BAB I

PENDAHULUAN
A. Latar Belakang
Sejauh ini teori peluang yang kita bicarakan hanya sebatas pada suatu
peristiwa tertentu atau tentang kemungkinan terjadinya peristiwa dengan nilai
peluang tertentu. Padahal masih ada nilai-nilai peluang dari peristiwa lainnya
yang bisa ditentukan. Nilai-nilai peluang tambahan yang demikian bisa
membentuk suatu distribusi yang disebut sebagai distribusi peluang. Sebagai
contoh, ketika melempar sebuah dadu, kita bisa menghitung peluang dari
seluruh peristiwa yang mungkin yakni munculnya angka 1, 2, 3, 4, 5 dan 6
yang masing-masing memiliki peluang 1/6.
Semua peristiwa tersebut berada dalam ketidakpastian atau Uncertainty.
Dengan demikian, probabilitas atau peluang merupakan derajat kepastian
untuk terjadinya suatu peristiwa yang diukur dengan angka pecahan antara nol
sampai dengan satu, dimana peristiwa tersebut terjadi secara acak atau
random. Dengan konsep probabilitas tersebut, maka akan dapat diusahakan
untuk menarik kesimpulan tentang karakteristik dari populasi dengan
menggunakan data sampel. Proses penarikan kesimpulan populasi atas dasar
data sampel sering disebut dengan induktif.
Peluang banyak digunakan dibidang lain, selain bidang Matematika. Ahli
fisika menggunakan peluang untuk mempelajari macam-macam gas dan
hukum panas dalam teori atom. Ahli biologi mengaplikasi teknik peluang
dalam ilmu genetika dan teori seleksi alam. Dalam dunia bisnis teknik peluang
digunakan untuk pengembalian keputusan.
Peluang merupakan teori dasar stastistika, suatu disiplin ilmu yang
mempelajari pengumpulan, pengaturan, perhitungan, penggambaran dan
penganalisisan data, serta penarikan kesimpulan yang valid berdasarkan
penganalisisan yang dilakukan dan pembuatan keputusan yang rasional.

B. Rumusan Masalah
1. Apa yang dimaksud dengan probabilitas?
1

2. Apa yang dimaksud dengan distribusi probabilitas?

3. Apa yang dimaksud dengan kurva distribusi normal?
4. Apa yang dimaksud dengan distribusi probabilitas normal baku?
C. Tujuan
1. Untuk mengetahui apa yang dimaksud dengan probabilitas
2. Untuk mengetahui apa yang dimaksud dengan distribusi probabilitas
3. Untuk mengetahui apa yang dimaksud dengan kurva distribusi normal
4. Untuk mengetahui apa yang dimaksud dengan distribusi probabilitas
normal baku

BAB II
PEMBAHASAN
A. Probabilitas
Dalam kehidupan sehari-hari kita sering dihadapkan dengan beberapa
pilihan yang harus kita tentukan memilih yang mana. Biasanya kita

