SlideShare a Scribd company logo
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

Pengujian hipotesis
Pengujian hipotesisPengujian hipotesis
Pengujian hipotesis
Fauzia Hidayati
 
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 num 4-0
Met num 4-0Met num 4-0
Met num 4-0Amri Sandy
 
Ekspektasi matematik
Ekspektasi matematikEkspektasi matematik
Ekspektasi matematik
blacknait
 
Met num 2
Met num 2Met num 2
Met num 2Amri Sandy
 
Distribusi Peluang Binomial
Distribusi Peluang BinomialDistribusi Peluang Binomial
Distribusi Peluang Binomial
Muhammad Arif
 
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
evansugianto
 
Kuliah statistika lanjut
Kuliah statistika lanjutKuliah statistika lanjut
Kuliah statistika lanjut
Raden Maulana
 
Met num02 persamaan non linier
Met num02 persamaan non linierMet num02 persamaan non linier
Met num02 persamaan non linierAlvin Setiawan
 
Distribusi binomial
Distribusi binomialDistribusi binomial
Distribusi binomial
AYU Hardiyanti
 
statistika ekonomi 2 DISTRIBUSI TEORITIS
statistika ekonomi 2 DISTRIBUSI TEORITISstatistika ekonomi 2 DISTRIBUSI TEORITIS
statistika ekonomi 2 DISTRIBUSI TEORITIS
yuniar putri
 
Ek107 122215-867-7
Ek107 122215-867-7Ek107 122215-867-7
Ek107 122215-867-7
Judianto Nugroho
 
Distribusi teoretis
Distribusi teoretisDistribusi teoretis
Distribusi teoretisEman Mendrofa
 
Distribusi variabel acak kontinyu
Distribusi variabel acak kontinyuDistribusi variabel acak kontinyu
Distribusi variabel acak kontinyu
Qorry Annisya
 
Statistika: Binomial
Statistika: BinomialStatistika: Binomial
Statistika: BinomialAndrew Hutabarat
 
Distribusi binomial dan poisson baru
Distribusi binomial dan poisson baruDistribusi binomial dan poisson baru
Distribusi binomial dan poisson baruratuilma
 
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 Peluangbagus222
 

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

makalahstatistik-140811215134-phpapp02 (1).pdf
makalahstatistik-140811215134-phpapp02 (1).pdfmakalahstatistik-140811215134-phpapp02 (1).pdf
makalahstatistik-140811215134-phpapp02 (1).pdf
CandraPrasetyoWibowo1
 
5. distribusi normal
5. distribusi normal5. distribusi normal
5. distribusi normalNanda Reda
 
12 Distribusi Normal.pdf
12 Distribusi Normal.pdf12 Distribusi Normal.pdf
12 Distribusi Normal.pdf
ssuser066def
 
Pp 15(integral tak tentu)
Pp 15(integral tak tentu)Pp 15(integral tak tentu)
Pp 15(integral tak tentu)-Eq Wahyou-
 
Distribusi probabilitas
Distribusi  probabilitasDistribusi  probabilitas
Distribusi probabilitas
indrayani2002
 
Distribusi probabilitas
Distribusi  probabilitasDistribusi  probabilitas
Distribusi probabilitas
indrayani2002
 
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
Rani Nooraeni
 
Fp unsam 2009 distribusi probabilitas
Fp unsam 2009  distribusi probabilitasFp unsam 2009  distribusi probabilitas
Fp unsam 2009 distribusi probabilitasIr. Zakaria, M.M
 
Penerapan distribusi normal
Penerapan distribusi normalPenerapan distribusi normal
Penerapan distribusi normalhidayatulfitri
 
Materi 3
Materi 3Materi 3
Materi 3
Muhammad Luthfan
 
Statistika_Dasar_4.pdf
Statistika_Dasar_4.pdfStatistika_Dasar_4.pdf
Statistika_Dasar_4.pdf
ssuser04f845
 
