20/09/2023

TEORI
PROBABILITAS
(TEPRO)

PENGANTAR

Deskripsi Singkat MK
 Dalam kuliah ini akan diberikan dasar-dasar statistik
yang dapat membantu peserta kuliah untuk
menyimpulkan hasil interpretasi data dan mengambil
keputusan.
 Topik-topik yang akan dibahas antara lain pengolahan
data serta maknanya untuk mendukung analisis,
bentuk-bentuk grafik penyajian hasil olahan data
yang ekspresif, berbagai ukuran statistik untuk
mendeskripsikan sumber data atau populasi;

1
 20/09/2023

Deskripsi Singkat MK
 Teori probabilitas: pendahuluan statistika,
pengertian probabilitas objektif dan
subjektif, pengertian variabel random, ruang
sampel, diagram Venn, hukum
penjumlahan dan perkalian probabilitas,
probabilitas bersyarat; Konsep ekspektasi
dan momen; Pengertian distribusi
probabilitas; Jenis-jenis distribusi probabilitas
diskrit (binomial, hipergeometrik, Poisson,
negatif binomial, geometrik); Distribusi
kontinu (normal, t, eksponensial, beta,
gamma, Weibull).

Kriteria Penilaian
Dalam menentukan nilai akhir akan
digunakan pembobotan sebagai berikut:

 Kehadiran = 10%
 Tugas = 10%
 Kuis = 20%
 UTS = 30%
 UAS = 30%

2
 20/09/2023

Penilaian akan dilakukan dengan

menggunakan kriteria yang telah ditetapkan
Universitas (pedoman akademik) yaitu:

DAFTAR PUSTAKA
 Bowker & Lieberman, Engineering Statistics, edisi 2, Prentice
Hall Inc., Miller, Irwin, Probability and Statistics for Engineers,
Prentice Hall Inc.
 Cacoullos, T. (1980). Exercises in Probability. Halmos, P.R.
(ed.). Problem Books in Mathematics. Springer Verlag. New
York.
 Ghahramani, S. (2000). Fundamentals of Probability.
Second Edition. Prentice Hall. New Jersey
 Ross, S. (1998). A First Course in Probability. 5th ed. Prentice
Hall. New Jersey.
 Walpole, Ronald E., and Myres, Raymond H., Probability
and Statistics for Engineers and Scientist, 6th edition,
Prentice Hall, 1998
 Miller & Freund, Probability & Statistics For Engineers,
Prentice Hall Inc.
 Leland Blank, Statistical Procedures for Engineering,
Management & Science, Mc Graw-Hill Inc., 1982.

3
 20/09/2023

Pendahuluan
Tepro

PERTANYAAN MENDASAR
 Apa yang dimaksud dengan “Statistika”?

 Kapan dan dimana kita bisa menggunakan

“Statistika”?

 Mengapa perlu “Statistika”?

 Bagaimana menggunakan “Statistika”?

Teknik/prosedur apa saja yang ada di dalam
statistika?

4
 20/09/2023

Konsep Statistika

STATISTIKA :
Kegiatan untuk : KEGUNAAN
• mengumpulkan data
• menyajikan data
• menganalisis data dengan metode tertentu
?
• menginterpretasikan hasil analisis

Melalui fase

STATISTIKA DESKRIPTIF :
Berkenaan dengan pengumpulan, pengolahan, dan penyajian sebagian
atau seluruh data (pengamatan) tanpa pengambilan kesimpulan

dan fase

STATISTIKA INFERENSI :
Setelah data dikumpulkan, maka dilakukan berbagai metode statistik untuk
menganalisis data, dan kemudian dilakukan interpretasi serta diambil
kesimpulan.Statistika inferensi akan menghasilkan generalisasi (jika sampel
representatif)

2. Statistika & Metode Ilmiah

METODE ILMIAH :
Adalah salah satu cara mencari kebenaran yang bila
ditinjau dari segi penerapannya, resiko untuk keliru
paling kecil.
LANGKAH-LANGKAH DALAM METODE ILMIAH :
1. Merumuskan masalah
2. Melakukan studi literatur
3. Membuat dugaan-dugaan, pertanyaan-pertanyaan atau
hipotesis
4. Mengumpulkan dan mengolah data, menguji
hipotesis, atau menjawab pertanyaan
5. Mengambil kesimpulan

INSTRUMEN

SAMPEL
PERAN STATISTIKA
SIFAT DATA
VARIABEL

METODE ANALISIS

5
 20/09/2023

3. Data

DATA terbagi atas DATA KUALITATIF dan DATA KUANTITATIF

DATA KUALITATIF : DATA KUANTITATIF :

Data yang dinyatakan Data yang dinyatakan
dalam bentuk bukan dalam bentuk angka
angka. Contoh : lama bekerja,
Contoh : jenis pekerjaan, jumlah gaji, usia, hasil
status marital, tingkat ulangan
kepuasan kerja