dihadapkan dengan kemungkinan-kemungkinan suatu kejadian yang mungkin

terjadi dan kita harus pintar-pintar mengambil sikap jika menemukan keadaan
seperti ini, misalkan saja pada saat kita ingin bepergian, kita melihat langit
terlihat mendung. Dalam keadaaan ini kita dihadapkan antara 2 permasalahan,
yaitu kemungkinan terjadinya hujan serta kemungkinan langit hanya mendung
saja dan tidak akan turunnya hujan. Statistic yang membantu permasalahan
dalam hal ini adalah probabilitas.
Probabilitas didifinisikan sebagai peluang atau kemungkinan suatu
kejadian, suatu ukuran tentang kemungkinan atau derajat ketidakpastian suatu
peristiwa (event) yang akan terjadi di masa mendatang. Rentangan
probabilitas antara 0 sampai dengan 1. Jika kita mengatakan probabilitas
sebuah peristiwa adalah 0, maka peristiwa tersebut tidak mungkin terjadi. Dan
jika kita mengatakan bahwa probabilitas sebuah peristiwa adalah 1 maka
peristiwa tersebut pasti terjadi. Serta jumlah antara peluang suatu kejadian
yang mungkin terjadi dan peluang suatu kejadian yang mungkin tidak terjadi
adalah satu, jika kejadian tersebut hanya memiliki 2 kemungkinan kejadian
yang mungkin akan terjadi1.
Contoh ; Ketika Doni ingin pergi kerumah temannya, dia melihat langit
dalam keadaan mendung, awan berubah warna menjadi gelap, angin lebih
kencang dari biasanya seta sinar matahari tidak seterang biasanya.
Bagaimanakah tindakan Doni sebaiknya?
Ketika Doni melihat keadaan seperti itu, maka sejenak dia berpikir untuk
membatalkan niatnya pergi kerumah temannya. Ini dikarenakan dia beripotesis
bahwa sebentar lagi akan turunya hujan dan kecil kemungkinan bahwa hari ini
akan tidak hujan, mengingat gejala-gejala alam yang mulai nampak.
Probabilitas dalam cerita ini, adalah peluang kemungkinan turunnya hujan dan
peluang tidak turunnya hujan.
Singkatnya, probabilitas adalah harga angka yang menunjukkan seberapa
besar kemungkinan suatu peristiwa terjadi, di antara keseluruhan peristiwa
yang mungkin terjadi. Contoh : sebuah dadu untuk keluar mata lima saat

1 Suharyadi, & Purwanto S. K. (2007). Statistika: Untuk Ekonomi dan Keuangan Modern, Edisi
2. Jakarta: Penerbit Salemba Empat. Hal 78

pelemparan dadu tersebut satu kali adalah 1/6 (karena banyaknya permukaan
dadu adalah 6)
Rumus : P (E) = X/N
P: Probabilitas
E: Event (Kejadian)
X: Jumlah kejadian yang diinginkan (peristiwa)
N: Keseluruhan kejadian yang mungkin terjadi
B. Distribusi Probabilitas
Kunci aplikasi probabilitas dalam statistik adalah memperkirakan
terjadinya peluang/probabilitas yang dihubungkan dengan terjadinya peristiwa
tersebut dalam beberapa keadaan. Jika kita mengetahui keseluruhan
probabilitas dari kemungkinan outcome yang terjadi, seluruh probabilitas
kejadian tersebut akan membentuk suatu distribusi probabilitas.
1. Distribusi Binomial (Bernaulli)
Distribusi Binomial atau distribusi Bernoulli (ditemukan oleh
James Bernoulli) adalah suatu distribusi teoritis yang menggunakan
variabel random diskrit yang terdiri dari dua kejadian yang berkomplemen,
seperti sukses-gagal, ya-tidak, baik-cacat, sakit-sehat dan lain-lain. Ciriciri distribusi Binomial adalah sebagai berikut 2:
a. Setiap percobaan hanya memiliki dua peristiwa, seperti ya-tidak,
sukses-gagal.
b. Probabilitas suatu peristiwa adalah tetap, tidak berubah untuk setiap
percobaan.
c. Percobaannya bersifat independen, artinya peristiwa dari suatu
percobaan tidak mempengaruhi atau dipengaruhi peristiwa dalam
percobaan lainnya.
d. Jumlah atau banyaknya percobaan yang merupakan komponen
percobaan binomial harus tertentu.
Simbol peristiwa Binomial b (x,n,p)
Ket :
2 Shavelson, Richard J. 1998. Statistical Reasoning for the Behavioral Science. Boston: Allyn &
Bacon hal 90

b = binomial
x = banyaknya sukses yang diinginkan (bilangan random)
n = Jumlah trial
p = peluang sukses dalam satu kali trial.
Dadu dilemparkan 5 kali, diharapkan keluar mata 6 dua kali, maka
kejadian ini dapat ditulis b(2,5,1/6) x=2, n=5, p=1/6.
Contoh Soal :
Probabilitas seorang bayi tidak di imunisasi polio adalah 0,2 (p).
Pada suatu hari di Puskesmas X ada 4 orang bayi. Hitunglah
peluang dari bayi tersebut 2 orang belum imunisasi polio. Jadi, di
dalam kejadian binomial ini dikatakan b (x=2, n=4, p=0,2) b (2, 4,
0,2).
Jawab :
Katakanlah bayi tersebut A,B,C,D. Dua orang tidak diimunisasi
mungkin adalah A&B, A&C, A&D, B&C, B&D, C&D.
Rumus untuk b (x,n,p) adalah:
P (x) =
P 0,1536 = 0,154
2.