Distribusi sampling
Distribusi samplingDistribusi sampling
Distribusi sampling
Stephanie Isvirastri
 
materi matkul MetNum3-PersNonLInier (1).ppt
materi matkul MetNum3-PersNonLInier (1).pptmateri matkul MetNum3-PersNonLInier (1).ppt
materi matkul MetNum3-PersNonLInier (1).ppt
asmaun4
 
Hipotesis statistik or statistical hypotesis
Hipotesis statistik or statistical hypotesisHipotesis statistik or statistical hypotesis
Hipotesis statistik or statistical hypotesis
Emi Suhaemi
 
variabel random dan distribusi peluang
variabel random dan distribusi peluangvariabel random dan distribusi peluang
variabel random dan distribusi peluangCeria Agnantria
 
Materi p3 distribusi normal
Materi p3 distribusi normalMateri p3 distribusi normal
Materi p3 distribusi normal
M. Jainuri, S.Pd., M.Pd
 
DISTRIBUSI NORMAL.pdf
DISTRIBUSI NORMAL.pdfDISTRIBUSI NORMAL.pdf
DISTRIBUSI NORMAL.pdf
GizcaYolandaSitumean
 
DISTRIBUSI NORMAL.pdf
DISTRIBUSI NORMAL.pdfDISTRIBUSI NORMAL.pdf
DISTRIBUSI NORMAL.pdf
GizcaYolandaSitumean
 
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

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

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

Juknis Pengisian Blanko Ijazah 2024 29 04 2024 Top.pptx
Juknis Pengisian Blanko Ijazah 2024 29 04 2024 Top.pptxJuknis Pengisian Blanko Ijazah 2024 29 04 2024 Top.pptx
Juknis Pengisian Blanko Ijazah 2024 29 04 2024 Top.pptx
mattaja008
 
SOSIALISASI PPDB TAHUN AJARAN 2024-2025.pptx
SOSIALISASI PPDB TAHUN AJARAN 2024-2025.pptxSOSIALISASI PPDB TAHUN AJARAN 2024-2025.pptx
SOSIALISASI PPDB TAHUN AJARAN 2024-2025.pptx
astridamalia20
 
PI 2 - Ratna Haryanti, S. Pd..pptx Visi misi dan prakarsa perubahan pendidika...
PI 2 - Ratna Haryanti, S. Pd..pptx Visi misi dan prakarsa perubahan pendidika...PI 2 - Ratna Haryanti, S. Pd..pptx Visi misi dan prakarsa perubahan pendidika...
PI 2 - Ratna Haryanti, S. Pd..pptx Visi misi dan prakarsa perubahan pendidika...
agusmulyadi08
 
RANCANGAN TINDAKAN AKSI NYATA MODUL 1.4.pptx
RANCANGAN TINDAKAN AKSI NYATA MODUL 1.4.pptxRANCANGAN TINDAKAN AKSI NYATA MODUL 1.4.pptx
RANCANGAN TINDAKAN AKSI NYATA MODUL 1.4.pptx
SurosoSuroso19
 
Modul Projek - Modul P5 Kearifan Lokal _Menampilkan Tarian Daerah Nusantara_...
Modul Projek  - Modul P5 Kearifan Lokal _Menampilkan Tarian Daerah Nusantara_...Modul Projek  - Modul P5 Kearifan Lokal _Menampilkan Tarian Daerah Nusantara_...
Modul Projek - Modul P5 Kearifan Lokal _Menampilkan Tarian Daerah Nusantara_...
MirnasariMutmainna1
 