DATA

KUALITATIF JENIS KUANTITATIF

DATA

NOMINAL INTERVAL
ORDINAL RASIO

4. Data
DATA NOMINAL :
Data berskala nominal adalah data yang diperoleh dengan cara kategorisasi atau
klasifikasi.
CIRI : posisi data setara
tidak bisa dilakukan operasi matematika (+, -, x, :)
CONTOH : jenis kelamin, jenis pekerjaan
DATA ORDINAL :
Data berskala ordinal adalah data yang dipeoleh dengan cara kategorisasi atau
klasifikasi, tetapi di antara data tersebut terdapat hubungan
CIRI : posisi data tidak setara
tidak bisa dilakukan operasi matematika (+, -, x, :)
CONTOH : kepuasan kerja, motivasi

DATA INTERVAL :
Data berskala interval adalah data yang diperoleh dengan cara pengukuran, di mana
jarak antara dua titik skala sudah diketahui.
CIRI : Tidak ada kategorisasi
bisa dilakukan operasi matematika
CONTOH : temperatur yang diukur berdasarkan 0C dan 0F, sistem kalender

DATA RASIO :
Data berskala rasio adalah data yang diperoleh dengan cara pengukuran, di mana
jarak antara dua titik skala sudah diketahui dan mempunyai titik 0 absolut.
CIRI : tidak ada kategorisasi
bisa dilakukan operasi matematika
CONTOH : gaji, skor ujian, jumlah buku

6
 20/09/2023

5. Pengolahan Data

PROSEDUR PENGOLAHAN DATA :

A. PARAMETER : Berdasarkan parameter yang ada statistik dibagi menjadi
• Statistik PARAMETRIK : berhubungan dengan inferensi statistik yang
membahas parameter-parameter populasi; jenis data interval atau
rasio; distribusi data normal atau mendekati normal.
• Statistik NONPARAMETRIK : inferensi statistik tidak membahas
parameter-parameter populasi; jenis data nominal atau ordinal;
distribusi data tidak diketahui atau tidak normal
B. JUMLAH VARIABEL : berdasarkan jumlah variabel dibagi menjadi
• Analisis UNIVARIAT : hanya ada 1 pengukuran (variabel) untuk n
sampel atau beberapa variabel tetapi masing-masing variabel
dianalisis sendiri-sendiri. Contoh : korelasi motivasi dengan
pencapaian akademik.

• Analisis MULTIVARIAT : dua atau lebih pengukuran (variabel) untuk n

sampel di mana analisis antar variabel dilakukan bersamaan.
Contoh : pengaruh motivasi terhadap pencapaian akademik yang
dipengaruhi oleh faktor latar belakang pendidikan orang tua,
faktor sosial ekonomi, faktor sekolah.

6. Pengolahan Data

MULAI

Statistik NOMINAL INTERVAL

Jenis Statistik
Non Parametrik ORDINAL Data RASIO
Parametrik
?

Analisis SATU DUA / LEBIH Analisis

Jumlah
Univariat Variab Multivariat
el ?

7
 20/09/2023

7. Penyajian Data

TABEL
Tabel 1.1 Bidang Pekerjaan berdasarkan Latar Belakang Pendidikan

Count
pendidikan
SMU Akademi Sarjana Jumlah
bidang administrasi 1 8 6 15
pekerjaan personalia 1 7 8
produksi 4 3 5 12
marketing 2 14 11 27
keuangan 3 4 6 13
Jumlah 10 30 35 75

bidang pekerjaan
GRAFIK administrasi
personalia
produksi
marketing
keuangan

Pies show counts

8. Membuat Tabel

TABEL : memberikan informasi secara rinci. Terdiri atas kolom dan baris

Kolom pertama : LABEL

KOLOM
Kolom kedua …. n : Frekuensi atau label
TABEL
BARIS Berisikan data berdasarkan kolom

Tabel Tabulasi Silang

Prestasi Kerja
Bidang pekerjaan Sangat Jelek Cukup Baik Sangat Jumlah
jelek baik baik
Administrasi
Personalia
Produksi
Marketing
Keuangan
Jumlah

8
 20/09/2023

9. Membuat Grafik

GRAFIK : memberikan informasi dengan benar dan cepat,

tetapi tidak rinci.
Syarat :
1. Pemilihan sumbu (sumbu tegak dan sumbu datar), kecuali
grafik lingkaran
2. Penetapan skala (skala biasa, skala logaritma, skala lain)
3. Ukuran grafik (tidak terlalu besar, tinggi, pendek)
Jenis Grafik :
4
• Grafik Batang (Bar)
3

• Grafik Garis (line)

Sumbu

2
tegak

1 • Grafik Lingkaran (Pie)

0 • Grafik Interaksi (Interactive)

1 2 3 4
Titik
pangkal Sumbu datar

10. Jenis Grafik

Grafik Batang (Bar) Grafik Garis (line)

30 30

20 20

10 10
Jumlah
Count

0 0
administrasi personalia produksi marketing keuangan administrasi personalia produksi marketing keuangan

bidang pekerjaan bidang pekerjaan

Grafik lingkaran (pie) Grafik Interaksi (interactive)

800000

keuangan
administrasi

700000

600000

personalia
500000
Mean gaji perbulan

Jenis kelamin
400000
marketing
laki-laki
produksi
300000 w anita
sangat jelek jelek cukup baik baik sangat baik

prestasi kerja