Kuliah · Kuliah · Analisis Data dan Peluang

Statistika dan Probabilitas

Statistika dan Probabilitas mengajarkan cara meringkas data, memodelkan ketidakpastian, dan menarik kesimpulan tentang populasi dari sampel. Paruh pertama kuliah membahas statistika deskriptif, peluang dan teorema Bayes, variabel acak, serta distribusi diskrit dan kontinu. Paruh kedua membahas statistika inferensial: distribusi sampling, estimasi dan selang kepercayaan, uji hipotesis, ANOVA, regresi dan korelasi, serta uji nonparametrik.

Daftar isi
  1. Konsep
  2. Rumus
  3. Contoh soal
  4. Kesalahan umum
  5. Coba sendiri
  6. Kuis 5 soal
  7. Tanya jawab
  8. Topik terkait
  9. Untuk guru

Konsep Statistika dan Probabilitas

Statistika deskriptif, peluang, dan teorema Bayes

Ukuran pemusatan: rata-rata xˉ\bar{x}, median, dan modus. Ukuran penyebaran: jangkauan, jangkauan antarkuartil, dan variansi sampel s2=1n−1∑(xi−xˉ)2s^{2} = \frac{1}{n - 1}\sum (x_{i} - \bar{x})^{2}. Pembagi n−1n - 1 membuat s2s^{2} penaksir tak bias bagi variansi populasi. Diagram kotak dan histogram dipakai untuk melihat kemencengan dan pencilan.

Aksioma peluang: P(A)≥0P(A) \ge 0, P(S)=1P(S) = 1, dan aditif untuk kejadian saling lepas. Akibatnya P(A∪B)=P(A)+P(B)−P(A∩B)P(A \cup B) = P(A) + P(B) - P(A \cap B). Peluang bersyarat P(A∣B)=P(A∩B)P(B)P(A \mid B) = \frac{P(A \cap B)}{P(B)}; AA dan BB saling bebas bila P(A∩B)=P(A)P(B)P(A \cap B) = P(A)P(B). Teorema Bayes membalik arah syarat:

P(A∣B)=P(B∣A)P(A)P(B∣A)P(A)+P(B∣Ac)P(Ac).P(A \mid B) = \frac{P(B \mid A)P(A)}{P(B \mid A)P(A) + P(B \mid A^{c})P(A^{c})}.

Variabel acak serta distribusi diskrit dan kontinu

Variabel acak diskrit punya fungsi massa peluang p(x)p(x); variabel acak kontinu punya fungsi kepadatan f(x)f(x) dengan P(a≤X≤b)=∫abf(x) dxP(a \le X \le b) = \int_{a}^{b} f(x)\,dx. Nilai harapan E(X)=∑x p(x)E(X) = \sum x\,p(x) atau ∫xf(x) dx\int x f(x)\,dx, dan Var⁡(X)=E(X2)−(E(X))2\operatorname{Var}(X) = E(X^{2}) - \big(E(X)\big)^{2}. Sifat linear: E(aX+b)=aE(X)+bE(aX + b) = aE(X) + b dan Var⁡(aX+b)=a2Var⁡(X)\operatorname{Var}(aX + b) = a^{2}\operatorname{Var}(X).

DistribusiPeluang/kepadatanRata-rataVariansi
Binomial (n,p)(n, p)(nk)pk(1−p)n−k\binom{n}{k}p^{k}(1 - p)^{n - k}npnpnp(1−p)np(1 - p)
Poisson (λ)(\lambda)e−λλkk!\frac{e^{-\lambda}\lambda^{k}}{k!}λ\lambdaλ\lambda
Seragam (a,b)(a, b)1b−a\frac{1}{b - a}a+b2\frac{a + b}{2}(b−a)212\frac{(b - a)^{2}}{12}
Eksponensial (λ)(\lambda)λe−λx\lambda e^{-\lambda x}1λ\frac{1}{\lambda}1λ2\frac{1}{\lambda^{2}}
Normal (μ,σ2)(\mu, \sigma^{2})kurva loncengμ\muσ2\sigma^{2}

Nilai normal dibakukan dengan Z=X−μσZ = \frac{X - \mu}{\sigma} lalu dibaca dari tabel normal baku.

