
dikemukakan pertama kali oleh seorang ahli matematika berkebangsaan Swiss yang bernama
J. Bernoulli (1654-1705).
Probabilitas : Distribusi Frekuensi dan Ukuran Pemusatan. Ukuran Penyebaran. Teori Probabilitas. Distribusi Binomial. Distribusi Hipergeometrik. Distribusi Poisson. Distribusi Normal.
Pendampingan Individu 2 Modul 1 PGP 10 Kab. Sukabumi Jawa BaratEldi Mardiansyah
Â
Di dalamnya mencakup Presentasi tentang Pendampingan Individu 2 Pendidikan Guru Penggerak Aangkatan ke 10 Kab. Sukabumi Jawa Barat tahun 2024 yang bertemakan Visi dan Prakarsa Perubahan pada SMP Negeri 4 Ciemas. Penulis adalah seorang Calon Guru Penggerak bernama Eldi Mardiansyah, seorang guru bahasa Inggris kelahiran Bogor.
1. 85
BAB I
PENDAHULUAN
1.1. Latar Belakang
Pada tahun 1733, Abraham de Moivre menemukan persamaan matematika untuk kurva
normal yang menjadi dasar dalam banyak teori statistik induktif. Abraham inilah yang
pertama kali memperkenalkan distribusi normal. Distribusi normal sering disebut juga dengan
distribusi Gauss, karena dipopulerkan oleh Carl Fredreich Gauss. Inilah distribusi peluang
kontinu yang terpenting dan paling banyak digunakan. Kurva dari disribusi normal berbentuk
setangkup seperti lonceng, dengan kurvanya sering disebut kurva normal atau kurva topi
orang Meksiko (Mexican hat), karena mirip dengan sombrero yang merupakan topi orang
Meksiko.
Dikenalnya distribusi normal diawali oleh kemajuan yang pesat dalam pengukuran
pada abad ke 18. Pada waktu itu, para ahli matematika dihadapkan pada suatu tantangan
mengenai fenomena variabilitas pengamat atau interna, yang artinya bila seorang mengadakan
pengukuran berulang-ulang maka hasilnya akan berbeda-beda. Yang menjadi pertanyaan
adalah nilai manakah yang dianggap paling tepat dari semua hasil pengukuran tersebut. Maka
kemudian berdasarkan kesepakatan maka nilai rata-rata dianggap paling tepat dan semua
penyimpangan dari rata-rata dianggap suatu kesalahan atau error. Gauss mengamati hasil dari
percobaan yang dilakukan berulang-ulang, dan dia menemukan hasil yang paling sering
adalah nilai rata-rata. Penyimpangan baik ke kanan atau ke kiri yang jauh dari rata-rata,
terjadinya semakin sedikit. Sehingga bila disusun maka akan terbentuk distribusi yang
simetris.
1.2. Tujuan Praktikum
Dari kegiatan praktikum yang dilakukan, praktikan diharapkan :
1. Memahami karakteristik dari distribusi Normal.
2. Mampu membuat grafik normal dari setiap percobaan yang dilakukan sebelumnya
(Modul I s/d VI).
2. 86
BAB II
LANDASAN TEORI
Sebaran peluang kontinu yang paling penting dalam bidang statistika adalah sebaran
normal. Kurva yang dibentuk oleh sebaran ini disebut kurva normal. Kurva ini berbentuk
genta yang dapat digunakan dalam banyak sekali gugusan data yang terjadi di alam, industri,
dan penelitian.
-3,0 -2,5 -2,0 -1,5 -1,0 -0,5 0,0 0,5 1,0 1,5 2,0 2,5
Category (upper limits)
0
1
2
3
4
5
6
7
8
No.ofobservations
Gambar 6.1. Kurva Normal
Semakin beragam suatu gugus pengamatan, maka kurvanya menjadi lebih rendah dan
lebih melebar.
Persamaan matematik bagi sebaran peluang acak normal ini bergantung pada dan ,
yaitu nilai tengah dan simpangan bakunya. Persamaan matematika ini dihitung untuk
mengetahui besarnya nilai peluang dari sebaran yang diteliti. Persamaan ini diperoleh dengan
mentransformasikan nilai setiap pengamatan X menjadi nilai peubah acak normal Z dengan
nilai nol dan ragam 1, dengan bentuk sebagai berikut :
Z =
dimana : Z : variabel acak normal baku
: mean dari populasi
X : mean sampel
: simpangan baku populasi
Definisi Sebaran Normal Baku :
Adalah sebaran peubah acak normal dengan nilai tengah nol dan simpangan baku 1.
