Pengantar Statistik

Pertemuan ke : 07 & 08

Distribusi Teoretis
Ahmad Chirzun
Dosen Tetap Teknik Industri
Fakultas Sains dan Teknologi
2015

Distribusi Probabilitas

Distribusi Probabilitas, 1
Himpunan pasangan nilai-nilai variabel acak X dengan
probabilitas nilai-nilai variabel acak X, P(X = x) disebut probabilitas
X atau disingkat distribusi X. Himpunan pasangan tersusun (x, f(x))
adalah sebuah fungsi probabilitas atau fungsi kerapatan
probabilitas dari variabel acak X untuk setiap keluaran x yang
mungkin. Sifat - sifat fungsi f(x) adalah

a. Variabel acak diskrit

1.

f x P X x fungsi Probabilitas

2.

f x 0

3.

f x 1
x

Distribusi Probabilitas, 2
b. Variabel acak kontinyu
b

1. Pa X b f ( x)dx fungsi kepadatan Probabilitas/

a

probability density function (pdf)

2.
3.

f x 0

f x dx 1

Distribusi Probabilitas, 3
Jika variabel acak X memiliki fungsi probabilitas f(x), maka fungsi distribusi
kumulatif dari X, yaitu F(x) dinyatakan sebagai

f x

X x
F x P X x
X
f x dt

X diskrit

X kontinyu

Fungsi distribusi kumulatif F(x) dapat dinyatakan pada interval a X b yaitu

sebagai:

Pa X b F b F a .
Fungsi kerapatan probabilitas f(x) dapat dinyatakan sebagai hubungan dengan
distribusi kumulatif sebagai:
dF x
f x
dx

Distribusi Probabilitas, 4

Contoh : Distribusi Probabilitas

Soal :
Pada sebuah eksperimen probabilitas satu kali melempar dua
buah dadu secara bersamaan, distribusi probabilitas dari jumlah
mata dadu yang muncul ditentukan sebagai berikut:
Ruang sampell eksperimen adalah pasangan mata dadu yang
mungkin:
(1,1) (1,2) (1,3) (1,4) (1,5) (1,6)
(2,1) (2,2) (2,3) (2,4) (2,5) (2,6)
(3,1) (3,2) (3,3) (3,4) (3,5) (3,6)
(4,1) (4,2) (4,3) (4,4) (4,5) (4,6)
(5,1) (5,2) (5,3) (5,4) (5,5) (5,6)
(6,1) (6,2) (6,3) (6,4) (6,5) (6,6)

Contoh : Distribusi Probabilitas

Penyelesaian Soal :
Jika X adalah varibel acak diskrit yang menyatakan jumlah
mata dadu yang mungkin mucul, maka X =
{2,3,4,5,6,7,8,9,10,11,12}
Distribusi probabilitas untuk masing-masing nilai variabel X
membentuk fungsi probabilitas sebagai berikut:
P(X=2) = p(2) = 1/36
P(X=8) = p(8) = 5/36
P(X=3) = p(3) = 2/36
P(X=9) = p(9) = 4/36
P(X=4) = p(4) = 3/36
P(X=10) = p(10) = 3/36
P(X=5) = p(5) = 4/36
P(X=11) = p(11) = 2/36
P(X=6) = p(6) = 5/36
P(X=12) = p(12) = 1/36
P(X=7) = p(7) = 6/36
Fungsi probabilitas untuk variable diskrit seperti di atas dapat
ditampilkan dalam bentuk grafik batang

Contoh : Distribusi Probabilitas

Penyelesaian Soal :
p(x)

6/36

5/36

4/36

3/36

2/36

1/36

10

11

12

Contoh : Distribusi Probabilitas

Penyelesaian Soal :
Dari fungsi probabilitas jumlah mata dadu yang muncul pada eksperimen
melempar dua mata dadu dalam Contoh 2 dapat dibentuk fungsi distribusi
kumulatif (cdf) sbb :

