Anda di halaman 1dari 9

STATISTIK II

MATERI
FAKULTAS/JURUSAN
SEMESTER/TAHUN AKADEMIK
MODUL/TATAP MUKA KE
PENYUSUN

:DISTRIBUSI PROBABILITAS DISKRIT


: FE / MANAJEMEN
: GANJIL / 2004/2005
: 3 (KETIGA)
: YANUAR,SE.,MM.

TUJUAN INSTRUKSIONAL KHUSUS:


Diharapkan mahasiswa mampu:
1. Memahami distribusi probabilitas
2. Mendefinisikan distribusi probabilitas diskrit
3. Mampu melakukan perhitungan rata-rata hitung varian dan standar deviasi dari
distribusi probabilitas diskrit

DAFTAR MATERI PEMBAHASAN


Distribusi Probabilitas Diskrit
a. Pengertian Distribusi Probabilitas
b. Distribusi Probabilitas Binomial
c. Distribusi Probabilitas Hipergeometrik
d. Distribusi Probabilitas Poisson

Pusat Pengembangan Bahan Ajar - UMB

YANUAR, SE. MM
STATISTIK II

MODUL 3 / PERTEMUAN KETIGA


DISTRIBUSI PROBABILITAS DISKRIT

A. Pengertian Distribusi Probabilitas


Distribusi probabilitas menunjukkan hasil yang diharapkan terjadi dari suatu
percobaan atau kegiatan dengan nilai probabilitas masing-masing hasil tersebut. Untuk
memahami bagaimana sebuah distribusi probabilitas disusun dapat dikaji dari contoh
berikut.
Ada 3 orang nasabah yang akan menabung di bank. Jumlah bank di Jl. Meruya, Jakarta
Barat ada 2, yaitu BCA dan BNI. Ketiga orang itu bebas memilih bank tempatnya akan
menabung, mau BCA semua, di BCA dan BNI atau BNI semua. Berikut adalah
kemungkinan dari pilihan ketiga orang tersebut.
Kemungkinan
pilihan
1
2
3
4
5
6
7
8

Nasabah
2
BCA
BCA
BNI
BNI
BCA
BCA
BNI
BNI

1
BCA
BCA
BCA
BCA
BNI
BNI
BNI
BNI

3
BCA
BNI
BCA
BNI
BCA
BNI
BCA
BNI

Jumlah
pilihan BNI
0
1
1
2
1
2
2
3

Hasil yang diperoleh disusun distribusi probabilitas sebagai berikut.


Jumlah BNI
di pilih
nasabah
0
1
2
3

Jumlah
frekwensi

Total
kemungkinan

1
8
3
8
3
8
1
8
Jumlah Total Distribusi Probabilitas

Distribusi probabilitas
hasil P(r)
1/8
3/8
3/8
1/8

0,125
0,375
0,375
0,125
1,000

Dengan distribusi probabilitas hasil P(r) memudahkan kita untuk mengetahui probabilitas
dari kejadian yang bersifat acak atau untung-untungan. Bila ada 3 calon nasabah, berapa
probabilitas ketiganya akan memilih BNI? Dengan distribusi probabilitas dengan cepat
bisa dijawab 0,125. Pada distribusi probabilitas juga bisa dilihat bahwa nilai total distribusi
frekwensi adalah 1,000.
Dalam bentuk grafik poligon, distribusi frekwensi dapat disajikan sebagai berikut.
Pusat Pengembangan Bahan Ajar - UMB