3. 87
Sifat-sifat kurva normal adalah sebagai berikut :
1. Modus terjadi pada X = .
2. Kurvanya setangkup terhadap suatu garis tegak yang melalui nilai tengah .
3. Kurva ini mendekati sumbu mendatar secara asimtot dalam kedua sisi.
4. 88
BAB III
METODE PENELITIAN
3.1. Waktu dan Tempat
Praktikum ini (Modul VI – Distribusi Normal) dilakukan pukul 13.00 – 15.00 WIT pada
hari Sabtu, 25 April 2015. Praktikum dilakukan di Lab Komputasi (Computation And
Operaton Research Laboratory), Fakultas Teknik, Universitas Pattimura Ambon.
3.2. Alat dan Bahan yang Digunakan
Adapun peralatan yang digunakan dalam praktikan kali ini adalah :
1. Data hasil pengamatan Modul III
2. Software Minitab 14, MS. Excel 2007, dan SPSS 16
3. Alat-alat tulis yang digunakan
4. Lembar kerja pengamatan.
3.3. Metode Pengolahan dan Analisa Data
Dalam praktikum ini, peraktikum yang lakukan adalah menghitung pengambilan
kelereng, dimana data-data yang dipakai adalah data-data primer yang diambil dari modul 3
yang kemudian diolah dengan pengolahan statistik menggunakan software Microsoft Excel
2007, Minitab 14 dan SPSS 16 untuk menghasilkan data kuantitatif yang berupa angka-angka.
Setelah data-data yang diperlukan lengkap, maka data tersebut harus lebih diperjelas
lagi dengan kata-kata (data kualitatif). Data kuantitatif yang dikualitatifkan tersebut
dimaksudkan agar lebih mempermudah dalam pembacaan data-data yang ditampilkan, setelah
data-data tersebut diolah dan dianalisa.
5. 89
BAB IV
MATERI
4.1. Laporan Detail Kegiatan
Praktikum ini dilakukan pukul 13.00 – 15.00 WIT pada hari Sabtu, 25 April 2015.
Praktikum dilakukan di Lab Komputasi (Computation And Operaton Research Laboratory),
Fakultas Teknik, Universitas Pattimura Ambon. Praktikum ini dilakukan setelah modul V
(modul V dan modul VI dilakukan pada hari itu). Sebelum memulai praktikum, praktikan
harus mengumpulkan laporan sementara dan menjawab beberapa pertanyaan yang adalah kuis
awal yang wajib diikuti oleh setiap praktikan yang akan melakukan praktikum. Kemudian
asisten lab mempersilahkan masing-masing kelompok untuk memulai melakukan praktikum.
Dimana praktikum yang dilakukan adalah pengambilan 2-10 kelereng sekaligus dengan
pengembalian. Dimana data percobaan yang digunakan adalah data dari modul III, yang
kemudian diolah dan dianalisa lebih lanjut dengan pola Distribusi Normal.
4.2. Hasil Percobaan
Berikut adalah data hasil pengambilan kelereng yang dilakukan saat melakukan
praktikum modul III, seperti yang ditampilkan dalam tabel di bawah ini :
Tabel 3.1. Data Pengambilan Kelereng
PENGAMBILAN KE 2 3 4 5 6 7 8 9 10
1 2 2 4 3 4 5 6 0 9
2 1 1 2 4 6 5 4 4 8
3 2 1 3 3 5 7 7 5 5
4 2 3 3 3 0 3 5 7 8
5 1 2 4 3 3 0 5 0 0
6 1 2 4 3 5 5 5 7 8
7 2 1 4 1 3 2 4 1 7
8 1 2 3 0 5 4 4 8 4
9 2 3 3 3 3 7 3 4 8
10 2 3 4 3 3 6 5 0 6
11 2 3 3 2 4 3 7 0 5
12 1 3 4 2 5 7 8 9 4
13 0 2 3 4 4 6 7 4 7
14 1 3 1 3 6 7 6 5 5
15 1 2 3 2 5 4 5 6 6
16 2 1 3 3 5 5 5 0 9
17 1 3 3 3 4 0 4 6 8
18 2 2 0 2 4 6 3 5 6
19 2 3 2 1 0 4 8 5 5
20 1 2 4 5 4 1 8 0 7
JUMLAH CACAT 1 0 1 1 2 2 0 6 1
6. 90
Setelah dilakukan praktikum, kemudian data yang telah ada diolah dengan
menggunakan software Microsoft Excel 2007, MiniTab 14 dan SPSS 16, yang kemudian hasil
pengolahan tersebut dapat dianalisa lebih lanjut.