Distribusi Poisson
Distibusi Poisson merupakan distribusi probabilitas untuk variabel
diskrit acak yang mempunyai nilai 0,1, 2, 3 dst. Distribusi Poisson adalah
distribusi nilai-nilai bagi suatu variabel random X (X diskrit), yaitu
banyaknya hasil percobaan yang terjadi dalam suatu interval waktu
tertentu atau disuatu daerah tertentu. Fungsi distribusi probabilitas diskrit
yang

sangat

penting

dalam

beberapa

aplikasi

praktis.

Poisson memperhatikan bahwa distribusi binomial sangat bermanfaat dan

dapat menjelaskan dengan sangat memuaskan terhadap probabilitas
Binomial b(Xn.p) untuk X= 1,2,3 n. namun demikian, untuk suatu
kejadian dimana n sangat besar (lebih besar dari 50) sedangkan
probabilitas sukses (p) sangat kecil seperti 0,1 atau kurang, maka nilai
binomialnya sangat sulit dicari. Suatu bentuk dari distribusi ini adalah

rumus pendekatan peluang Poisson untuk peluang Binomial yang dapat

digunakan untuk pendekatan probabilitas Binomial dalam situasi tertentu.
Contoh Distribusi Poisson3 :
a. Disuatu gerbang tol yang dilewati ribuan mobil dalam suatu hari akan
terjadi kecelakaan dari sekian banyak mobil yang lewat.
b. Dikatakan bahwa kejadian seseorang akan meninggal karena shock
pada waktu disuntik dengan vaksin meningitis 0,0005. Padahal,
vaksinasi tersebut selalu diberikan kalau seseorang ingin pergi haji.
Percobaan Poisson memiliki ciri-ciri berikut :
a. Hasil percobaan pada suatu selang waktu dan tempat tidak tergantung
dari hasil percobaan di selang waktu dan tempat yang lain terpisah.
b. Peluang terjadinya suatu hasil percobaan sebanding dengan panjang
selang waktu dan luas tempat percobaan terjadi. Hal ini berlaku hanya
untuk selang waktu yang singkat dan luas daerah yang sempit.
c. Peluang bahwa lebih dari satu hasil percobaan akan terjadi pada satu
selang waktu dan luasan tempat yang sama diabaikan.
Distribusi poisson banyak digunakan dalam hal:
a. Menghitung Probabilitas terjadinya peristiwa menurut satuan waktu,
ruang atau isi, luas, panjang tertentu, saeperti menghitung probabilitas
dari:
Kemungkinan kesalahan pemasukan data atau kemungkinan cek
ditolak oleh bank. Jumlah pelanggan yang harus antri pada pelayanan
rumah sakit, restaurant cepat saji atau antrian yang panjang bila ke
ancol.Banyaknya bintang dalam suatu area acak di ruangangkasa atau
banyaknya bakteri dalam 1 tetes atau 1 liter air. Jumlah salah cetak
dalam suatu halaman ketik. Banyaknya penggunaan telepon per menit
atau banyaknya mobil yang lewat selama 5 menit di suatu ruas
jalan. Distribusi bakteri di permukaan beberapa rumput liar di
ladang. Semua

contoh

ini

merupakan

beberapa

hal

yang

menggambarkan tentang suatu distribusi Poisson.