Distribusi sampling, estimasi, dan selang kepercayaan

Teorema limit pusat: untuk sampel acak berukuran nn cukup besar dari populasi dengan rata-rata μ\mu dan simpangan baku σ\sigma, rata-rata sampel Xˉ\bar{X} mendekati distribusi normal dengan rata-rata μ\mu dan galat baku σn\frac{\sigma}{\sqrt{n}}, apa pun bentuk populasinya.

Penaksir titik yang baik bersifat tak bias dan efisien. Selang kepercayaan (1−α)×100%(1 - \alpha) \times 100\% untuk μ\mu:

  • σ\sigma diketahui: xˉ±zα/2σn\bar{x} \pm z_{\alpha/2}\frac{\sigma}{\sqrt{n}}, misalnya z0,025=1,96z_{0{,}025} = 1{,}96 untuk 95%.
  • σ\sigma tidak diketahui: xˉ±tα/2,n−1sn\bar{x} \pm t_{\alpha/2, n - 1}\frac{s}{\sqrt{n}} dengan distribusi tt Student.

Tafsiran yang benar: jika pengambilan sampel diulang berkali-kali, sekitar 95% selang yang terbentuk memuat μ\mu.

Uji hipotesis dan ANOVA

Uji hipotesis membandingkan H0H_{0} (tidak ada efek) dengan H1H_{1}. Langkahnya: tetapkan taraf signifikansi α\alpha, hitung statistik uji (misalnya z=xˉ−μ0σ/nz = \frac{\bar{x} - \mu_{0}}{\sigma/\sqrt{n}}), lalu tolak H0H_{0} bila statistik masuk daerah kritis atau nilai-pp <α< \alpha. Galat tipe I adalah menolak H0H_{0} yang benar (peluangnya α\alpha); galat tipe II adalah gagal menolak H0H_{0} yang salah.

ANOVA satu arah menguji kesamaan rata-rata kk kelompok sekaligus dengan memecah keragaman total menjadi keragaman antarkelompok (JKA) dan dalam kelompok (JKD). Statistiknya F=JKA/(k−1)JKD/(N−k)F = \frac{\text{JKA}/(k - 1)}{\text{JKD}/(N - k)}; nilai FF besar menandakan rata-rata kelompok tidak semuanya sama. ANOVA menghindari inflasi galat tipe I akibat banyak uji tt berpasangan.

Regresi, korelasi, dan statistik nonparametrik

Garis regresi kuadrat terkecil y^=a+bx\hat{y} = a + bx memiliki b=SxySxxb = \frac{S_{xy}}{S_{xx}} dan a=yˉ−bxˉa = \bar{y} - b\bar{x}, dengan Sxy=∑(xi−xˉ)(yi−yˉ)S_{xy} = \sum (x_{i} - \bar{x})(y_{i} - \bar{y}) dan Sxx=∑(xi−xˉ)2S_{xx} = \sum (x_{i} - \bar{x})^{2}. Koefisien korelasi Pearson r=SxySxxSyyr = \frac{S_{xy}}{\sqrt{S_{xx}S_{yy}}} bernilai di [−1,1][-1, 1] dan mengukur kekuatan hubungan linear; r2r^{2} adalah proporsi keragaman yy yang dijelaskan model. Korelasi tidak membuktikan sebab-akibat.

Uji nonparametrik dipakai bila asumsi kenormalan diragukan atau data berupa peringkat: uji tanda dan uji peringkat bertanda Wilcoxon (data berpasangan), uji Mann–Whitney (dua sampel bebas), uji Kruskal–Wallis (alternatif ANOVA), korelasi peringkat Spearman, dan uji khi-kuadrat untuk tabel kontingensi.

