VARIABEL RANDOM &

DISTRIBUSI PELUANG
Dr. Auditya Purwandini Sutarto

Variabel
Random
Tipe Variabel
Random

Distribusi
Probabilitas
Distribusi
Diskrit
Distribusi
Kontinu

Topik
1. KonsepVariabel Random
2. Distribusi Probabilitas untuk Variabel
Random Diskrit

Distribusi Binomial
Distribusi Poisson
Distribusi Hipergeometrik

3. Distribusi Probabilitas untuk Variabel

Random Kontinu

Distribusi Normal

Topik
7. Metode Deskriptif untuk Menilai
Normalitas
8. Mengakprosimasi Distribusi Binomial
dengan Distribusi Normal
9. Distribusi Uniform dan Eksponensial

Tujuan Pembelajaran
1. Memahami definisi dan konsep variabel random
2. Mampu membedakan nilai pengamatan termasuk
variabel random diskrit atau kontinu
3. Memahami beberapa distribusi probabilitas
variabel random diskrit dan kontinu

KONSEP VARIABEL
RANDOM

Variabel Random
Variabel random (acak) adalah suatu fungsi bernilai
numerik yang didefinisikan untuk seluruh ruang sampel.
Contoh: ruang sampel untuk kemungkinan hasil jika 3
spesimen diuji
S = {BBB, BBC, BCB, CBB, BCC, CBC, CCB, CCC}, B
baik & C cacat
Umumnya minat pada banyaknya cacat yang terjadi
yang dapat bernilai 0, 1, 2, atau 3. Nilai ini kuantitas
random yang ditentukan oleh hasil eksperimen.
Nilai-nilai ini diasumsikan sebagai variabel random, X,
yaitu banyaknya item spesimen yang cacat dalam
pengujian.

Variabel Random
Penggunaan huruf besar, misal X, untuk menyatakan
suatu variabel random dan huruf kecil x untuk nilainilainya. Dalam ilustrasi diatas, variabel random X
mengasumsikan nilai 2 untuk semua elemen dalam
subset
E = {CCB, CBC, BCC}
dari ruang sampel S (mengandung Cacat sebanyak dua
buah). Setiap kemungkinan nilai X merepresentasikan
suatu kejadian yang merupakan suatu subset dari ruang
sampel untuk suatu eksperimen yang diberikan.

Variabel Random
Variabel random dapat dibedakan menjadi dua

Variabel
Random
Diskrit

Variabel
Random
Kontinu

Variabel Random Diskrit

Variabel random yang hanya mempunyai nilai pada titik
tertentu atau nilai yang dapat dibilang baik terbatas
(finite) maupun tidak terbatas (infinite)
Percobaan

Variabel Random

Menginspeksi 70 produk

Banyaknya cacat

Menjawab 30 pertanyaan

Banyaknya jawaban yang

benar

Perhitungan banyak mobil Banyaknya mobil

masuk tol pukul 9.00 12.00

Nilai yang Mungkin

Terjadi
0, 1, 2, ... , 70
0, 1, 2, ..., 30
0, 1, 2, ... ,

Variabel Random Kontinu

Variabel random yang dapat mempunyai nilai-nilai yang
berhubungan dengan setiap titik dalam satu atau lebih
interval (range) dimana nilai-nilai tersebut tidak terbatas
(infinite) dan tidak dapat dibilang (uncountable)
Percobaan

Variabel Random

Mengukur Berat 100 orang

Berat

Mengukur usia hidup suatu Jam

part
Mengukur
Waktu
kedatangan pesawat

antara Inter-arrival Time

Nilai yang Mungkin

Terjadi
44.5, 67, 78,
503.9, 775,
0, 1.3, 2.78,

DISTRIBUSI PROBABILITAS
VARIABEL RANDOM DISKRIT

Distribusi Probabilitas Diskrit

Distribusi probabilitas suatu variabel random diskrit
adalah suatu tabel, grafik, atau formula yang
menyatakan probabilitas yang dihubungkan dengan
setiap kemungkinan nilai x.

Syarat-Syarat untuk Suatu Distribusi

Probabilitas Diskrit x
1. p(x) 0 untuk semua nilai x
. p(x) = 1 untuk semua nilai x
Distribusi probabilitas diskrit dalam literatur asing sering disebut dengan pmf
(probability mass function) atau fungsi massa peluang

Contoh Distribusi Probabilitas

Diskrit
Percobaan: Melempar dua koin. Menghitung
banyaknya kemunculan ekor (tail).
Distribusi Probabilitas
Nilai, x Probabilitas, p(x)
( )

1984-1994 T/Maker Co.