p( x ) p(2) 1/ 36
x 2
F (3) p( x ) p(2) p(3) 1/ 36 2 / 36 3 / 36
x 3
F (4) p( x ) p(2) p(3) p(4) 1/ 36 2 / 36 3 / 36 6 / 36
x 4
F (5) p( x ) p(2) p(3) ... p(5) 1/ 36 2 / 36 ... 4 / 36 10 / 36
x 5
F (6) p( x ) p(2) p(3) ... p(6) 1/ 36 2 / 36 ... 5 / 36 15 / 36
x 6
F (7) p( x ) p(2) p(3) ... p(7) 1/ 36 2 / 36 ... 6 / 36 21/ 36
x 7
F (8) p( x ) p(2) p(3) ... p(8) 1/ 36 2 / 36 ... 5 / 36 26 / 36
x 8
F (9) p( x ) p(2) p(3) ... p(9) 1/ 36 2 / 36 ... 4 / 36 30 / 36
x 9
F (10) p( x ) p(2) p(3) ... p(10) 1/ 36 2 / 36 ... 3 / 36 33 / 36
x 10
F (11) p( x ) p(2) p(3) ... p(11) 1/ 36 2 / 36 ... 2 / 36 35 / 36
x 11
F (12) p( x ) p(2) p(3) ... p(12) 1/ 36 2 / 36 ... 1/ 36 36 / 36
F (2)

x 12

Contoh : Distribusi Probabilitas

Penyelesaian Soal :
F(x)

36/36

30/36

24/36

18/36

12/36

6/36

10

11

12

12

Distribusi Teoretis - Peluang

Distribusi Peluang, 1
Adalah suatu daftar yang disusun berdasarkan probabilitas dari
peristiwa - peristiwa bersangkutan.
Frekuensi dari distribusi itu diperoleh melalui perhitungan perhitungan, karena itu distribusi teoretis dapat pula diartikan
sebagai distribusi yang diperoleh secara matematis (perhitungan).
Berdasarkan bentuk variabelnya, dibedakan dua jenis, yaitu :
1. Distribusi Peluang Kontinyu
2. Distribusi Peluang Diskrit

Distribusi Peluang
Distribusi Kontinyu

Distribusi Diskrit

Distribusi Peluang, 2
Adapun masing - masing kelompok Distribusi Teoretis Diskrit
dan Distribusi Teoretis Kontinyu mempunyai jenis sbb :

Distribusi Peluang
Distribusi Peluang Kontinyu

Normal

Distribusi Peluang Diskrit

Binomial

t - Student

Poisson

Exponential

Hypergeometric

Variabel Acak
Adalah variabel yang nilai - nilainya ditentukan oleh
kesempatan atau variabel yang dapat bernilai numerik yang
didefinisikan dalam suatu ruang sampel.
Dikenal dua Variabel, yaitu :
1. Variabel Diskrit
Nilainya jelas
0

2. Variabel Kontinyu
Nilainya dapat terjadi dimanapun dalam interval ini

100

Variabel Diskrit

Variabel acak yang tidak mengandung seluruh nilai yang ada

dalam sebuah interval atau variabel yang hanya memiliki
nilai tertentu.

Syarat variabel acak :

f(x) 0 ; f(x) = 1

Nilainya jelas

Dapat digambarkan dalam bentuk tabel, grafik & persamaan.

Contoh : Jumlah martil ada 4 (sesuatu yang jelas dan pasti)

Variabel Kontinyu
Memiliki nilai yang tidak
Contoh Contoh :
terhingga banyaknya sepanjang
sebuah interval yang tidak
Tekanan suatu ban mobil
terputus (variabel acak kontinu
biasanya diperoleh dari
pengukuran)
Berat dari suatu
0

100

Daging yang sedang

dibakar

Nilai-nya dapat terjadi dimanapun

dalam interval ini
Tinggi mahasiswa dalam suatu kelas

Variabel Kontinyu

Distribusi probabilita kontinu, yaitu apabila random variabel

yang digunakan kontinu.
Probabilita dihitung untuk nilai dalam suatu interval tertentu.
Probabilita di suatu titik = 0.
Probabilita untuk random variabel kontinu (nilai-nilainya
dalam suatu interval), misalkan antara x1 dan x2, didefinisikan
sebagai luas daerah di bawah kurva (grafik) fungsi probabilita
antara x1 dan x2.

19

Distribusi Peluang - Kontinyu

20

Distribusi Normal

Distribusi Normal, 1
Pengertian :
Salah satu distribusi teoretis dari variabel acak kontinyu.
Sering disebut juga Distribusi Gauss (penemunya Karl Gauss pada
abad ke 18, ahli matematika dan astronomi)
Distribusi normal memiliki fungsi sbb :

1
f ( x)
e
2

Keterangan :
x = nilai data
= 3,14
= simpangan baku
= rata - rata x
e = bilangan alam = 2,71828

( x- )2
2 2

Distribusi Normal, 2

Variabel acak yang berdistribusi Normal Baku adalah suatu

variabel acak yang berdistribusi Normal dengan rata-rata 0
dan varian 1, dan dinotasikan dengan z.