Rumus

Variansi sampel
s2=1n−1∑i=1n(xi−xˉ)2s^{2} = \frac{1}{n - 1}\sum_{i = 1}^{n} (x_{i} - \bar{x})^{2}
Teorema Bayes
P(A∣B)=P(B∣A)P(A)P(B)P(A \mid B) = \frac{P(B \mid A)P(A)}{P(B)}
Selang kepercayaan rata-rata (σ diketahui)
xˉ±zα/2σn\bar{x} \pm z_{\alpha/2}\frac{\sigma}{\sqrt{n}}
Statistik uji z
z=xˉ−μ0σ/nz = \frac{\bar{x} - \mu_{0}}{\sigma/\sqrt{n}}
Koefisien regresi
b=SxySxx,a=yˉ−bxˉb = \frac{S_{xy}}{S_{xx}}, \quad a = \bar{y} - b\bar{x}

Contoh soal statistika dan probabilitas dan pembahasan

Contoh 1 · Mudah

Rata-rata dan variansi sampel

Nilai kuis lima mahasiswa: 4, 7, 7, 8, 9. Tentukan rata-rata dan variansi sampelnya.

Lihat langkah penyelesaian
  1. xˉ=4+7+7+8+95=355=7\bar{x} = \frac{4 + 7 + 7 + 8 + 9}{5} = \frac{35}{5} = 7.
  2. Kuadrat simpangan: 9,0,0,1,49, 0, 0, 1, 4 dengan jumlah 14.
  3. s2=145−1=72s^{2} = \frac{14}{5 - 1} = \frac{7}{2}.

Rata-rata 7 dan variansi sampel 72=3,5\frac{7}{2} = 3{,}5.

Contoh 2 · Sedang

Teorema Bayes pada tes kesehatan

Prevalensi suatu penyakit 1%. Tes mendeteksi 95% penderita (sensitivitas) dan memberi hasil positif palsu pada 10% orang sehat. Jika hasil tes seseorang positif, berapa peluang ia benar-benar sakit?

Lihat langkah penyelesaian
  1. P(S)=1100P(S) = \frac{1}{100}, P(+∣S)=95100P(+ \mid S) = \frac{95}{100}, dan P(+∣Sc)=10100P(+ \mid S^{c}) = \frac{10}{100}.
  2. P(+)=1100×95100+99100×10100=95+99010.000=1.08510.000P(+) = \frac{1}{100} \times \frac{95}{100} + \frac{99}{100} \times \frac{10}{100} = \frac{95 + 990}{10.000} = \frac{1.085}{10.000}.
  3. P(S∣+)=951.085=19217≈0,088P(S \mid +) = \frac{95}{1.085} = \frac{19}{217} \approx 0{,}088.

Peluangnya 19217\frac{19}{217}, hanya sekitar 8,8%, karena penyakitnya jarang.

Contoh 3 · Sedang

Distribusi binomial

Seorang mahasiswa menebak 5 soal benar-salah secara acak. Berapa peluang tepat 2 jawabannya benar?

Lihat langkah penyelesaian
  1. X∼X \sim Binomial(5,12)(5, \frac{1}{2}).
  2. P(X=2)=(52)(12)2(12)3=1032=516P(X = 2) = \binom{5}{2}\left(\frac{1}{2}\right)^{2}\left(\frac{1}{2}\right)^{3} = \frac{10}{32} = \frac{5}{16}.

Peluangnya 516\frac{5}{16}.

Contoh 4 · Mudah

Nilai harapan dan variansi variabel acak diskrit

Variabel acak XX bernilai 0, 1, 2 dengan peluang 14\frac{1}{4}, 12\frac{1}{2}, 14\frac{1}{4}. Tentukan E(X)E(X) dan Var⁡(X)\operatorname{Var}(X).

Lihat langkah penyelesaian
  1. E(X)=0×14+1×12+2×14=1E(X) = 0 \times \frac{1}{4} + 1 \times \frac{1}{2} + 2 \times \frac{1}{4} = 1.
  2. E(X2)=0+12+4×14=32E(X^{2}) = 0 + \frac{1}{2} + 4 \times \frac{1}{4} = \frac{3}{2}.
  3. Var⁡(X)=32−12=12\operatorname{Var}(X) = \frac{3}{2} - 1^{2} = \frac{1}{2}.

E(X)=1E(X) = 1 dan Var⁡(X)=12\operatorname{Var}(X) = \frac{1}{2}.