1/4 = .25

2/4 = .50

1/4 = .25

Visualisasi Distribusi
Probabilitas Diskrit
Mendaftar

Tabel

{ (0, .25), (1, .50), (2, .25) }

# Tails

f(x)
Count

p(x)

0
1
2

1
2
1

.25
.50
.25

Grafik
p(x)
.50
.25
.00

Formula
x
0

p (x ) =

# = Banyaknya

n!
px(1 p)n x
x!(n x)!

Ringkasan Ukuran pada

Distribusi Probabilitas Diskrit
1. Nilai Harapan (Rataan/Mean Distribusi Probabilitas)
Rata-rata tertimbang untuk semua nilai yang
mungkin
m = E(x) = x p(x)
2. Variansi
Rata-rata tertimbang dari deviasi kuadrat di sekitar
rataan
s2 = E[(x m) = (x m) p(x)
3. Standard Deviation

s = s2

Nilai Harapan & Variansi

x

p(x)

x p(x)

xm

.25

1.00

1.00

.25

.50

.50

.25

.50

1.00

1.00

.25

m = 1.0

(x m) (x m) p(x)

s = .50
s = .71

Contoh
Pengiriman 20 tipe laptop yang sama ke satu toko ritel
tertentu berisikan 3 buah produk cacat. Jika suatu
sekolah membeli 2 laptop dari toko ini, carikah
distribusi probabilitas untuk banyaknya laptop yang
cacat.
Misalkan X adalah variabel random yang nilai-nilai xnya merupakan kemungkinan banyaknya laptop cacat
yang dibeli sekolah tersebut. Nilai x yang mungkin
adalah 0, 1, dan 2.

 3 17

0 2
68
f 0 ) = P X = 0 ) = =
95
20

2

3 17

1 1
51
f 1) = P X = 1) = =
190
20

2

3 17

2 0
3
f 2 ) = P X = 2 ) = =
190
20

2

Distribusi Probabilitas X diberikan sebagai berikut:

x

f(x)

68
95

2
51
190

3
190

Distribusi Kumulatif Diskrit

Berapa probabilitas nilai pengamatan suatu variabel
random X kurang dari atau sama dengan beberapa
bilangan riil x. F(x) = P(X x) untuk setiap
bilangan x, F(x) dapat didefinisikan sebagai fungsi
distribusi kumulatif variabel random X.
Distribusi kumulatif F(x) dari variable random diskrit
X dengan distribusi peluang f(x) adalah:
F x ) = P X x ) = f t )
tx

untuk - < x <

Contoh
Seorang penjaga penyimpanan barang mengembalikan
tiga helm yang telah diberi nama pemilik pada tiga
karyawan secara acak. Jika Smith (S), Jones(J), dan
Brown(B), menerima satu dari tiga topi, daftarlah ruang
sampel untuk berbagai kemungkinan urutan helm yang
dikembalikan.
Carilah ruang sampel dan nilai m untuk variabel random
M yang menyatakan kesesuaian dengan pemiliknya.
Buatlah tabel distribusi peluangnya.
Carilah distribusi probabilitas kumulatifnya

a. Ruang sampel untuk semua pengaturan yang

mungkin dan banyaknya kesesuaian helm dengan
pemiliknya adalah sebagai berikut
Ruang Sampel

SJB

SBJ

JSB

JBS

BSJ

BJS

b. Tabel Distribusi peluangnya adalah sebagai berikut

m

P (M = m)

1
3

1
2

1
6

c. Untuk mencari distribusi probabilitas kumulatifnya,

terlebih dahulu hitung,
selanjutnya
1 1 5
F 2 ) = P M 2 ) = f 0 ) f 1) = =
3

0 untuk m 0
1
untuk 0 m 1
3
F m ) =
5 untuk 1 m 3
6
1 untuk m 3

Latihan Soal
Dalam pelemparan dua
koin, kita tertarik
menghitung banyaknya ekor
(tails). Berapakah nilai
harapan, variansi, dan
deviasi standar dari
variabel random X, yaitu
banyaknya ekor?

1984-1994 T/Maker Co.