Bab 3 Sejarah Kerajaan Hindu-Buddha.pptx
Bab 3 Sejarah Kerajaan Hindu-Buddha.pptxBab 3 Sejarah Kerajaan Hindu-Buddha.pptx
Bab 3 Sejarah Kerajaan Hindu-Buddha.pptx
nawasenamerta
 
untuk observasi kepala sekolah dengan pengawas
untuk observasi kepala sekolah dengan pengawasuntuk observasi kepala sekolah dengan pengawas
untuk observasi kepala sekolah dengan pengawas
TEDYHARTO1
 
tugas modul 1.4 Koneksi Antar Materi (1).pptx
tugas  modul 1.4 Koneksi Antar Materi (1).pptxtugas  modul 1.4 Koneksi Antar Materi (1).pptx
tugas modul 1.4 Koneksi Antar Materi (1).pptx
d2spdpnd9185
 
LK 1 - 5T Keputusan Berdampak PERMATA BUNDA.pdf
LK 1 - 5T Keputusan Berdampak PERMATA BUNDA.pdfLK 1 - 5T Keputusan Berdampak PERMATA BUNDA.pdf
LK 1 - 5T Keputusan Berdampak PERMATA BUNDA.pdf
UditGheozi2
 
INDIKATOR KINERJA DAN FOKUS PERILAKU KS.pdf
INDIKATOR KINERJA DAN FOKUS PERILAKU KS.pdfINDIKATOR KINERJA DAN FOKUS PERILAKU KS.pdf
INDIKATOR KINERJA DAN FOKUS PERILAKU KS.pdf
NurSriWidyastuti1
 
ppt materi aliran aliran pendidikan pai 9
ppt materi aliran aliran pendidikan pai 9ppt materi aliran aliran pendidikan pai 9
ppt materi aliran aliran pendidikan pai 9
mohfedri24
 
Form B1 Rubrik Observasi Presentasi Visi Misi -1.docx
Form B1 Rubrik Observasi Presentasi Visi Misi -1.docxForm B1 Rubrik Observasi Presentasi Visi Misi -1.docx
Form B1 Rubrik Observasi Presentasi Visi Misi -1.docx
EkoPutuKromo
 
RHK Jabatan Kep Sekolah dan Bukti Dukung.pdf
RHK Jabatan Kep Sekolah dan Bukti Dukung.pdfRHK Jabatan Kep Sekolah dan Bukti Dukung.pdf
RHK Jabatan Kep Sekolah dan Bukti Dukung.pdf
asyi1
 
0. PPT Juknis PPDB TK-SD -SMP 2024-2025 Cilacap.pptx
0. PPT Juknis PPDB TK-SD -SMP 2024-2025 Cilacap.pptx0. PPT Juknis PPDB TK-SD -SMP 2024-2025 Cilacap.pptx
0. PPT Juknis PPDB TK-SD -SMP 2024-2025 Cilacap.pptx
Indah106914
 
ppt profesionalisasi pendidikan Pai 9.pdf
ppt profesionalisasi pendidikan Pai 9.pdfppt profesionalisasi pendidikan Pai 9.pdf
ppt profesionalisasi pendidikan Pai 9.pdf
Nur afiyah
 
PPT Observasi Praktik Kinerja PMM SD pdf
PPT Observasi Praktik Kinerja PMM SD pdfPPT Observasi Praktik Kinerja PMM SD pdf
PPT Observasi Praktik Kinerja PMM SD pdf
safitriana935
 
ppt landasan pendidikan Alat alat pendidikan PAI 9_
ppt landasan pendidikan Alat alat pendidikan PAI 9_ppt landasan pendidikan Alat alat pendidikan PAI 9_
ppt landasan pendidikan Alat alat pendidikan PAI 9_
setiatinambunan
 
INSTRUMEN PENILAIAN PRAKTIK KINERJA KS Dok Rating Observasi (1).docx
INSTRUMEN PENILAIAN PRAKTIK KINERJA KS Dok Rating Observasi (1).docxINSTRUMEN PENILAIAN PRAKTIK KINERJA KS Dok Rating Observasi (1).docx
INSTRUMEN PENILAIAN PRAKTIK KINERJA KS Dok Rating Observasi (1).docx
lindaagina84
 
