MODUL II
DISTRIBUSI PROBABILITAS
Page 1
MODUL II
DISTRIBUSI PROBABILITAS
1.1
Tujuan Praktikum
Berikut ini adalah tujuan praktikum yang akan dilakukan:
1. Mampu menjelaskan perbedaan antara distribusi diskrit dengan distribusi kontinyu.
2. Mampu menghitung fungsi distribusi/kepadatan probabilitas (PDF) secara manual
dan dengan bantuan software minitab.
3. Mampu menghitung fungsi distribusi kumulatif (CDF) secara manual dan dengan
bantuan software minitab.
4. Mampu menghitung variabel acak x jika diketahui distribusi probabilitasnya.
1.2
Teori Singkat
A. Distribusi Diskrit
Distribusi probabilitas diskrit adalah distribusi probabilitas dimana semesta variabel
acaknya dapat dihitung atau berhingga, misalnya variabel acak sebuah lemparan dadu bernilai
1 hingga 6 (nilai variabel acaknya bernilai integer). Apabila himpunan pasangan terurut (x,
f(x)) merupakan suatu fungsi distribusi probabilitas, fungsi kepadatan probabilitas, atau
distribusi probabilitas variabel acak diskrit x maka untuk setiap kemungkinan hasil x berlaku:
a. f(x) > 0
b. f (x) = 1
c. P (X=x) = f(x)
1. Distribusi Hipergeometrik
Distribusi hipergeometrik sebenarnya amat mirip dengan distribusi binomial.
Perbedaannya hanya pada cara pengambilan sampelnya. Untuk kasus binomial
diperlukan kekebasan antar usaha. Misalnya pada pengambilan sampel dari sejumlah
barang, maka pengambilan harus dilakukan dengan pengembalian untuk setiap barang
Page 2
bernama
untuk
Mean,
Variance,
2. Distribusi Binomial
Distribusi binomial adalah distribusi probabilitas yang mengamati keberhasilan
(peristiwa) dalam jumlah tetap percobaan independen. Data bilangan bulat lebih besar
atau sama dengan 0. Sifat-sifat dari distribusi binomial yaitu:
a. Digunakan dalam kegiatan sampling dari populasi terbatas tanpa pengembalian
(menaruh kembali sampel dalam populasi)
b. Digunakan dalam rangkaian kegiatan percobaan dengan hasilnya dua hasil (outcome)
yaitu sukses dan gagal
Laboratorium OSI & K | Praktikum Pengendalian Kualitas 2014
Page 3
dan gagal
px qn-x
yaitu
Mean,
Variance,
keterangan :
b : parameter distribusi binomial
q : probabilitas kegagalan
p : probabilitas berhasil
3. Distribusi Poisson
Menurut Walpole (1995), distribusi poisson adalah distribusi probabilitas acak poisson
X, yang menyatakan banyaknya sukses yang terjadi dalam suatu selang waktu atau
daerah tertentu. Bilangan X yang menyatakan banyaknya hasil percobaan dalam suatu
percobaan poisson disebut variabel acak poisson dan sebaran probabilitasnya disebut
sebaran poisson. Berdasarkan suatu percobaan yang disebut proses poisson yang
memiliki sifat yaitu;
1. Banyaknya hasil yang terjadi dalam suatu selang waktu atau daerah tertentu yang tidak
terpengaruh (bebas dari) apa yang terjadi pada selang waktu atau daerah lain yang
terpisah. Proses poisson dikatakan memoryless (tidak punya ingatan).
2. Probabilitas terjadinya suatu hasil (tunggal) dalam selang waktu yang amat pendek
atau dalam daerah kecil sebanding dengan panjang selang waktu atau besarnya daerah
dan tidak tergantung pada banyaknya hasil yang terjadi di luar selang waktu atau
daerah tersebut.
3. Probabilitas terjadinya lebih dari satu hasil dalam selang waktu yang pendek atau
daerah yang sempit tersebut dapat diabaikan.
Page 4
terjadi dalam suatu selang waktu atau daerah tertentu dinyatakan dengan
adalah
Mean,
Variance,
B. Distribusi Kontinyu
Distribusi kontinyu adalah distribusi yang memiliki interval dari bilangan real dalam
intervalnya. Biasanya dinyatakan dalam suatu pengukuran yang memiliki dimensi atau satuan.