DISTRIBUSI PROBABILITAS
VARIABEL RANDOM KONTINU

Distribusi Probabilitas Kontinu

Suatu variabel random kontinu X memiliki tiga sifat
berikut
1. X merupakan bilangan yang bernilai tidak terhingga
tidak terhitung (uncountably infinite number of
values) dalam interval (-,)

2. Fungsi distribusi kumulatif, F(x), kontinu.

3. Probabilitas X sama dengan sembarang nilai yang
khusus adalah 0

 Karena probabilitas variabel random kontinu sama

dengan suatu sembarang nilai sama dengan nol. Jika X
adalah variabel random kontinu, maka
Pa X b ) = Pa X b ) P X = b ) = Pa X b )
Dan dapat dihitung sebagai berikut
b

Pa X b ) = f x )dx
a

Tidak masalah apakah titik akhir suatu selang diikutkan

atau tidak. Hal ini berbeda dengan variabel random
diskrit. Distribusi variabel random kontinu dapat
dinyatakan dalam bentuk formula

Definisi
Fungsi f(x) adalah fungsi densitas probabilitas untuk
variabel random kontinu X, didefinisikan pada bilang
real , jika
1. . f x ) 0, untuk semua x

2. .

f x )dx = 1,

3. .

Pa X b ) = f ( x)
a

Contoh
Kesalahan pengukuran temperatur dinyatakan dengan
variabel random X dengan fungsi densitas yang
didefinisikan sebagai berikut
x2

f x ) = 3
0

1 x 2
untuk x yang lain

1. Periksa syarat 2 dari definisi 4.3. diatas

2. Hitunglah P0 X 1)

 Jawab
1. .

x
8 1
f x )dx =
= =1
1 3
9 9
2

2. . P0 X 1) = x = 1
0 3 9
1

Distribusi Kumulatif Kontinu

Distribusi kumulatif F(x) dari variabel random
kontinu X dengan fungsi densitas peluang f(x) adalah
x

F x ) = P X x ) =

f t )dt

untuk x ,

Sebagai akibat dari definisi diatas dapat dituliskan

Pa x b ) = F b ) F a )

Dan

dF x ) jika turunannya ada

f x ) =
dx

Contoh
Dari contoh sebelumnya tentukan F(x) kemudian gunakan
untuk menghitung P0 X 1)
Jawab
x
x 2
Untuk -1 < x < 2
t
x3 1
F x ) = f t )dt = dt =
3
9

sehingga
x 1
0
3
x 1
F x ) =
1 x 2
9
x2
1
Untuk menghitung P0 X 1)
2 1 1
P0 X 1) = F 1) F 0) = =
9 9 9

DISTRIBUSI GABUNGAN

Distribusi Gabungan Variabel

Random Diskrit
Jika X dan Y dua variabel random diskrit, maka
distribusi peluang untuk kejadian simultan dapat
direpresentasikan dengan fungsi f (x,y) untuk setiap
pasangan (x,y). Fungsi ini disebut dengan distribusi
peluang gabungan dari variabel random X dan Y.
Untuk kasus diskrit dituliskan:

f x, y ) = P X = x, Y = y )

Definisi
Fungsi f (x, y) adalah distribusi peluang gabungan
atau fungsi massa peluang dari dua variabel random
diskrit X dan Y jika
1. . f x, y ) 0

untuk semua (x, y)

2. . f x, y ) = 1
y

3. .P X = x, Y = y ) = f x, y )
Untuk daerah sembarang A dalam bidang xy,
P x, y ) A = f x, y )
y

Contoh
Dua isi ulang bolpoin diambil dari kotak yang berisi 3
warna biru, 2 warna merah, dan 3 warna hijau. Jika X
menyatakan banyaknya warna biru yang terpilih dan
Y banyaknya warna merah terpilih, tentukan
1. Fungsi peluang gabungan f(x, y)
2. P X , Y ) A dimana A adalah daerah

x, y ) | x y 1

Jawab
Nilai pasangan yang mungkin dari (x, y) adalah (0, 0),
(0, 1), (1, 0), (1, 1), (2, 0), dan (0, 2).
1. Misalkan f (0,1) menggambarkan probabilitas
sebuah bolpoin hijau, dan merah yang terpilih.
Banyaknya semua kemungkinan memilih 2 dari total
8 bolpoin adalah 8
= 28
2

Banyaknya cara memilih 1 merah dari 2 bolpoin

merah dan 1 hijau dari 3 bolpoin hijau . 2 3

= 6
1 1

Oleh karena itu

f 0,1) = 6 28 = 3 14

 Perhitungan yang sama untuk pasangan hasil lain

yang mungkin dapat dilihat dalam tabel berikut
5
14

f x, y )