Variabel acak Normal dapat diubah menjadi variabel acak

Normal Baku dengan transformasi :
Keterangan :
x = nilai data
= 3,14
= simpangan baku
= rata - rata x

x-
z=

Distribusi Normal, 3
Merupakan distribusi yang simetris dan berbentuk lonceng.
Pada bentuk tersebu ditunjukkan hubungan ordinat pada rata rata dengan berbagai ordinat pada berbagai jarak simpangan
baku yang diukur dari rata - rata.

3 2 1

+1 +2 +3

Distribusi Normal, 4

Distribusi Normal, 5

Distribusi Normal, 6

Distribusi Normal, 7
Kurva tersebut dipengaruhi oleh rata - rata () dan simpangan
baku (). Jika rata - rata () besar dan simpangan baku () besar,
maka kurvanya makin rendah. Sebaliknya jika rata - rata () kecil
dan simpangan baku () kecil, maka kurvanya makin tinggi.
Dari bentuk kurva distribusi normal dapat diketahui sifat sifat distribusi normal yaitu :
1. Bentuk distribusi normal adalah bentuk lonceng dengan satu
puncak.
2. Rata - rata () terletak di tengah - tengah.
3. Nilai rata - rata = median = modus yang memberikan pola
simetris
4. Ujung - ujung kurvanya sejajar dengan sumbu horizontal
(sumbu-X) dan tidak akan pernah memotong sumbu tersebut.

Distribusi Normal, 8
5. Luas total area di bawah kurva normal adalah 1. (luas bagian di
sebelah kiri = sebelah kanan ).
6. Data sebagian besar ada di tengah - tengah dan sebagian kecil
ada di tep, yaitu :

68,26% nilai dari suatu variabel acak normal berada pada

interval

95,44% nilai dari suatu variabel acak normal berada pada

interval 2

99,72% nilai dari suatu variabel acak normal berada pada

interval 3

Distribusi Normal, 9
Karakteristik Distribusi Normal :

Bentuk kurva normal seperti bel dan simetris.

Parameter , menunjukkan lebar dari kurva normal

(semakin besar nilainya, semakin lebar).

Titik tertinggi dari kurva nomal terletak pada nilai ratarata=median=modus.

Luas total area di bawah kurva normal adalah 1. (luas

bagian di sebelah kiri = sebelah kanan ).

Probabilita suaru random variabel normal sama dengan

luas di bawah kurva normal.

Sifat-Sifat
Simetris terhadap rata-rata
Rata-rata = median = modus
sebagai titik belok kurva
a) 34 % data dalam jarak 1
b) 68 % data dalam jarak 2
c) 97 % data dalam jarak 3

Sifat-Sifat
Masalah
Menghitung P(a<X<b)
Dengan integral analitis : terlalu sukar
Dengan metode numerik : tidak praktis : tapi sekarang ada
kalkulator
Membuat tabel yang khusus : tabel normal standar

Transformasi pada Distribusi Normal

P(X a)

a x
P Zx

a x

a x
b x
P
Zx

x
x

P(a X b)

P(X b)

Zx

a x

b x

Zx

b x
1 P Zx

b x

Zx

Membaca Tabel Distribusi Normal

Luas daerah arsiran:

( z ) P (Z z )

z
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.0
1.1
1.2
1.3
1.4
1.5

0.00
0.5000
0.5398
0.5793
0.6179
0.6554
0.6915
0.7257
0.7580
0.7881
0.8159
0.8413
0.8643
0.8849
0.9032
0.9192
0.9332

0.01
0.5040
0.5438
0.5832
0.6217
0.6591
0.6950
0.7291
0.7611
0.7910
0.8186
0.8438
0.8665
0.8869
0.9049
0.9207
0.9345

0.02
0.5080
0.5478
0.5871
0.6255
0.6628
0.6985
0.7324
0.7642
0.7939
0.8212
0.8461
0.8686
0.8888
0.9066
0.9222
0.9357

1
2
0.03
0.5120
0.5517
0.5910
0.6293
0.6664
0.7019
0.7357
0.7673
0.7967
0.8238
0.8485
0.8708
0.8907
0.9082
0.9236
0.9370

t2
2

dt
0

0.04
0.5160
0.5557
0.5948
0.6331
0.6700
0.7054
0.7389
0.7704
0.7995
0.8264
0.8508
0.8729
0.8925
0.9099
0.9251
0.9382

0.05
0.5199
0.5596
0.5987
0.6368
0.6736
0.7088
0.7422
0.7734
0.8023
0.8289
0.8531
0.8749
0.8944
0.9115
0.9265
0.9394