4.3. Analisa Data
Untuk menganalisa data hasil pengambilan kelereng, dapat dilakukan sambil dibantu
dengan menjawab beberapa pertanyaan seperti yang terdapat di bawah ini :
1. Tampilkan hasil nilai tengah (median), nilai variansi, nilai koefisien momen
kemencengan (skewness), nilai koefisien momen kurtosis, nilai peluang (probability)
munculnya yang cacat, dan gambar histogram dari masing-masing pengambilan
kelereng dengan menggunakan salah satu software Microsoft Excel 2007, Minitab 14
atau SPSS 16!
2. Apa yang terjadi dengan kurva normal jika data diperbesar?
3. Mengapa ada kurva normal yang menceng ke kiri dan ke kanan?
4. Mengapa perlu adanya normal baku atau normal standar?
5. Berapa jumlah mean dan standar deviasi pada distribusi normal baku?
6. Bolehkah nilai Z negatif? Kalau boleh, mengapa!
PembahasanSoal dan Analisa Data
1. Berikut adalah hasil pengolahan data statistik dengan menggunakan software
Microsoft Excel 2007, Minitab 14 dan SPSS 16 :
Tabel 3.2. Data Statistik Pengambilan Kelereng
Menggunakan Microsoft Excel 2007
2
SEKALIGUS
3
SEKALIGUS
4
SEKALIGUS
5
SEKALIGUS
6
SEKALIGUS
7
SEKALIGUS
8
SEALIGUS
9
SEKALIGUS
10
SEKALIGUS
MEDIAN 1.5 2 3 3 4 5 5 4.5 6.5
VARIANSI 0.365789 0.589474 1.157895 1.292105 2.621053 5.081579 2.576316 9.221053 4.618421
SKEWNESS -0.58286 -0.37213 -1.40806 -0.41269 -1.30978 -0.66997 0.270038 -0.08922 -1.2086
KURTOSIS -0.4593 -1.13095 2.172176 0.880497 1.855084 -0.46342 -0.98879 -1.31349 2.384742
PELUANG 0.05 0 0.05 0.05 0.1 0.1 0 0.3 0.05
STDV 0.604805 0.767772 1.076055 1.136708 1.618967 2.254236 1.605091 3.036619 2.149051
MEAN 1.45 2.2 3 2.65 3.9 4.35 5.45 3.8 6.25
NORMAL 1 1 1 1 1 1 1 1 1
MODUS 2 2 3 3 4 5 5 0 8
7. 91
0.00%
50.00%
100.00%
150.00%
0
2
4
6
8
10
1
More
0
0.5
1.5
Frequency
Bin
Histogram 2
Frequency
Cumulative %
Tabel 3.3. Data Statistik Pengambilan Kelereng
Menggunakan MiniTab 14
Total
Variable Count Percent Mean StDev Median Range Skewness Kurtosis
p2 20 100 1.450 0.605 1.500 2.000 -0.58 -0.46
p3 20 100 2.200 0.768 2.000 2.000 -0.37 -1.13
p4 20 100 3.000 1.076 3.000 4.000 -1.41 2.17
p5 20 100 2.650 1.137 3.000 5.000 -0.41 0.88
p6 20 100 3.900 1.619 4.000 6.000 -1.31 1.86
p7 20 100 4.350 2.254 5.000 7.000 -0.67 -0.46
p8 20 100 5.450 1.605 5.000 5.000 0.27 -0.99
p9 20 100 3.800 3.037 4.500 9.000 -0.09 -1.31
p10 20 100 6.250 2.149 6.500 9.000 -1.21 2.38
Tabel 3.4. Data Statistik Pengambilan Kelereng
Menggunakan SPSS 16
Untuk gambaran histogram dari masing-masing pengambilan, dapat dilihat seperti yang di
bawah ini :
a. Menggunakan Microsoft Excel 2007
Gambar 6.2. di samping ini menunjukkan bentuk
histogram untuk pengambilan 2 sekaligus
kelereng dengan menggunakan Microsotf Excel
2007, memiliki nilai modus 2 dan nilai mean
1.45
Statistics
DATA P2 DATA P3 DATA P4 DATA P5 DATA P6 DATA P7 DATA P8 DATA P9 DATA P10
Mean 1.45 2.20 3.00 2.65 3.90 4.35 5.45 3.80 6.25
Median 1.50 2.00 3.00 3.00 4.00 5.00 5.00 4.50 6.50
Mode 2 2
a
3 3 4
a
5
a
5 0 8
Std. Deviation .605 .768 1.076 1.137 1.619 2.254 1.605 3.037 2.149
Variance .366 .589 1.158 1.292 2.621 5.082 2.576 9.221 4.618
Skewness -.583 -.372 -1.408 -.413 -1.310 -.670 .270 -.089 -1.209
Kurtosis -.459 -1.131 2.172 .880 1.855 -.463 -.989 -1.313 2.385
a. Multiple modes exist. The smallest value is shown
Gambar 6.2.