Contoh 5 · Sedang

Selang kepercayaan 95%

Sampel 36 kemasan kopi bubuk dari pabrik di Lampung memiliki rata-rata berat 72 gram. Simpangan baku populasi diketahui 6 gram. Tentukan batas atas selang kepercayaan 95% bagi rata-rata berat.

Lihat langkah penyelesaian
  1. Galat baku: σn=66=1\frac{\sigma}{\sqrt{n}} = \frac{6}{6} = 1.
  2. Margin galat: 1,96×1=1,961{,}96 \times 1 = 1{,}96.
  3. Selang: 72±1,9672 \pm 1{,}96, yaitu (70,04;  73,96)(70{,}04; \; 73{,}96).

Selang kepercayaannya (70,04;  73,96)(70{,}04; \; 73{,}96) gram, dengan batas atas 73,96 gram.

Contoh 6 · Penalaran

Uji hipotesis rata-rata

Label kemasan gula menyatakan berat 500 gram. Sampel 25 kemasan memiliki rata-rata 494 gram, dengan σ=15\sigma = 15 gram. Ujilah dengan α=0,05\alpha = 0{,}05 (dua sisi) apakah rata-ratanya berbeda dari label.

Lihat langkah penyelesaian
  1. H0:μ=500H_{0}: \mu = 500 dan H1:μ≠500H_{1}: \mu \ne 500. Daerah kritis ∣z∣>1,96|z| > 1{,}96.
  2. z=494−50015/25=−63=−2z = \frac{494 - 500}{15/\sqrt{25}} = \frac{-6}{3} = -2.
  3. Karena ∣z∣=2>1,96|z| = 2 > 1{,}96, tolak H0H_{0}: ada bukti rata-rata berat berbeda dari 500 gram.

Statistik uji z=−2z = -2, sehingga H0H_{0} ditolak pada taraf 5%.

Contoh 7 · Penalaran

Garis regresi kuadrat terkecil

Data jam belajar (xx) dan skor (yy): (1,2)(1, 2), (2,3)(2, 3), (3,5)(3, 5), (4,6)(4, 6). Tentukan garis regresi y^=a+bx\hat{y} = a + bx.

Lihat langkah penyelesaian
  1. xˉ=2,5\bar{x} = 2{,}5 dan yˉ=4\bar{y} = 4.
  2. Sxy=(−1,5)(−2)+(−0,5)(−1)+(0,5)(1)+(1,5)(2)=7S_{xy} = (-1{,}5)(-2) + (-0{,}5)(-1) + (0{,}5)(1) + (1{,}5)(2) = 7 dan Sxx=2,25+0,25+0,25+2,25=5S_{xx} = 2{,}25 + 0{,}25 + 0{,}25 + 2{,}25 = 5.
  3. b=75=1,4b = \frac{7}{5} = 1{,}4 dan a=4−1,4×2,5=0,5a = 4 - 1{,}4 \times 2{,}5 = 0{,}5.

y^=0,5+1,4x\hat{y} = 0{,}5 + 1{,}4x.

Kesalahan yang sering terjadi

Menafsirkan selang kepercayaan 95% sebagai "peluang μ\mu berada di selang ini adalah 95%".
μ\mu adalah konstanta tetap. Yang acak adalah selangnya: 95% dari selang yang dibuat dengan prosedur yang sama akan memuat μ\mu.
Menyamakan P(A∣B)P(A \mid B) dengan P(B∣A)P(B \mid A), misalnya mengira peluang sakit bila tes positif sama dengan sensitivitas tes.
Gunakan teorema Bayes. Untuk penyakit langka, P(sakit∣+)P(\text{sakit} \mid +) bisa jauh lebih kecil daripada P(+∣sakit)P(+ \mid \text{sakit}).
Menyimpulkan H0H_{0} benar karena tidak ditolak.
Gagal menolak H0H_{0} hanya berarti bukti belum cukup. Bisa saja terjadi galat tipe II, terutama bila sampel kecil.
Menyimpulkan sebab-akibat dari korelasi yang kuat.
Korelasi bisa muncul karena variabel ketiga (perancu). Sebab-akibat memerlukan desain eksperimen yang terkendali.

Coba sendiri

Tulis jawabanmu, tekan Periksa. Jika belum tepat, buka petunjuk satu per satu.