0
3
28

1
9
28

3
14

3
14

1
28

Total Kolom

5
14

2
3
28

Total
baris

15
28

3
7

1
28

15
28

3
28

 Jika dinyatakan dalam bentuk formula, distribusi

probabilitas gabungan dalam tabel tadi adalah sebagai
berikut
f

3
3 2

x 2 2 x y

)=
8

2

Untuk x = 0, 1, 2; y = 0, 1, 2;
dan 0 x + y 2

2. Probabilitas (X, Y) berada dalam daerah A adalah

P X , Y ) A = P X Y 1) = f 0,0) f 0,1) f 1,0)
=

3
3 9
9

=
28 14 28 14

LATIHAN SOAL

Misalkan W adalah suatu variabel random yang

menyatakan banyaknya kepala (K) dikurangi
banyaknya ekor (E) dalam 3 kali pelemparan suatu
koin. Daftarlah elemen-elemen dalam ruang sampel S
untuk ketiga pelemparan tersebut. Untuk setiap titik
sampel, berikan nilai w yang bersesuaian

 Banyaknya jam (diukur dalam unit per 100 jam) suatu

vacum cleaner digunakan dalam suatu RT selama 1
tahun merupakan variabel random kontinu X yang
memiliki fungsi densitas peluang
x

f x ) = 2 x
0

0 x 1
1 x 2
untuk yang lain

Temukan probabilitas dalam 1 tahun, keluarga

tersebut menggunakan vacum cleaner mereka
a. Kurang dari 120 jam
b. Antara 50 100 jam.

 Suatu pengiriman 7 set televisi terdapat 2 produk

cacat. Suatu hotel membeli secara acak 3 set televisi.
Jika x menyatakan banyaknya produk cacat yang
dibeli pihak hotel, tentukan distribusi probabilitas X
dan gambarkan dalam bentuk histogram
Distribusi probabilitas X, yang menyatakan banyak
cacat per 10 meter dari suatu kain sintetis adalah
sebagai berikut
x

f(x)

0.41

0.37

0.16

0.05

0.01

Buatlah distribusi kumulatif X

DISTRIBUSI BINOMIAL

Distribusi Binomial
Banyaknya sukses dalam suatu sampel dari
pengamatan (trial) sebanyak n
Banyaknya item yang cacat dalam suatu batch
berisikan 5 item
Banyaknya jawaban yang benar dari 30
pertanyaan saat ujia
Banyaknya pelanggan yang berbelanja dari 100
pelanggan yang masuk toko (tiap pelanggan
memiliki kesempatan sama untuk membeli)

Karakteristik Variabel Random

Binomial
1. Eksperimen terdiri dari percobaan Bernoulli sebanyak
n yang identik Hanya ada dua kemungkinan hasil
pada setiap percobaan, yaitu S (untuk sukses) dan F
(untuk gagal)
2. P(S) = p and P(F) = q tetap sama dari satu percobaan
ke percobaan lain (Perhatikan bahwa p + q =1)
3. Percobaan-percobaan tersebut adalah independen
4. Variabel random binomial x adalah banyaknya S
dalam n kali percobaan

Fungsi Distribusi Probabilitas

Binomial
n x n x
n!
p( x) = p q =
p x (1 p ) n x
x ! (n x)!
x
p = probabilitas terjadinya sukses dalam percobaan
tunggal
q = 1- p
n = banyaknya percobaan
x = banyaknya sukses dalam n kali percobaan
n x = banyaknya gagal dalam n kali percobaan

Contoh Distribusi Probabilitas

Binomial
Percobaan: Melemparkan 1 koin sebanyak 5 kali. Catat
banyaknya kemunculan ekor. Berapakah probabilitas
muncul 3 ekor dari 5 pelemparan tersebut?
n!
p( x) =
p x (1 p)n x
x !(n x)!
1984-1994 T/Maker Co.

p(3) =

5!
.53 (1 .5)53
3!(5 3)!

= .3125

Tabel Probabilitas Binomial

(contoh)
n=5

.01

0.50

.99

.951

.031

.000

.999

.188

.000

1.000

.500

.000

1.000

.812

.001

1.000

.969

.049

Probabilitas Kumulatif

p(x 3) p(x 2) = .812 .500 = .312

Rataan & Variansi Variabel

Random Binomial
n = 5 p = 0.1
Rataan
m = np

P(X)
1.0
.5
.0

Variansi

n = 5 p = 0.5

s = npq
.6
.4
.2
.0

P(X)

X
0

Contoh Soal
Diasumsikan seorang telemarketer
pada suatu hari berhasil menjual 20
dari 100 panggilan (p = .20). Jika ia
menelepon 12 orang hari ini,
berapakah probabilitas
A. Tidak ada penjualan?
B. Tepat 2 penjualan?
C. Paling banyak 2 penjualan?
D. Minimum 2 penjualan?