Histogram Pengambilan 2 Sekaligus - Excel
8. 92
0.00%
50.00%
100.00%
150.00%
0
5
10
3.75
2.5
More
1.25
0
Frequency
Bin
Histogram 5
Frequency
Cumulative %
0.00%
50.00%
100.00%
150.00%
0
2
4
6
8
10
More
2
1
1.5
2.5
Frequency
Bin
Histogram 3
Frequency
Cumulative %
0.00%
50.00%
100.00%
150.00%
0
2
4
6
8
10
3
More
2
0
1
Frequency
Bin
Histogram 4
Frequency
Cumulative %
0.00%
50.00%
100.00%
150.00%
0
5
10
More
4.5
3
0
1.5
Frequency
Bin
Histogram 6
Frequency
Cumulative %
Gambar 6.3. di samping ini menunjukkan bentuk
histogram untuk pengambilan 3 sekaligus
kelereng dengan menggunakan Microsotf Excel
2007, memiliki nilai modus 2 dan nilai mean
2.20
Gambar 6.4. di samping ini menunjukkan bentuk
histogram untuk pengambilan 4 sekaligus
kelereng dengan menggunakan Microsotf Excel
2007, memiliki nilai modus 3 dan nilai mean
3.00
Gambar 6.5. di samping ini menunjukkan
bentuk histogram untuk pengambilan 5
sekaligus kelereng dengan menggunakan
Microsotf Excel 2007, memiliki nilai modus 3
dan nilai mean 2.65
Gambar 6.6. di samping ini menunjukkan
bentuk histogram untuk pengambilan 6
sekaligus kelereng dengan menggunakan
Microsotf Excel 2007, memiliki nilai modus 4
dan nilai mean 3.90
Gambar 6.3.
Histogram Pengambilan 3 Sekaligus - Excel
Gambar 6.4.
Histogram Pengambilan 4 Sekaligus - Excel
Gambar 6.5.
Histogram Pengambilan 5 Sekaligus - Excel
Gambar 6.6.
Histogram Pengambilan 6 Sekaligus - Excel
9. 93
0.00%
50.00%
100.00%
150.00%
0
2
4
6
8
More
5.25
3.5
0
1.75
Frequency
Bin
Histogram 7
Frequency
Cumulative %
0.00%
50.00%
100.00%
150.00%
0
2
4
6
8
Frequency
Bin
Histogram 8
Frequency
Cumulative %
0.00%
50.00%
100.00%
150.00%
0
2
4
6
8
6.75
0
More
4.5
2.25
Frequency
Bin
Histogram 9
Frequency
Cumulative %
0.00%
50.00%
100.00%
150.00%
0
5
10
More
6.75
4.5
0
2.25
Frequency
Bin
Histogram 10
Frequency
Cumulative %
Gambar 6.7. di samping ini menunjukkan
bentuk histogram untuk pengambilan 7
sekaligus kelereng dengan menggunakan
Microsotf Excel 2007, memiliki nilai modus 5
dan nilai mean 4.35
Gambar 6.8. di samping ini menunjukkan
bentuk histogram untuk pengambilan 8
sekaligus kelereng dengan menggunakan
Microsotf Excel 2007, memiliki nilai modus 5
dan nilai mean 5.45
Gambar 6.9. di samping ini menunjukkan
bentuk histogram untuk pengambilan 9
sekaligus kelereng dengan menggunakan
Microsotf Excel 2007, memiliki nilai modus 0
dan nilai mean 3.80
Gambar 6.10. di samping ini menunjukkan
bentuk histogram untuk pengambilan 10
sekaligus kelereng dengan menggunakan
Microsotf Excel 2007, memiliki nilai modus 8
dan nilai mean 6.25
Gambar 6.7.