Fungsi f(x) adalah fungsi kepadatan (density) probabilitas untuk variabel kontinu X, jika
1.
f ( x) 0
2.
3.
P (a X b) f ( x)dx
f ( x)dx 1
b
1. Distribusi Normal
Distribusi normal merupakan salah satu distribusi probabilitas yang populer dan
banyak digunakan dalam berbagai keperluan baik dalam ilmu sosial, ilmu alam atau teknik.
Dengan memanfaatkan distribusi normal maka kita dapat menghitung berapa probabilitas
variabel acak diantara nilai-nilai yang kita tetapkan. Variabel random X berdistribusi
normal dengan rata-rata dan varians 2 jika mempunyai fungsi densitas,
(x) = n(x; , )
1 x
, - x
Dimana :
e = 2,71828, = 3,1416
Suatu distribusi dikatakan normal apabila sesuai dengan karakteristik distribusi yang
secara teoritis diturunkan dari apa yang disebut sebagai distribusi normal baku. Distribusi
Laboratorium OSI & K | Praktikum Pengendalian Kualitas 2014
Page 5
ini empunyai nilai rata-rata 0 dan varians 1. Luas area untuk distribusi normal baku telah
disusun dalam sebuah tabel yang dikenal sebagai tabel normal baku (lihat lampiran).
Dengan adanya tabel ini maka kita dapat menghitung probabilitas variabel acak dari data
yang berdistribusi normal hanya dengan menggunakan transformasi Z yang rumusnya
adalah :
Zi
Xi
Distribusi normal sangat sesuai dengan distribusi empiris, sehingga dapat dikatakan
bahwa semua kejadian alami akan membentuk distribusi ini. Karena alasan inilah sehingga
distribusi ini dikenal sebagai distribusi normal dan grafiknya dikenal sebagai kurva normal
atau kurva gauss.
0,1
Page 6
1.3
Tugas Pendahuluan
Page 7
b. Jika ada 5 chip yang rusak, berapa probabilitas paling sedikit 2 dalam sampel tersebut.
9. Pemerintah daerah menduga terdapat beberapa perusahaan petrokimia di wilayahnya
telah melanggar aturan dengan membuang limbah yang mengandung polutan berbahaya
ke sungai. Jika ada 20 perusahaan yang diduga melakukan pelanggaran dengan asumsi
bahwa ada 3 perusahaan yang telah terbukti melanggar. Tentukan probabilitas
a. Dari pemeriksaan acak sebanyak 5 perusahaan, tidak ditemui perusahaan yang terbukti
melanggar.
b. Dari pemeriksaan acak sebanyak 5 perusahaan, akan ditemui 2 perusahaan yang
terbukti melanggar.
10. Bram mengikuti sebuah tes, dimana tes tersebut berisi 20 soal pilihan ganda dengan 4
alternatif jawaban dan hanya ada satu jawaban yang benar. Tentukan probabilitas:
a. Bram menjawab 10 soal dengan benar.
b. Bram menjawab paling banyak 5 soal yang salah.
11. Probabilitas produk yang diproduksi tidak cacat adalah 0,9. Bila 15 produk diketahui
cacat, berapa probabilitas bahwa :
a. Terdapat 5 produk cacat.
b. Terdapat tidak kurang dari 12 produk tidak cacat.
c. Terdapat 10 sampai 13 produk tidak cacat.
12. Seorang tukang tik rata-rata melakukan 2 kesalahan per halaman. Berapakah peluang dia
melakukan:
a. 4 atau lebih kesalahan pada halaman berikut yang dia ketik.
b. Tidak ada kesalahan.
13. Di suatu simpang jalan rata-rata terjadi
Page 8
Page 9
20. Sebuah pabrik pipa air menghasilkan pipa-pipa dari ukuran panjang 6 meter. Dari
pengukuran secara teliti ternyata pipa yang dihasilkan mempunyai panjang rata-rata
599,5 cm dengan standard deviasi 0,5 cm. ukuran pipa yang memenuhi syarat yaitu
paling pendek 599 cm dan paling panjang 601 cm. tentukan probabilitas:
a. Mempunyai panjang tidak lebih dari 600 cm.
b. Mempunyai panjang kurang dari 599 cm.
c. Memenuhi syarat.
Page 10