Anda di halaman 1dari 20

TUGAS AKHIR

DISTRIBUSI PELUANG

Disusun Oleh:
Rizky An Nabil, S.Ked

04124705042

Pembimbing 1: Prof, Dr. Dr. RM. Suryadi Tjekyan,


DTM & H, MPH
Pembimbing 2: Mariana, SKM, M. Kes
Iche Andriyani Liberty, SKM, M.Kes
Pariyana, SKM

BAGIAN ILMU IKM - IKK


FAKULTAS KEDOKTERAN
UNIVERSITAS SRIWIJAYA
2014

PENDAHULUAN
Ketika melakukan undian dengan sebuah mata uang
yang homogin kita dapatkan P (muka G) = P (muka
H) = . Kalau dihitung banyak muka G yang
nampak, maka muka H = 0 G dan muka G = 1 G.
Kalau banyak muka G kita beri simbul X, maka untuk
muka H berlaku X = 0 dan untuk muka G berlaku X =
1. Didapat notasi baru untuk peluang, yaitu: P(X = 0)
= dan P(X = 1) = .
Kalau undian itu dilakukan dengan menggunakan dua
buah mata uang, maka peristiwa yang terjadi adalah:
GG, GH, HG, HH. Dengan Rumus VII(6), didapat
P(GG) = P(GH) = P(HG) = (P(HH) = .

DISTRIBUSI BINOM
Perhatikan sebuah eksperimen yang hanya
menghasilkan dua peristiwa A dan bukan A, atau
, dengan P(A) = = peluang terjadinya peristiwa
A.
Jika pada tiap percobaan dalam eksperimen itu,
= P(A) tetap harganya, maka percobaan yang
berulang-ulang dari eksperimen itu dinamakan
percobaan Bernoulli. Sekarang lakukan
percobaan Bernoulli sebanyak N kali secara
independen, X diantaranya menghasilkan
peristiwa A dan sisanya (N - X) peristiwa .

contoh:
Peluang untuk mendapatkan 6 muka G
ketika melakukan undian dengan sebuah
mata uang homogin sebanyak 10 kali
adalah:

= (210) ()10 = 0,2050


dengan X = jumlah muka G yang nampak.

Lakukan undian dengan menggunakan 10


buah dadu homogin sekaligus. Berapa
peluang nampaknya mata 6 sebanyak 8
buah?
Kita tahu bahwa = P (mata 6) = 1/6 dan
dalam hal ini N = 10, X = 8, dengan X berarti
muka bermata 6 nampak di sebelah atas.
Maka:
P (X = 8) =
(1/6)8 (5/6)2=0,000015.
Ini berarti dalam undian dengan 10 dadu
akan diperoleh mata 6 sebanyak 8 kali,
terjadi kira-kira 15 dari tiap sejuta.

DISTRIBUSI MULTINOM
Perluasan dari distribusi binom ialah
distribusi multinom. Misalkan sebuah
eksperimen menghasilkan peristiwa-peristiwa
E1, E2, ..... Ekdengan peluang 1= P(E2), .....
k = P(Ek) dengan 1 + 2 + .... + k = 1.
Terhadap eksperimen ini kita lakukan
percobaan sebanyak N kali. Maka peluang
akan terdapat x, peristiwa E I , x2 peristiwa
E2, - - - , xk peristiwa Ei, di antara N,
ditentukan oleh distribusi multinom

Contoh distribusi multinomial


Seorang dokter melakukan pengobatan sebanyak 6 kali
terhadap penderita infark jantung dengan hasil sembuh
sempurna, sembuh dengan gejala sisa, dan meninggal.
Berapa besar probabilitas dari 6 kali pengobatan tersebut
untuk menghasilkan 2 orang sembuh sempurna, 2 orang
sembuh dengan gejala sisa, dan 2 orang meninggal.
Sembuh sempurna = A
Sembuh dengan gejala sisa = B
Meninggal = C
Maka PA = PB = PC = 1/3
N = 6
r1 = r2 = r3 = 2
6P2 = 6! / 2! 2! 2! x (1/3)2 (1/3)2 (1/3)2 = 0,123

DISTRIBUSI HIPERGEOMETRIK
Misalkan ada sebuah populasi berukuran
N diantaranya terdapat D buah termasuk
kategori tertentu. Dari populasi ini sebuah
sampel acak diambil berukuran n.
Pertanyaan yang timbul ialah: berapa
peluang dalam sampel itu terdapat x buah
termasuk kategori tertentu itu?
Jawabnya ditentukan oleh distribusi
hipergeometrik di bawah ini:
p (x) =

Contoh distribusi hipergeometris


Pada bangsal penyakit dalam suatu rumah
sakit terdapat 60 orang penderita dan 5
orang diantaranya menderita hepatitis.
Bila kita mengambil sampel sebesar 10 orang
penderita secara acak sederhana maka
berapa besarnya probabilitas untuk
mendapatkan 2 orang dengan hepatitis.
N = 60, X = 5, n = 10, x = 2
P(X) = [5! / 2! (5-2)!] x [55! / 8! (55-8)!] =

60! / 10! (60-10)!