Histogram Pengambilan 7 Sekaligus - Excel
Gambar 6.8.
Histogram Pengambilan 8 Sekaligus - Excel
Gambar 6.9.
Histogram Pengambilan 9 Sekaligus - Excel
Gambar 6.10.
Histogram Pengambilan 10 Sekaligus - Excel
10. 94
b. Menggunakan MiniTab 14
Gambar 6.11. di samping ini menunjukkan
bentuk histogram untuk pengambilan 2
sekaligus kelereng dengan menggunakan
MiniTab 14, memiliki nilai modus 2 dan nilai
mean 1.45. Bila dilihat dari kurtosisnya,
memiliki bentuk kurva mesokurtik (runcing),
dan apabila dilihat dari skewnessnya, data
simetris dan terdistribusi normal.
Gambar 6.12. di samping ini menunjukkan
bentuk histogram untuk pengambilan 3
sekaligus kelereng dengan menggunakan
MiniTab 14, memiliki nilai modus 2 dan nilai
mean 2.20. Bila dilihat dari kurtosisnya,
memiliki bentuk kurva mesokurtik (runcing),
dan apabila dilihat dari skewnessnya, data
simetris dan terdistribusi normal.
Gambar 6.13. di samping ini menunjukkan
bentuk histogram untuk pengambilan 4 sekaligus
kelereng dengan menggunakan MiniTab 14,
memiliki nilai modus 3 dan nilai mean 3.00. Bila
dilihat dari kurtosisnya, memiliki bentuk kurva
platikurtik (lebih datar), dan apabila dilihat dari
skewnessnya, data condong ke kanan (positif)
dan terdistribusi normal.
Gambar 6.11.
Histogram Pengambilan 2 Sekaligus - MiniTab
Gambar 6.12.
Histogram Pengambilan 3 Sekaligus - MiniTab
Gambar 6.13.
Histogram Pengambilan 4 Sekaligus - MiniTab
p4
Frequency
543210
9
8
7
6
5
4
3
2
1
0
Mean 3
StDev 1.076
N 20
Histogram(with Normal Curve) of p4
p2
Frequency
210
14
12
10
8
6
4
2
0
Mean 1.45
StDev 0.6048
N 20
Histogram(with Normal Curve) of p2
p3
Frequency
4321
10
8
6
4
2
0
Mean 2.2
StDev 0.7678
N 20
Histogram(with Normal Curve) of p3
11. 95
Gambar 6.14. di samping ini menunjukkan
bentuk histogram untuk pengambilan 5 sekaligus
kelereng dengan menggunakan MiniTab 14,
memiliki nilai modus 3 dan nilai mean 2.65. Bila
dilihat dari kurtosisnya, memiliki bentuk kurva
mesokurtik (runcing), dan apabila dilihat dari
skewnessnya, data simetris dan terdistribusi
normal.
Gambar 6.15. di samping ini menunjukkan bentuk
histogram untuk pengambilan 6 sekaligus
kelereng dengan menggunakan MiniTab 14,
memiliki nilai modus 4 dan nilai mean 3.90. Bila
dilihat dari kurtosisnya, memiliki bentuk kurva
mesokurtik (runcing), dan apabila dilihat dari
skewnessnya, data condong ke kanan (positif) dan
terdistribusi normal.
Gambar 6.16. di samping ini menunjukkan bentuk
histogram untuk pengambilan 7 sekaligus
kelereng dengan menggunakan MiniTab 14,
memiliki nilai modus 5 dan nilai mean 4.35. Bila
dilihat dari kurtosisnya, memiliki bentuk kurva
mesokurtik (runcing), dan apabila dilihat dari
skewnessnya, data simetris dan terdistribusi
normal.
Gambar 6.14.
Histogram Pengambilan 5 Sekaligus - MiniTab
Gambar 6.15.