0.06
0.5239
0.5636
0.6026
0.6406
0.6772
0.7123
0.7454
0.7764
0.8051
0.8315
0.8554
0.8770
0.8962
0.9131
0.9279
0.9406

0.07
0.5279
0.5675
0.6064
0.6443
0.6808
0.7157
0.7486
0.7794
0.8078
0.8340
0.8577
0.8790
0.8980
0.9147
0.9292
0.9418

0.08
0.5319
0.5714
0.6103
0.6480
0.6844
0.7190
0.7517
0.7823
0.8106
0.8365
0.8599
0.8810
0.8997
0.9162
0.9306
0.9429

0.09
0.5359
0.5753
0.6141
0.6517
0.6879
0.7224
0.7549
0.7852
0.8133
0.8389
0.8621
0.8830
0.9015
0.9177
0.9319
0.9441

Membaca Tabel Distribusi Normal

1.6
1.7
1.8
1.9
2.0
2.1
2.2
2.3
2.4
2.5
2.6
2.7
2.8
2.9
3.0
3.1
3.2
3.3

0.9452
0.9554
0.9641
0.9713
0.9772
0.9821
0.9861
0.9893
0.9918
0.9938
0.9953
0.9965
0.9974
0.9981
0.9987
0.9990
0.9993
0.9995

0.9463
0.9564
0.9649
0.9719
0.9778
0.9826
0.9864
0.9896
0.9920
0.9940
0.9955
0.9966
0.9975
0.9982
0.9987
0.9991
0.9993
0.9995

0.9474
0.9573
0.9656
0.9726
0.9783
0.9830
0.9868
0.9898
0.9922
0.9941
0.9956
0.9967
0.9976
0.9982
0.9987
0.9991
0.9994
0.9995

0.9484
0.9582
0.9664
0.9732
0.9788
0.9834
0.9871
0.9901
0.9925
0.9943
0.9957
0.9968
0.9977
0.9983
0.9988
0.9991
0.9994
0.9996

0.9495
0.9591
0.9671
0.9738
0.9793
0.9838
0.9875
0.9904
0.9927
0.9945
0.9959
0.9969
0.9977
0.9984
0.9988
0.9992
0.9994
0.9996

0.9505
0.9599
0.9678
0.9744
0.9798
0.9842
0.9878
0.9906
0.9929
0.9946
0.9960
0.9970
0.9978
0.9984
0.9989
0.9992
0.9994
0.9996

0.9515
0.9608
0.9686
0.9750
0.9803
0.9846
0.9881
0.9909
0.9931
0.9948
0.9961
0.9971
0.9979
0.9985
0.9989
0.9992
0.9994
0.9996

0.9525
0.9616
0.9693
0.9756
0.9808
0.9850
0.9884
0.9911
0.9932
0.9949
0.9962
0.9972
0.9979
0.9985
0.9989
0.9992
0.9995
0.9996

0.9535
0.9625
0.9699
0.9761
0.9812
0.9854
0.9887
0.9913
0.9934
0.9951
0.9963
0.9973
0.9980
0.9986
0.9990
0.9993
0.9995
0.9996

0.9545
0.9633
0.9706
0.9767
0.9817
0.9857
0.9890
0.9916
0.9936
0.9952
0.9964
0.9974
0.9981
0.9986
0.9990
0.9993
0.9995
0.9997

3.4

0.9997

0.9997

0.9997

0.9997

0.9997

0.9997

0.9997

0.9997

0.9997

0.9998

Membaca Tabel Distribusi Normal

(a) P(Z 1,25) = (1,25)

1,25

(1,25)

(b) P(-0,38 Z 1,25)

1,25

1,25

-0,38

(0,48)

(c) P(Z > 0,48)

=
0,48

(-0,38)

=
-0,38

0,48

Tabel normal standart

0

zo

zo

0,0

0,5000

0,5004

0,1

0,5398

0,2
.
.
.

0,5080

0,5279

0,5319

0,5359

0,5348

0,5478

0,5675

0,5714

0,5754

0,5793

0,5832

0,5871

0,6064

0,6103

0,6141

1,0

0,8413

0,8438

0,8461

0,8577

0,8599

0,8621

1,1

0,8643

0,8665

0,8686

0,8790

0,8810

0,8830

1,2
.
.
.