Laporan Kegiatan Pramuka Tugas Tambahan PMM.pdf
Laporan Kegiatan Pramuka Tugas Tambahan PMM.pdfLaporan Kegiatan Pramuka Tugas Tambahan PMM.pdf
Laporan Kegiatan Pramuka Tugas Tambahan PMM.pdf
UmyHasna1
 
Pi-2 AGUS MULYADI. S.Pd (3).pptx visi giru penggerak dan prakrsa perubahan bagja
Pi-2 AGUS MULYADI. S.Pd (3).pptx visi giru penggerak dan prakrsa perubahan bagjaPi-2 AGUS MULYADI. S.Pd (3).pptx visi giru penggerak dan prakrsa perubahan bagja
Pi-2 AGUS MULYADI. S.Pd (3).pptx visi giru penggerak dan prakrsa perubahan bagja
agusmulyadi08
 

Recently uploaded (20)

Juknis Pengisian Blanko Ijazah 2024 29 04 2024 Top.pptx
Juknis Pengisian Blanko Ijazah 2024 29 04 2024 Top.pptxJuknis Pengisian Blanko Ijazah 2024 29 04 2024 Top.pptx
Juknis Pengisian Blanko Ijazah 2024 29 04 2024 Top.pptx
 
SOSIALISASI PPDB TAHUN AJARAN 2024-2025.pptx
SOSIALISASI PPDB TAHUN AJARAN 2024-2025.pptxSOSIALISASI PPDB TAHUN AJARAN 2024-2025.pptx
SOSIALISASI PPDB TAHUN AJARAN 2024-2025.pptx
 
PI 2 - Ratna Haryanti, S. Pd..pptx Visi misi dan prakarsa perubahan pendidika...
PI 2 - Ratna Haryanti, S. Pd..pptx Visi misi dan prakarsa perubahan pendidika...PI 2 - Ratna Haryanti, S. Pd..pptx Visi misi dan prakarsa perubahan pendidika...
PI 2 - Ratna Haryanti, S. Pd..pptx Visi misi dan prakarsa perubahan pendidika...
 
RANCANGAN TINDAKAN AKSI NYATA MODUL 1.4.pptx
RANCANGAN TINDAKAN AKSI NYATA MODUL 1.4.pptxRANCANGAN TINDAKAN AKSI NYATA MODUL 1.4.pptx
RANCANGAN TINDAKAN AKSI NYATA MODUL 1.4.pptx
 
Modul Projek - Modul P5 Kearifan Lokal _Menampilkan Tarian Daerah Nusantara_...
Modul Projek  - Modul P5 Kearifan Lokal _Menampilkan Tarian Daerah Nusantara_...Modul Projek  - Modul P5 Kearifan Lokal _Menampilkan Tarian Daerah Nusantara_...
Modul Projek - Modul P5 Kearifan Lokal _Menampilkan Tarian Daerah Nusantara_...
 
Bab 3 Sejarah Kerajaan Hindu-Buddha.pptx
Bab 3 Sejarah Kerajaan Hindu-Buddha.pptxBab 3 Sejarah Kerajaan Hindu-Buddha.pptx
Bab 3 Sejarah Kerajaan Hindu-Buddha.pptx
 
untuk observasi kepala sekolah dengan pengawas
untuk observasi kepala sekolah dengan pengawasuntuk observasi kepala sekolah dengan pengawas
untuk observasi kepala sekolah dengan pengawas
 
tugas modul 1.4 Koneksi Antar Materi (1).pptx
tugas  modul 1.4 Koneksi Antar Materi (1).pptxtugas  modul 1.4 Koneksi Antar Materi (1).pptx
tugas modul 1.4 Koneksi Antar Materi (1).pptx
 