3 Kustituanto, B. & Badrudin, R. 1994. Statistika 1 - Deskriptif. Seri Diktat Kuliah. Jakarta :
Penerbit Gunadarma, hal 45

b. Menghitung distribusi binomial apabila nilai n besar (n 30) dan p

kecil (p<0,1).
Jika kita menghitung sejumlah benda acak dalam suatu daerah tertentu
T, maka proses penghitungan ini dilakukan sebagai berikut :
a. Jumlah rata-rata benda di daerah S T adalah sebanding terhadap ukuran
S, yaitu ECount(S)= S. Di sini melambangkan ukuran S, yaitu
panjang,

luas,

volume,

dan

lain

lain.

Parameter

>

menggambarkankan intensitas proses.

b. Menghitung di daerah terpisah adalah bebas.
c. Kesempatan untuk mengamati lebih dari satu benda di dalam suatu
daerah kecil adalah sangat kecil, yaitu P(Count(S)2) menjadi kecil
ketika ukuran menjadi kecil.
Rumus Distribusi Poisson :
(x) Nilai Rata-rata
e Konstanta = 2,71828
x = Variabel random diskrit (1,2,3,., x)
Contoh:
Diketahui probabilitas untuk terjadi shock pada saat imunisasi dengan
vaksinasi meningitis adalah 0,0005. Kalau di suatu kota jumlah orang
yang dilakukan vaksinasi sebanyak 4000. Hitunglah peluang tepat tiga
orang akan terjadi shock!
Penyelesaian:
= = n.p = 4000 x 0,0005 = 2
p(x=3)
3. Distribusi Normal
Distribusi Normal adalah salah satu distribusi teoritis dari variable
random kontinu. Distribusi Normal sering disebut distribusi Gauss. Rumus
Distribusi Normal :
(x) =
- < x > = 0
- < > = 3,14 e = 2,71828

Agar lebih praktis, telah ada tabel kurva normal dimana tabel ini
menunjukkan luas kurva normal dari suatu nilai yang dibatasi nilai
tertentu. Ciri Khas Distribusi Normal :
a.
b.
c.
d.

Simetris
Seperti lonceng
Titik belok
Luas di bawah kurva = probability = 1

C. Kurva Distribusi Normal

1. Definisi Umum
Untuk mempelajari distribusi probabilitas kontinu, kita menggunakan
"distribusi probabilitas Normal". Variabel acak kontinu diperoleh dengan cara
mengukur sesuatu4, seperti : berat badan, tinggi badan, usia pakai baterai dll.
a. Karakteristik Kurva Dstribusi Normal
1) Kurva normal berbentuk lonceng, memiliki puncak pada tengah
distribusi. Rata-rata aritmatik, median, dan mode dari distribusi
bernilai sama dan terletak pada puncak.
2) Distribusi probabilitas normal simetris terhadap rata-ratanya.
3) Kurva normal menurun secara perlahan kedua sisinya, namun kurva
tidak akan pernah menyentuh sumbu x .
Standar deviasi ( )menentukan kelandaian kurva : Semakin besar ,
maka kurva akan landai & melebar. Semakin kecil , maka kurva akan
lancip & menyempit.
b. Distribusi Probabilitas Normal Standar
Untuk menyeragamkan sekian banyak distribusi normal dengan dan
yang berbeda, kita dapat menggunakan Kurva Normal Standar 5.
Kurva standar ini memiliki = 0 dan = 1. Kurva normal seluruhnya
dapat dikonversi ke kurva standar, dengan cara x menghitung z
value(nilai z ). z value ialah jarak antara suatu nilai terhadap rata-rata
, dibagi dengan standar deviasi .
Rumus :(x- )/
x = nilai observasi tertentu
4 yusri, 2009. Statistika social. Yogayakarta: garah Ilmu. Hal 134
5 Nurgiyantoro Burhan, 2009. Statistika terapan untuk penelitian ilmu-ilmu social. Yogyakarta:
gajah mada university press. Hal 89

 = rata-rata distribusi
= standar deviasi
c.