0,8849

0,8869

0,8888

0,8980

0,8997

0,9015

2,5

0,9938

0,9940

0,9941

0,9949

0,9951

0,9952

2,6

0,9953

0,9955

0,9956

0,9962

0,9963

0,9964

2,7

0,9965

0,9966

0,9967

0,9972

0,9973

0,9974

Permasalahan
Probabilitas di
bawah luasan
kurva

P c X d ?

f(X)

Contoh

Penghitungan

P(Z<1,96)=0,975

1,96

P(-1,645<Z<1,96)=P(Z<1,96)-P(Z<-1,645)
= 0,975-0,05

-1,645

1,96

Contoh 1 : Distribusi Normal, 1

Soal :
1. Sebuah pabrik limun dalam kaleng, volume limun per kaleng
terdistribusi normal dengan rata rata 330 ml dan standar
deviasi 10 ml. Sebuah kaleng diambil dan diukur volumenya.
Berapakah peluang kaleng mempunyai volume :
a. Antara 325 340 ml ?
b. Kurang dari 345 ml ?
c. Lebih dari 338 ml ?

Contoh 1 : Distribusi Normal, 2

Jawaban :
a. Antara 325 340 ml ? P (325 X 340)

325 - 330
Z1 =
= - 0 ,5
10

340 - 330
Z2 =
= +1
10

f(x)
0,19146

0,34134
P (325 X 340) =
0,1915 + 0,341 = 0,5328
325 330

340

x
40

Contoh 1 : Distribusi Normal, 3

Jawaban :
b. Kurang dari 345 ml ? P ( X 345)

345 - 330
Z
1,5
10

f(x)

0,5000

0,43319

P (X 345) =
0,50000 + 0,43319 = 0,93319
Z1

Z2
325 330

345

Contoh 1 : Distribusi Normal, 4

Jawaban :
c. Lebih dari 338 ml ? P ( X 338)

338 - 330
Z=
= + 0,8
10
f(x)
0,28814

P (X 338) =
0,50000 0,28814 = 0,21186
?
330

338

Contoh 2 : Distribusi Normal, 1

Soal :
2. Penjualan oli di sebuah toko diketahui mengikuti distribusi
normal dengan rata-rata 15 kaleng dan simpangan baku 6
kaleng. Suatu hari pemilik toko ingin mengetahui berapa
probabilita terjualnya lebih dari 20 kaleng. Berapa P(X 20)?

Contoh 2 : Distribusi Normal, 2

Jawaban :
Dengan Perhitungan :

x 20 15
z=
=
= 0 ,83

6
Tabel normal baku menunjukkan luas sebesar 0,2967 untuk
daerah antara z = 0 dan z = 0,83.
P(X > 20) = P(Z > 0,83) = daerah yang diarsir = 0,5 0,2967 =
0,2033.

Contoh 2 : Distribusi Normal, 3

Jawaban :
Dengan Tabel

Contoh 2 : Distribusi Normal, 4

Jawaban :
Dengan Tabel
z
.0
.1
.2
.3
.4
.5
.6
.7
.8
.9

.00
.0000
.0398
.0793
.1179
.1554
.1915
.2257
.2580
.2881
.3159

.01
.0040
.0438
.0832
.1217
.1591
.1950
.2291
.2612
.2910
.3186

.02
.0080
.0478
.0871
.1255
.1628
.1985
.2324
.2642
.2939
.3212

.03
.0120
.0517
.0910
.1293
.1664
.2019
.2357
.2673
.2967
.3238

.04
.0160
.0557
.0948
.1331
.1700
.2054
.2389
.2704
.2995
.3264

.05
.0199
.0596
.0987
.1368
.1736
.2088
.2422
.2734
.3023
.3289

.06
.0239
.0636
.1026
.1406
.1772
.2123
.2454
.2764
.3051
.3315

.07
.0279
.0675
.1064
.1443
.1808
.2157
.2486
.2794
.3078
.3340

.08
.0319
.0714
.1103
.1480
.1844
.2190
.2518
.2823
.3106
.3365

.09
.0359
.0753
.1141
.1517
.1879
.2224
.2549
.2852
.3133
.3389

Contoh Soal 1 :
Sebuah pabrik printer melaporkan bahwa rata rata jumlah
halaman yang dapat dicetak oleh cartridge sebelum habis adalah
12.000 halaman. Distribusi halaman yang dicetak oleh sebuah
cartridge mengikuti distribusi normal dan standar deviasinya 800
halaman. Pabrik tersebut ingin memberi pedoman kepada calon
pelanggan mengenai berapa lama mereka dapat memperkirakan
cartridge-nya akan habis. Berapa jumlah halaman yang
seharusnya diumumkan oleh pabrik ini jika ingin mencapai
akurasi 99% ?

47

END