Histogram Pengambilan 6 Sekaligus - MiniTab
Gambar 6.16.
Histogram Pengambilan 7 Sekaligus - MiniTab
p5
Frequency
543210
10
8
6
4
2
0
Mean 2.65
StDev 1.137
N 20
Histogram(with Normal Curve) of p5
p6
Frequency
76543210
6
5
4
3
2
1
0
Mean 3.9
StDev 1.619
N 20
Histogram(with Normal Curve) of p6
p7
Frequency
86420
4
3
2
1
0
Mean 4.35
StDev 2.254
N 20
Histogram(with Normal Curve) of p7
12. 96
Gambar 6.17. di samping ini menunjukkan bentuk
histogram untuk pengambilan 8 sekaligus
kelereng dengan menggunakan MiniTab 14,
memiliki nilai modus 5 dan nilai mean 5.45. Bila
dilihat dari kurtosisnya, memiliki bentuk kurva
mesokurtik (runcing), dan apabila dilihat dari
skewnessnya, data simetris dan terdistribusi
normal.
Gambar 6.18. di samping ini menunjukkan bentuk
histogram untuk pengambilan 9 sekaligus kelereng
dengan menggunakan MiniTab 14, memiliki nilai
modus 0 dan nilai mean 3.80. Bila dilihat dari
kurtosisnya, memiliki bentuk kurva mesokurtik
(runcing), dan apabila dilihat dari skewnessnya,
data simetris dan terdistribusi normal.
Gambar 6.19. di samping ini menunjukkan bentuk
histogram untuk pengambilan 10 sekaligus
kelereng dengan menggunakan MiniTab 14,
memiliki nilai modus 8 dan nilai mean 6.25. Bila
dilihat dari kurtosisnya, memiliki bentuk kurva
platikurtik (lebih datar), dan apabila dilihat dari
skewnessnya, data lebih condong ke kanan
(positif) dan terdistribusi normal.
Gambar 6.17.
Histogram Pengambilan 8 Sekaligus - MiniTab
Gambar 6.18.
Histogram Pengambilan 9 Sekaligus - MiniTab
Gambar 6.19.
Histogram Pengambilan 10 Sekaligus - MiniTab
p8
Frequency
98765432
6
5
4
3
2
1
0
Mean 5.45
StDev 1.605
N 20
Histogram(with Normal Curve) of p8
p9
Frequency
1086420-2
6
5
4
3
2
1
0
Mean 3.8
StDev 3.037
N 20
Histogram(with Normal Curve) of p9
p10
Frequency
1086420
5
4
3
2
1
0
Mean 6.25
StDev 2.149
N 20
Histogram(with Normal Curve) of p10
13. 97
c. Menggunakan SPSS 16
Gambar 6.20. Histogram Pengambilan 2 dan 3 Sekaligus – SPSS
Histogram untuk pengambilan 2 dan 3 kelereng sekaligus dapat dilihat pada gambar 6.20. di
atas. Dari gambar tersebut, terlihat bahwa bentuk kurva untuk pengambilan 2 kelereng jika dilihat
pada kurtosisnya adalah runcing (mesokurtik), dimana data terdistribusi normal dan simetris jika
dilihat pada skewnessnya. Nilai modus adalah 2, dan ini sesuai dengan tabel pengamatan. Sedangkan
untuk pengambilan 3 sekaligus kelereng, terlihat bahwa nilai modus adalah 2. Jika data dilihat
menurut kurtosisnya, maka kurva berbentuk runcing (mesokurtik), dan skewnessnya menunjukkan
bahwa data simetris dan terdistribusi normal.
Gambar 6.21. Histogram Pengambilan 4 dan 5 Sekaligus – SPSS
14. 98
Gambar 6.21. di atas menunjukkan bentuk histogram untuk pengambilan 4 dan 5 kelereng
sekaligus. Untuk pengambilan 4 kelereng, nilai modus adalah 3 dan bila dilihat dari kurtosisnya, maka
terlihat kurva berbentuk lebih datar (platikurtik). Dari kurtosisnya, terlihat bahwa data terdistribusi
normal dan simetris. Sedangkan untuk pengambilan 5 kelereng, bentuk kurva bila dilihat dari
kurtosisnya adalah mesokurtik (runcing), dengan data simetris juga terdistribusi normal bila dilihat
dari skewnessnya. Nilai modus untuk pengambikan 5 sekaligus adalah 3.