Daerah di Bawah Kurva Normal Standar

Terdapat 3 daerah di bawah kurva normal :
1) 68% bagian bawah kurva normal terletak antara + dan atau
daerah 1
2) 95% bagian bawah kurva normal terletak antara 2 2 + dan atau
daerah 2
3) 99% bagian bawah kurva normal terletak antara 3 3 + dan , atau
daerah 3
Contoh :
Suatu tes daya tahan terhadap sejumlah besar baterai alkaline
menunjukan bahwa rata-rata daya tahan baterai adalah 19,0 jam. Distribusi
menggunakan distribusi normal, standar deviasi dari distribusi tersebut
adalah 1,2 jam.
a. Diantara nilai manakah bila 68% baterai habis ?
b. Diantara nilai manakah bila 95% balerai habis ?
c. Diantara nilai manakah bila 100% baterai habis ?
Jawaban :
a.

68% baterai habis bila baterai dipakai pada 1 , yaitu : 19,0

b.

1,2 = 17,8 jam 20,2 jam.

95% baterai akan habis bila baterai dipakai pada 2 yaitu ;

c.

19,0 2(1,2) = 16,6 21,4 jam.

100% baterai akan habis bila baterai dipakai pada yaitu : 19,0
3(1,2) = 15,4 22,6 jam. 3

D. Distribusi Probabilitas Normal Baku

1. Distribusi normal baku adalah distribusi probabilitas acak normal dengan
nilai tengah nol dan simpangan baku 1.
2. Seringkali disebut dengan distribusi z.
3. Hal yang perlu dilakukan dalam rangka distribusi probabilitas normal baku
adalah mengubah atau membakukan distribusi aktual dalam bentuk
distribusi norma baku yang dikenal dengan nilai Z atau skor Z

4. Nilai Z adalah jarak yang berbeda antara sebuah nilai X yang dipilih dari
ratarata , dibagi dengan standar deviasinya, .
Rumus nilai Z adalah :

Z = Skor Z atau nilai normal baku

X = Nilai dari suatu pengamatan atau pengukuran
= Nilai rata-rata hitung suatu distribusi
= Standar deviasi

Contoh Soal6:
Rata-rata berat sebuah kotak adalah 283 gram dan standar
deviasinya 1,6 gram. Berapakah probabilitas sebuah kotak dibawah 284,5
gram ?

Transformasi dari X ke Z
6 Irianto Agus, 2004. Statistika: konsep dan apllikasinya. Jakarta : kencana prenada media group.
Hal 75

10

Bila nilai X berada di antara X = x1 dan X = x2, maka variabel

acak Z akan berada di antara nilai:

Transformasi ini juga mempertahankan luas di bawah kurvanya, artinya:

Contoh Soal7:
Misalkan kita memilih 20 saham pada bulan Mei 2007. Harga
saham ke-20 perusahaan tersebut berkisar antara Rp. 2.000 2.805 per
lembarnya. Berapa probabilitas harga saham antara Rp. 2.500 sampai
2.805 per lembarnya. Diketahui = 2.500 sebagai nilai rata-rata hitung
dan standar deviasinya 400.
Z = (X ) /
Z1 = (2.500 2500) / 400
Z1 = 0 / 400 = 0
Z2 = (2.805 2.805) / 400
Z2 = 0.76

7 Sutrisno, H. 1999. Statistik Jilid 2,3,4. Yogyakarta : Andi Offset. Hal 89

11

BAB III
PENUTUP
A. Kesimpulan
Dalam kehidupan sehari-hari kita sering dihadapkan dengan beberapa
pilihan yang harus kita tentukan memilih yang mana. Biasanya kita
dihadapkan dengan kemungkinan-kemungkinan suatu kejadian yang mungkin
terjadi dan kita harus pintar-pintar mengambil sikap jika menemukan keadaan
seperti ini, misalkan saja pada saat kita ingin bepergian, kita melihat langit
terlihat mendung. Dalam keadaaan ini kita dihadapkan antara 2 permasalahan,
yaitu kemungkinan terjadinya hujan serta kemungkinan langit hanya mendung
saja dan tidak akan turunnya hujan. Statistic yang membantu permasalahan
dalam hal ini adalah probabilitas.
Kunci aplikasi probabilitas dalam statistik adalah memperkirakan
terjadinya peluang/probabilitas yang dihubungkan dengan terjadinya peristiwa
tersebut dalam beberapa keadaan. Jika kita mengetahui keseluruhan
probabilitas dari kemungkinan outcome yang terjadi, seluruh probabilitas
kejadian tersebut akan membentuk suatu distribusi probabilitas.
Untuk mempelajari distribusi probabilitas kontinu, kita menggunakan
"distribusi probabilitas Normal". Variabel acak kontinu diperoleh dengan cara
mengukur sesuatu, seperti : berat badan, tinggi badan, usia pakai baterai dll.