YANUAR, SE. MM
STATISTIK II

Grafik Distribusi Probabilitas Pilihan Nasabah


0.375 0.375
0.4
0.3

0.125

0.2

0.125

0.1
0
0

Jumlah Pilihan

Distribusi Probabilitas : Sebuah daftar dari keseluruhan hasil suatu percobaan kejadian
yang disertai dengan nilai probabilitas masing-masing hasil (event)
a. Variabel Acak (Random): Ukuran hasil suatu percobaan yang bersifat acak.
Contoh:
1. Melempar uang ke udara akan menghasilkan Gambar (G) atau Angka (A)
Bila melempar uang dua kali, gambar bisa muncul 2 kali, 1 kali atau 0 (tidak muncul)
Percobaan melempar uang ke udara = percobaan acak
Nilai hasil yang muncul gambar seperti 2, 1, dan 0 = variabel acak
2. Harga saham di BEJ dapat berubah-ubah dalam hitungan menit. Harga saham BCA
misalnya dibuka pada Rp. 2.475 per lembar, kemudian terjadi fluktuasi antara Rp. 2.350
Rp. 2.475 dan akhirnya ditutup pada harga Rp. 2.375.
Perubahan harga saham adalah percobaan atau kejadian acak
Nilai harga seperti 2.475, 2.375, 2.350 nilai hasil kejadian = variabel acak
3. PT Moena Jaya Farm menimbang berat setiap semangka yang akan dikirim ke
supermarket. Dari 5 semangka beratnya adalah 3,56 5,73 6,45 4,87 5,38 Kg.
Penimbangan berat = percobaan acak
Nilai berat setiap buah = variabel acak
Variabel acak = hasil ukuran dari percobaan yang bersifat acak

b. Variabel Acak Diskret


Merupakan ukuran hasil dari percobaan yang bersifat acak dan mempunyai nilai
tertentu yang terpisah dalam suatu interval
Merupakan hasil dari perhitungan dan biasanya berupa bilangan bulat
Misalnya: jumlah mobil, jumlah buah, jumlah sepatu, dsb.
Pusat Pengembangan Bahan Ajar - UMB

YANUAR, SE. MM
STATISTIK II

c. Variabel Acak Kontinu


Mempunyai nilai yang menempati seluruh interval hasil percobaan
Merupakan hasil dari pengukuran dan bisa berupa bilangan bulat atau pecahan
Misalnya: berat badan, tinggi badan, panjang jalan, lebar sungai, dsb.

a. Distribusi probabilitas diskrit

Distribusi binomial, multinomial, Poisson

b. Distribusi probabilias kontinu

Distribusi normal, Chi-kuadrat dll

Disamping percobaan tunggal, suatu percobaan mungkin dilakukan secara berulangkali


(berulang-ulang). Tiap-tiap ulangan dalam percobaan dilakukan secara terpisah, yakni
peristiwa dalam suatu percobaan tidak akan mempengaruhi hasil percobaan berikutnya.
Apabila masing-masing percobaan hanya mempunyai 2 kemungkinan peristiwa, misalnya
sukses dan gagal, ya atau tidak, diterima atau ditolak dan probabilitas peristiwa tetap sama
selama percobaan.
Karena hanya dua kejadian, maka dikenal dengan Binomial
Percobaan yang diulang tersebut disebut Percobaan Bernoulli.

Ciri-ciri Percobaan Bernoulli:


1. Setiap percobaan atau kegiatan hanya menghasilkan 2 dua kejadian
Percobaan/Kegiatan
Melempar uang ke udara
Transaksi di Bursa
Perubahan harga-harga
Kelahiran anak
Menaksir Gadis

1.
2.
1.
2.
1.
2.
1.
2.
1.
2.

Kejadian
Muncul gambar
Muncul angka
Beli saham
Jual saham
Inflasi
Deflasi
Lahir laki-laki
Lahir perempuan
Diterima
Ditolak

2. Probabilitas sebuah kejadian baik sukses maupun gagal tetap bernilai sama
Probabilitas jual saham = 0,8

Probabilitas lahir laki-laki

= 0,6

Probabilias beli saham = 0,2

Probabilitas lahir perempuan = 0,4

3. Percobaan bersifat indenpenden


Hasil suatu percobaan tidak mempengaruhi hasil percobaan lainnya

Pusat Pengembangan Bahan Ajar - UMB

YANUAR, SE. MM
STATISTIK II

Bila seorang ibu melahirkan bayi perempuan, maka tidak akan mempengaruhi kelahiran
bayi bagi ibu lainnya
4. Data yang dikumpulkan merupakan hasil perhitungan
Percobaan Bernoulli merupakan variabel diskret

B. Pembentukan Distribusi Binomial


Untuk membentuk suatu distribusi binomial diperlukan dua hal:
1. Banyaknya/jumlah percobaan/kegiatan
2. Probabilitas suatu kejadian baik sukses maupun gagal
Distribusi probabilitas binomial dapat dinyatak sebagai berikut.