LK 1 - 5T Keputusan Berdampak PERMATA BUNDA.pdf
LK 1 - 5T Keputusan Berdampak PERMATA BUNDA.pdfLK 1 - 5T Keputusan Berdampak PERMATA BUNDA.pdf
LK 1 - 5T Keputusan Berdampak PERMATA BUNDA.pdf
 
INDIKATOR KINERJA DAN FOKUS PERILAKU KS.pdf
INDIKATOR KINERJA DAN FOKUS PERILAKU KS.pdfINDIKATOR KINERJA DAN FOKUS PERILAKU KS.pdf
INDIKATOR KINERJA DAN FOKUS PERILAKU KS.pdf
 
ppt materi aliran aliran pendidikan pai 9
ppt materi aliran aliran pendidikan pai 9ppt materi aliran aliran pendidikan pai 9
ppt materi aliran aliran pendidikan pai 9
 
Form B1 Rubrik Observasi Presentasi Visi Misi -1.docx
Form B1 Rubrik Observasi Presentasi Visi Misi -1.docxForm B1 Rubrik Observasi Presentasi Visi Misi -1.docx
Form B1 Rubrik Observasi Presentasi Visi Misi -1.docx
 
RHK Jabatan Kep Sekolah dan Bukti Dukung.pdf
RHK Jabatan Kep Sekolah dan Bukti Dukung.pdfRHK Jabatan Kep Sekolah dan Bukti Dukung.pdf
RHK Jabatan Kep Sekolah dan Bukti Dukung.pdf
 
0. PPT Juknis PPDB TK-SD -SMP 2024-2025 Cilacap.pptx
0. PPT Juknis PPDB TK-SD -SMP 2024-2025 Cilacap.pptx0. PPT Juknis PPDB TK-SD -SMP 2024-2025 Cilacap.pptx
0. PPT Juknis PPDB TK-SD -SMP 2024-2025 Cilacap.pptx
 
ppt profesionalisasi pendidikan Pai 9.pdf
ppt profesionalisasi pendidikan Pai 9.pdfppt profesionalisasi pendidikan Pai 9.pdf
ppt profesionalisasi pendidikan Pai 9.pdf
 
PPT Observasi Praktik Kinerja PMM SD pdf
PPT Observasi Praktik Kinerja PMM SD pdfPPT Observasi Praktik Kinerja PMM SD pdf
PPT Observasi Praktik Kinerja PMM SD pdf
 
ppt landasan pendidikan Alat alat pendidikan PAI 9_
ppt landasan pendidikan Alat alat pendidikan PAI 9_ppt landasan pendidikan Alat alat pendidikan PAI 9_
ppt landasan pendidikan Alat alat pendidikan PAI 9_
 
INSTRUMEN PENILAIAN PRAKTIK KINERJA KS Dok Rating Observasi (1).docx
INSTRUMEN PENILAIAN PRAKTIK KINERJA KS Dok Rating Observasi (1).docxINSTRUMEN PENILAIAN PRAKTIK KINERJA KS Dok Rating Observasi (1).docx
INSTRUMEN PENILAIAN PRAKTIK KINERJA KS Dok Rating Observasi (1).docx
 
Laporan Kegiatan Pramuka Tugas Tambahan PMM.pdf
Laporan Kegiatan Pramuka Tugas Tambahan PMM.pdfLaporan Kegiatan Pramuka Tugas Tambahan PMM.pdf
Laporan Kegiatan Pramuka Tugas Tambahan PMM.pdf
 
Pi-2 AGUS MULYADI. S.Pd (3).pptx visi giru penggerak dan prakrsa perubahan bagja
Pi-2 AGUS MULYADI. S.Pd (3).pptx visi giru penggerak dan prakrsa perubahan bagjaPi-2 AGUS MULYADI. S.Pd (3).pptx visi giru penggerak dan prakrsa perubahan bagja
Pi-2 AGUS MULYADI. S.Pd (3).pptx visi giru penggerak dan prakrsa perubahan bagja
 

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 Ï€ 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 Ï€) 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.