12

B. Saran
Setelah memahami makalah ini, maka sebaiknya kita mempelajari sumbersumber hukum Islam, dalil-dalil yang shahih yang menunjukkan kepada kita hukum
Allah swt, apa syarat-syarat ijtihad, dan bagaimana metode berijtihad yang benar
sesuai batasan-batasan syariat. Kemidian mengapllikasikannya dalam kehidupan kita
sehari-hari.

KATA PENGANTAR

Puji syukur penulis ucapkan atas rahmat yang diberikan Allah SWT sehingga penulis
dapat menyelesaikan makalah ini tepat pada waktunya.
Penulis mengucapkan terima kasih kepada dosen pembimbing yang telah
membantu penulis dalam membuat makalah ini dan teman-teman yang telah memberi
motivasi dan dorongan serta semua pihak yang berkaitan sehingga penulis dapat
menyelesaikan makalah dengan baik dan tepat pada waktunya.
Penulis menyadari bahwa dalam pembuatan makalah ini masih banyak terdapat
kesalahan dan kekurangan maka dari itu penulis mengharapkan kritik dan saran dari
semua pihak demi perbaikan makalah ini dimasa yang akan datang.

Bengkulu,

2015

Penyusun

13

DAFTAR ISI
i
HALAMAN JUDUL .................................................................................................
KATA PENGANTAR.................................................................................................i
DAFATR ISI..............................................................................................................ii
BAB I PENDAHULUAN
A. Latar Belakang..............................................................................................1
B. Rumusan Masalah........................................................................................2
C. Tujuan ........................................................................................................2
BAB II PEMBAHASAN
A. Probabilitas............................................................................................3
B. Distribusi Probabilitas...........................................................................4
C. Kurva Distribusi Norma........................................................................l8
D. Distribusi Probabilitas Normal Baku.....................................................10
BAB III PENUTUP
A. Kesimpulan...................................................................................................13
B. Kritik dan Saran ...........................................................................................13
DAFTAR PUSTAKA ................................................................................................iii

14

MAKALAH
STATISTIK
ii
Probabilitas

Oleh :
Melany Koes Haryono
1416132073

15

Dosen
Selvi Riwayati, S. Si., M. Pd

EKONOMI SYARIAH
FAKULTAS SYARIAH DAN EKONOMI ISLAM
INSTITUT AGAMA ISLAM NEGERI
IAIN (BENGKULU)
2015

DAFTAR PUSTAKA
Suharyadi, & Purwanto S. K. (2007). Statistika: Untuk Ekonomi dan Keuangan
Modern, Edisi 2. Jakarta: Penerbit Salemba Empat.
Shavelson, Richard J. 1998. Statistical Reasoning for the Behavioral Science.
Boston: Allyn & Bacon
Kustituanto, B. & Badrudin, R. 1994. Statistika 1 - Deskriptif. Seri Diktat Kuliah.
Jakarta : Penerbit Gunadarma
iii garah Ilmu.
Yusri, 2009. Statistika social. Yogayakarta:

Nurgiyantoro Burhan, 2009. Statistika terapan untuk penelitian ilmu-ilmu social.

Yogyakarta: gajah mada university press.
Irianto Agus, 2004. Statistika: konsep dan apllikasinya. Jakarta : kencana prenada
media group.
Sutrisno, H. 1999. Statistik Jilid 2,3,4. Yogyakarta : Andi Offset.

16
iii