Gambar 6.22. Histogram Pengambilan 6 dan 7 Sekaligus – SPSS
Untuk melihat bentuk histogram pengambilan sekaligus 6 dan 7 kelereng, dapat dilihat
pada gambar 6.22. di atas. Dengan nilai modus adalah 4, bentuk kurva dari pengambilan 6
kelereng adalah mesokurtik (runcing) jika dilihat dari kurtosisnya. Data simetris dan
terdistribusi normal bila dilihat dari skewnessnya. Sedangkan pada pengambilan 7 kelereng,
bentuk kurva jika dilihat dari kurtosisnya adalah mesokurtik (runcing), dan jika dilihat dari
skewnessnya data simetris dan terdistribusi normal. Nilai modus untuk pengambilan 7
kelereng adalah 5.
Gambar 6.23. Histogram Pengambilan 8 dan 9 Sekaligus – SPSS
15. 99
Gambar 6.23. di atas menampilkan bentuk dari histogram untuk pengambilan sekaligus
8 dan 9 kelereng. Nilai modus untuk pengambilan 8 kelereng adalah 5, dan nilai modus untuk
pengambilan 9 kelereng adalah 0. Pada pengambilan 8 kelereng, bentuk dari kurva yang
dihasilkan bila dilihat pada kurtosisnya adalah mesokurtik (runcing), dan data yang dihasilkan
bila dilihat pada skewnessnya adalah simetris dan terdistribusi normal. Sedangkan untuk
pengambilan 9 kelereng sendiri, jika dilihat dari kurtosisnya, maka bentuk kurva yang
dihasilkan adalah mesokurtik (runcing). Data yang dihasilkan simetris dan terdistribusi normal
bila dilihat dari skewnessnya.
Gambar 6.24. Histogram Pengambilan 10 Sekaligus – SPSS
Gambar 6.24. di atas menampilkan bentuk dari histogram untuk pengambilan sekaligus
10 kelereng. Nilai modus dari data adalah 8. Bentuk kurva bila dilihat dari kurtosisnya adalah
platikurtik (lebih datar). Dan bila dilihat dari skewnessnya, data condong ke kanan (positif)
dan terdistribusi normal
2. Yang akan terjadi dengan kurva normal jika data diperbesar adalah kurvanya
menjadi lebih rendah dan lebih melebar. Dan pengaruhnya terhadap kurva normal yaitu kurva
normal akan menceng ke kanan atau positif skewness. Hal ini dilihat dari hasil pengolahan
data bahwa ekor kurvanya lebih panjang ke kanan atau dengan kata lain kurva mempunyai
kemiringan positif. Sedangkan pengaruhnya terhadap kurtosis dari kurva normal adalah,
bentuk kurva menjadi lebih datar.
3. Kurva ada yang menceng ke kiri dikarenakan adanya pengaruh dari data yang
diperkecil atau diperbesar. Data yang diperkecil menyebabkan skewness dari kurva akan
16. 100
menceng ke kiri, yang bernilai lebih negatif. Sedangkan data yang diperbesar menyebabkan
skewness dari kurva akan menceng kea rah kanan, yang bernilai lebih positif.
4. Alasan perlu adanya normal baku atau normal standar adalah sebagai berikut :
a. Tabel distribusi standar disusun untuk menghitung probabilitas nilai-nilai variabel
normal standar,yaitu distribusi normal dengan mean nol ( dan standar
deviasi satu ( . Variabel distribusi normal standar menggunakan lambang Z.
b. Nilai-nilai probabilitas yang terdapat dalam table tersebut adalah nilai probabilitas
antara dan satu nilai Z tertentu,bukan antara dua buah nilai Z sembarang.
c. Nilai Z begitu penting karena semua distribusi normal ukuran nilai (variabel acak
X) dapat ditranformasikan ke dalam satu distribusi nilai,yaitu distribusi nilai Z
yang disebut dengan distribusi normal standar.
Nilai Z pada kurtosis akan mempengaruhi keruncingan bentuk kurva pada histogram,
apakah kurva data lebih runcing (leptokurtik), runcing normal (mesokurtik), atau lebih datar
(platikurtik). Sedangkan nilai Z pada skewness akan mempengaruhi kemencengan bentuk
kurva pada histogram, apakah kurva data condong ke arah kiri (negatif), simetris, atau
condong ke arah kanan (positif).