P(r) =

n!
pr . qn r
r! (n r)!

Dimana:
P(r) = Nilai probabilitas binomial
p

= Probabilitas sukses suatu kejadian dalam setiap percobaan

= Banyaknya peristiwa sukses suatu kejadian untuk keseluruhan percobaan

= Jumlah total percobaan

= Probabilitas gagal suatu kjadian yang diperoleh dari

= Lambang faktorial

q=1p

Contoh.
1. PT Moena Jaya Farm (MJF) mengirim buah semangka ke Hero supermarket. Dengan
jaminan kualitas yang baik, maka 90% semangka yang dikirim lolos seleksi. PT MJF
setiap hari mengirim 15 buah semangka dengan berat 5-6 Kg.
a. Berapa probabilitas 15 buah diterima?
b. Berapa probabilitas 13 buah diterima?
c. Berapa probabilitas 10 buah diterima?
a. Probabilitas 15 buah diterima
n = 15

p = 0,9

r = 15

q = 0,1

Pusat Pengembangan Bahan Ajar - UMB

YANUAR, SE. MM
STATISTIK II

n!
pr . qn r
r! (n r)!
15!
P(15) =
0,915 . 0,11515
15! (15 15)!

P(r) =

P(15) = 1 x 0,206 x 1
P(15) = 0,206
b. Probabilitas 13 buah diterima dan 2 buah ditolak
n = 15

p = 0,9

r = 13

q = 0,1

n!
pr . qn r
r! (n r)!
15!
P(13) =
0,913 . 0,11513
13! (15 13)!

P(r) =

P(13) =

15!
0,913 . 0,12
13! (2)!

15 x 14
x 0,254 x 0,01
2 x1

15 x 14 x 13 x 12 x 11
x 0,35 x 0,00001
5x4x3x2

P(15) = 0,267
c. Probabilitas 10 buah diterima
n = 15

p = 0,9

r = 10

q = 0,1

P(10) =

15!
0,910 . 0,11510
10! (15 10)!

P(10) =

15!
0,910 . 0,15
10! (5)!

P(10) = 0,01
Jadi probabilitas untuk diterima 15 buah = 20,6%, diterima 13 buah = 26,7% dan
diterima 10 buah = 10,0%

C. Distribusi Probabilias Hipergeometrik


Distribusi binomial mengasumsikan bahwa suatu kejadian tetap. Probabilitas sukses dan
gagal suatu percobaan tetap, karena percobaan Bernoulli menggunakan prinsip
pengembalian

Pusat Pengembangan Bahan Ajar - UMB

YANUAR, SE. MM
STATISTIK II

Bila ada 6 buah baju, pada setiap pengambilan probabilitasnya 1/6. Bila menggunakan
prinsip tanpa pengembalian, maka probabilitas pengambilan pertama 1/6, pengambilan
kedua 1/5 dan berikutnya , dst.
1. Tanpa pengembalian, percobaan bersifat tidak indenpenden
2. Nilai probabilitas setiap percabaan berbeda
Untuk percobaan tanpa pengembalian, distribusi binomial tak dapat digunakan
Pada kasus di mana terjadi percobaan tanpa pengembalian pada populasi yang terbatas dan
jumlah sampel terhadap populasi lebih dari 5%, distribusi Hipergeometrik lebih tepat
digunakan.

P(r) =

( s C r ) ( N -s C n - r )
N Cn

Di mana:
P(r)
N
S
r
n
C

: Probabilitas Hipergeometrik dengan kejadian r sukses


: Jumlah populasi
: Jumlah sukses dalam populasi
: Jumlah sukses yang menjadi perhatian
: Jumlah sampel
: Simbol kombinasi