0,16 atau 16%

DISTRIBUSI POISSON
Distribusi Poisson sering digunakan untuk
menentukan peluang sebuah peristiwa
yang dalam area kesempatan tertentu
diharapkan terjadinya sangat jarang.

Contoh distribusi poison


Misalkan, diketahui bahwa di suatu daerah terdapat 1,5%
anak balita yang menderita gizi kurang. Kita ambil sampel
sebanyak 300 anak. Berapa probabilitas untuk memperoleh
anak dengan gizi kurang?
Misalnya, x adalah jumlah anak dengan gizi kurang dalam
300 anak maka
= 1,5 x 3 = 4,5
bila tidak terdapat anak dengan gizi kurang maka
P(0) = (4,5)0 x e-4,5 = 0,0111
Dan probabilitas yang diperoleh anak dengan gizi kurang
adalah
1-0,0111 = 0,9889

2)dari data yang lalu diketahui bahwa terdapat 5


orang penderita yang membutuhkan
pemeriksaan EKG. Bila kita ingin mengetahui
probabilitas sebesar 0, 1, 2, 3, dan 4 orang
penderita yang membutuhkan pemeriksaan EKG
maka untuk mengetahui probabilitas tersebut
dapat digunakan rumus poisson.
= 5 e-5 = 0,00674 (lihat tabel poisson)
P(0) = (50)(0,00674)/0! = 0,00674
P(1) = (51)(0,00674)/1! = 0,00337
P(2) = (52)(0,00674)/2! = 0,0842
P(3) = (53)(0,00674)/3! = 0,14
P(4) = (54)(0,00674)/4! = 0,17

DISTRIBUSI NORMAL
Macam-macam distribusi yang dibicarakan di
atas, semua variabel acaknya bersifat diskrit.
Sekarang kita alihkan perhatian kita kepada
distribusi dengan variabel acak kontinu.
Distribusi dengan variabel acak kontinu yang
pertama kali kita bicarakan di sini ialah
distribusi normal atau pulasering disebut
distribusi Gauss. Distribusi ini merupakan
salah satu yang paling penting dan banyak
digunakan.

Contoh: 10% dari penduduk tergolong


kategori A.
Sebuah sampel acak terdiri atas 400
penduduk telah diambil.
Tentukan peluangnya akanterdapat:
paling banyak 30 orang tergolong kategori
A,

Paling banyak 30 orang dari kategori A, berarti X


= 0, 1, 2, .... , 30.Melakukanpenyesuaian
terhadap X, maka sekarang X menjadi - 0,5 <
X<30,5, sehingga:
dan

Luas daerahyang diarsir adalah0,5 - 0,4429 =


0,0571. Peluangnya terdapat paling hanyak 30
orang termasuk kategori A adalah 0,0571

DISTRIBUSI STUDENT
Distribusi dengan variabel acak kontinu
lainnya, selain dari distribusi normal, ialah
distribusi Student atau distribusi t. Fungsi
densitasnya adalah:

DISTRIBUSI CHI KUADRAT


Distribusi chi kuadrat merupakan
distribusi dengan variabel acak kontinu.
Simbol yang dipakai untuk chi kuadrat
ialah X2 (baca : ci kuadrat).
Persamaan distribusi chi kuadrat adalah :

DISTRIBUSI F
Distribusi F ini juga mempunyai variabel
acak yang kontinu. Fungsi densitasnya
mempunyai persamaan :

DAFTAR PUSTAKA
Budiarto E. Biostatistika untuk kedokteran dan
kesehatan masyarakat. Jakarta : EGC
Sugiyono. 2012. Statistika Untuk Penelitian.
Bandung: Alfabeta Bandung
Santosos, S.2003. Statistik Deskrif konsep dan
aplikasi dengan MS Excel dan SPSS. Yogyakarta:
ANDI
Sudjana.2005. Metode Statistika. Bandung: Tarsito
Budiarto, E. 1984. Dasar-dasar metode statistika
kedokteran. Bandung : Alumni
Dajan, A. 1987. Pengantar metode statistik. Jakarta:
LP3ES

terimakasih