Soal 1Aplikasi
Kejadian AA dan BB saling bebas dengan P(A)=12P(A) = \frac{1}{2} dan P(B)=13P(B) = \frac{1}{3}. Tentukan P(A∪B)P(A \cup B) dalam bentuk pecahan.
Soal 2Aplikasi
Variabel acak kontinu XX memiliki fungsi kepadatan f(x)=kx2f(x) = kx^{2} untuk 0≤x≤30 \le x \le 3 dan 0 di luar itu. Tentukan E(X)E(X) dalam bentuk pecahan.
Soal 3Penalaran
Pada ANOVA satu arah dengan 3 kelompok dan total 21 pengamatan diperoleh JKA = 40 dan JKD = 90. Hitung statistik FF.

Kuis 5 soal

Kerjakan semua soal, lalu periksa sekaligus.

Soal 1Aplikasi
Nilai ujian berdistribusi normal dengan μ=70\mu = 70 dan σ=10\sigma = 10. Skor baku untuk nilai 85 adalah …
Soal 2Aplikasi
Populasi memiliki σ=12\sigma = 12. Galat baku rata-rata sampel berukuran 16 adalah …
Soal 3Penalaran
Pernyataan: "Jika nilai-pp kurang dari α\alpha, maka H0H_{0} pasti salah." Benar atau salah?
Soal 4Aplikasi
Diketahui Var⁡(X)=5\operatorname{Var}(X) = 5. Tentukan Var⁡(2X+3)\operatorname{Var}(2X + 3).
Soal 5Penalaran
Pilih semua pernyataan yang benar tentang korelasi dan regresi linear sederhana.
Pilih semua jawaban yang benar.

Latihan tanpa batas

Soal kembar dengan angka baru, petunjuk bertingkat, dan catatan penguasaanmu.

Mulai latihan

Tanya jawab

Kapan memakai distribusi z dan kapan distribusi t?

Pakai zz bila simpangan baku populasi diketahui atau sampel sangat besar. Pakai tt dengan derajat bebas n−1n - 1 bila simpangan baku ditaksir dari sampel, terutama untuk sampel kecil dari populasi yang kira-kira normal.

Apa arti nilai-p sebenarnya?

Nilai-pp adalah peluang memperoleh data seekstrem yang teramati atau lebih, dengan anggapan H0H_{0} benar. Nilai-pp bukan peluang H0H_{0} benar.

Kapan uji nonparametrik lebih tepat?

Ketika data berupa peringkat atau ordinal, sampelnya kecil dan jelas tidak normal, atau ada pencilan yang kuat. Harga yang dibayar adalah daya uji yang sedikit lebih rendah bila data sebenarnya normal.

Topik terkait

Ringkasan untuk guru

Tujuan pembelajaran

  • Mahasiswa meringkas data dengan ukuran pemusatan, penyebaran, dan grafik yang sesuai.
  • Mahasiswa menghitung peluang, menerapkan teorema Bayes, dan memakai distribusi diskrit serta kontinu.
  • Mahasiswa menyusun selang kepercayaan dan melakukan uji hipotesis serta ANOVA dengan tafsiran yang benar.
  • Mahasiswa membangun model regresi linear sederhana dan memilih uji nonparametrik bila asumsi tidak terpenuhi.

Ide aktivitas kelas

  • Simulasi teorema limit pusat: setiap mahasiswa melempar dadu 10 kali dan mencatat rata-ratanya, lalu kelas membuat histogram gabungan dan mengamati bentuk loncengnya.
  • Proyek data kampus: kelompok mengumpulkan data waktu tempuh ke kampus, menyusun selang kepercayaan, dan menguji klaim rata-rata 30 menit.
  • Studi kasus tes cepat: mahasiswa menghitung nilai prediktif positif untuk berbagai prevalensi dengan teorema Bayes dan mendiskusikan dampaknya pada kebijakan skrining.

Acuan: Silabus umum mata kuliah Statistika dan Probabilitas (Statistika Dasar) perguruan tinggi (disusun tim redaksi), elemen Analisis Data dan Peluang.

Bagikan latihan ke kelas dengan kode tugas