Contoh
Dari semua perusahaan yang menjual sahamnya (emiten) di BEJ tahun 2003 yang
membagikan deviden mencapai 33 perusahaan. Dari 33 perusahaan tersebut, 20 perusahaan
berkinerja bagus dan membagikan deviden di atas Rp. 100 per lembar. Sebagai tindakan
pengawasan terhadap emiten, BEJ akan meminta 10 perusahaan memberikan laporan
keuangannya. Berapa dari 10 perusahaan sampel tersebut, 5 perusahaan merupakan
perusahaan yang akan membagikan deviden di atas Rp. 100 per lembarnya?
N = 33

S = 20

n = 10

r=5

P(r) =

( s C r ) ( N -s C n - r )
N Cn

P(r) =

( 20 C5 ) (33- 20 C10-5 )
15.504 x 1.287
=
= 0,216
92.561.040
33 C10

Jadi probabilitas 5 perusahaan sampel akan membagikan saham di atas Rp. 100 per lembar
adalah 21,6%
Pusat Pengembangan Bahan Ajar - UMB

YANUAR, SE. MM
STATISTIK II

Pada kasus n < 0,05 N, nilai distribusi binomial hampir sama dengan
distribusi hipergeometrik

D. Distribusi Probabilitas Poisson


Distribusi ini berguna bila p, probabilitas sukses dalam suatu percobaan sangat
kecil dan n, banyaknya percobaan sangat besar. Distribusi probabilitas Poisson mendekati
distribusi probabilitas binomial bila: n 50 dan p 0,1.
Sebagai contoh emiten di BEJ ada 330 (n), probabilitas harga saham naik dalam kondisi
krisis misalnya hanya 0,1 (p), maka berapa probabilitas 5 perusahaan harga sahamnya
meningkat?
P(r) =

n!
pr . qn r
r! (n r)!

P(r) =

330!
0,15 0,9330 5
5! (330 5)!

Bisa dibayangkan berapa 330! dan 0,9

330-5

Banyak peristiwa yang senada dengan persoalan Poisson seperti kemungkinan kesalahan
pemasukan data, kemungkinana cek ditolak oleh bank, jumlah pelanggan yang harus antri
pada pelayanan rumah sakit, restoran cepat saji atau antrian yang panjang bila ke ancol.

P(r) =

e r
r!

Di mana:
P(r)

e
r

: Nilai probabilitas distribusi Poisson


: Rata-rata hitung dari jumlah nilai sukses,
: Bilangan konstan = 2,7183
: Jumlah nilai sukses

= np

Contoh
Jumlah emiten di BEJ ada 150 perusahaan. Probabilitas perusahaan membagikan deviden
hanya 0,1. Bila BEJ meminta laporan dari emiten sebanyak 5 perusahaan, berapa
probabilitas 5 perusahaan tersebut adalah perusahaan yang membagikan deviden?
N = 150

r=5

p = 0,1

Pusat Pengembangan Bahan Ajar - UMB

YANUAR, SE. MM
STATISTIK II

= np = 150 x 0,1 = 15
P(r) =

e r
r!

P(5) =

2,718315 155
5!

0,232
= 0,002
120

Jadi probabilitas 5 perusahaan sampel membagikan deviden hanya 0,2%

Soal
1. Barang tertentu yang diproses pada suatu mesin ditemukan mengandung 1% cacat.
Hitunglah probabilitas mendapatkan 0, 1, 2, 3, 4 cacat dalam sampel berukuran 80
butir?

2. PT Ayu Jaya di Jakarta Timur merupakan produsen sepatu dengan merek Iquana.
Setiap jamnya dapat dihasilkan 10 buah sepatu. Probabilitas sepatu cacat karena
guntingan, lem dan lain-lain sebesar 20%. Berapa probabilitas minimal 50% dari
jumlah sepatu tersebut tidak cacat ?

3. PT Devanka Multi Abadi sebuah perusahaan percetakan di Ciganjur, Jakarta Selatan


setiap menit dari pabrik dapat dihasilkan 15 buku dengan 12 buku dalam kondisi baik
dan 3 rusak. Untuk meneliti mutu buku, maka setiap menit diambil sampel sebanyak 5
buku atau 33,33%. Berapa probabilitas dari 5 buku yang dijadikan sampel 4 buku
dalam kondisi baik (tidak rusak) ?

Pusat Pengembangan Bahan Ajar - UMB

YANUAR, SE. MM
STATISTIK II