5. Jumlah atau nilai mean pada distribusi normal baku adalah 0 (nol). Sedangkan
nilai standar deviasinya adalah 1 (satu).
6. Nilai Z boleh negatif. Mengapa? Hal ini dikarena pada grafik yang letak kurvanya
condong ke arah kiri, maka nilai Z akan bernilai negatif. Begitu pula sebaliknya jika nilai Z
kurva pada grafik letaknya condong ke arah kanan, maka nilai Z akan bernilai positif. Jika
nilai positif maka X (dari sampel) lebih kecil dari (dari populasi), sedangkan jika Z negatif
maka lebih besar dari X.
Selain analisa di atas, terdapat beberapa analisa tambahan. Dimana nilai parameter
mean (parameter lokasi) yang semakin besar akan menggeser kurva ke kanan, dan nilai
parameter standar deviasi (parameter bentuk) yang semakin membesar akan menyebabkan
kurva normal semakin landai (memperbesar jarak dari pemusatan ke posisi titik-titik belok
kurva). Semakin banyak pengambilan kelereng yang dilakukan sekaligus, maka nilai mean,
standar deviasi dan variansinya akan semakin besar.
17. 101
Dan apabila diminta untuk memilih manakah software yang memberikan output yang
lebih baik dari ketiga software yang digunakan untuk mengolah data, dapat praktikan
simpulkan bahwa data yang disajikan oleh Microsoft Excel lebih terperinci. Namun software
ini memiliki kelemahan dimana gambar histogram yang dihasilkan, datanya tidak dapat
dibaca dengan mudah. Sedangkan tampilan histogram yang dihasilkan MiniTab sangat
memudahkan proses pembacaan hasil pengolahan data, walaupun memiliki kekurangan sebab
pada MiniTab 14, tidak terdapat fitur untuk menampilkan nilai modus.
18. 102
BAB V
KESIMPULAN
Setelah melakukan praktium, dapat praktikan simpulkan bahwa :
1. Sebaran peluang (distribusi) kontinu paling penting dalam bidang statistika
adalah distribusi normal. Kurva yang dibentuk oleh sebaran ini disebut kurva
normal. Kurva dari disribusi normal berbentuk setangkup seperti lonceng,
dengan kurvanya sering disebut kurva normal atau kurva topi orang Meksiko
(Mexican hat), karena mirip dengan sombrero yang merupakan topi orang
Meksiko. Dimana sifat-sifat dari kurva normal adalah sebagai berikut :
a. Modus, adalah suatu titik yang terletak pada sumbu x di mana kurva
mempunyai nilai maksimum, yaitu pada x = μ.
b. Kurva berbentuk simetri terhadap sumbu tegak pada x = μ.
c. Kurva mempunyai titik belok pada x = μ ± σ, cekung dari bawah bila
μ–σ<x<μ+σ dan cekung dari atas untuk nilai x lainnya.
d. Kedua ujung kurva normal mendekati sumbu datar secara asimptotik bila x
bergerak menjauhi μ baik dari kiri maupun dari kanan.
e. Luas daerah di bawah kurva adalah 1.
2. Nilai Z pada kurtosis akan mempengaruhi keruncingan bentuk kurva pada
histogram, apakah kurva data lebih runcing (leptokurtik), runcing normal
(mesokurtik), atau lebih datar (platikurtik). Sedangkan nilai Z pada skewness
akan mempengaruhi kemencengan bentuk kurva pada histogram, apakah kurva
data condong ke arah kiri (negatif), simetris, atau condong ke arah kanan
(positif).
19. 103
DAFTAR PUSTAKA
Tupan, Johan.M. Modul Praktikum Teori Peluang, MiniTab 14, SPSS 16 & MS.Excel
2007.2015.Ambon: Fakultas Teknik, Universitas Pattimura
Makalah Distribusi Probabilitas Normal Sampling.2011.Medan: Magister Biomedik,
Fakultas Kedokteran, Universitas Sumatera Utara
Munir, Rinaldi. Bahan Kuliah II2092 Probabilitas dan Statistik.Bandung: Sekolah Teknik
Elektro dan Informatika (STEI), Institut Teknologi Bandung
Dasari, Dadan. Statistik Dasar 4 PDF
http://jam-statistic.blogspot.com/2014/03/uji-normalitas-data-skewness-kurtosis.html