Jawab
n = 12, p = .20
A. p(0) = .0687
B. p(2) = .2835
C. p(paling banyak 2) = p(0) + p(1) + p(2)
= .0687 + .2062 + .2835
= .5584
D. p(paling tidak 2) = p(2) + p(3)...+ p(12)
= 1 [p(0) + p(1)]
= 1 .0687 .2062
= .7251

Penjumlahan Binomial
(Binomial Sums)
Terkadang kita perlu memecahkan masalah
untuk menemukan P ( x< r) atau P (a X b)
r

B r ; n, p ) = b x; n, p )
x =0

Nilai tersebut dapat diperoleh melalui tabel untuk n

= 1,2, , 20 dan p = 0,1 0,9

Contoh Soal
Probabilitas seorang pasien sembuh dari penyakit
darah langka adalah 0,4. Jika 15 orang diketahui
terkena penyakit ini, maka berapa probabilitas
- Paling sedikit 10 orang mampu bertahan
- Antara 3-8 orang survive
- Tepat 5 orang survive?

Tabel Binomial
(Lampiran A1 Walpole, 2013)

Jawab

DISTRIBUSI HIPERGEOMETRI

Karakteristik Variabel Random

Hipergeometri
1. Percobaan terdiri dari penarikan n elemen secara
random tanpa pengembalian dari suatu set elemen
sebanyak N. Dari percobaan tersebut dapat
dinyatakan r yang merupakan S (untuk sukses) dan (r) yang merupakan F (untuk gagal)
2. Ukuran sampel n relatif besar dibandingkan dengan
banyaknya elemen N dalam populasi, yaitu n / N >
0,05
3. Variabel random hipergeometrik, X adalah banyaknya
S yang terambil dalam n elemen.

Distribusi Probabilitas
Hipergeometrik
k N k

n n x

h( x; N , n, k ) =
,
N

n

x = 0, 1, 2,, n

N = total banyaknya elemen

k = banyaknya sukses dalam N elemen
n = banyaknya elemen yang diambil
x = banyaknya sukses yang terambil dari n elemen

Rataan & Variansi Variabel Random

Hipergeometrik
Rataan

nr
m=
N

Variansi

r N r )n N n )
s =
2
N N 1)
2

Contoh Soal
Setiap lot sebanyak 40 komponen dikatakan
tidak lolos jika ditemukan produk cacat
sebanyak 3 atau lebih. Suatu rencana sampling
dilakukan dengan memilih 5 komponen secara
acak dan menolak lot tersebut jika 1 produk
cacat ditemukan. Berapakah peluang tepat 1
cacat ditemukan dalam sampel jika terdapat 3
produk cacat di keseluruhan lot?

Jawab
Dengan menggunakan distribusi hipergeometri
dengan n = 5, N = 40, k = 3, dan x = 1, peluang
menemukan tepat 1 cacat adalah
3 37

1 4

h1; 40, 5, 3) =
= 0.3011
40

5

Rencana sampling tersebut tidak begitu bagus karena

peluang lot dinyatakan jelek cukup besar yaitu 30%

DISTRIBUSI POISSON

Distribusi Poisson
1. Banyaknya kejadian yang terjadi dalam
interval /selang
kejadian per unit
Waktu, panjang, area

2. Contoh
Banyaknya pelanggan yang datang dalam 20
menit
Banyaknya gol dalam suatu liga sepakbola per
tahun.
Banyaknya mesin pabrik yang rusak dalam
satu hari

Karakteristik Variabel
Random Poisson
1. Percobaan terdiri dari menghitung banyaknya sukses yang terjadi
dari suatu kejadian khusus yang terjadi selama suatu unit waktu
tertentu, atau dalam suatu area atau volume tertentu (atau berat,
jarak, atau sembarang unit pengukuran)
2. Probabilitas bahwa suatu kejadian terjadi dalam suatu unit
pengukuran tertentu adalah sama untuk seluruh unit
3. Banyaknya kejadian yang terjadi dalam satu unit pengukuran
independen terhadap banyaknya kejadian yang terjadi dalam
unit-unit lain.
4. Rataan (atau harapan) banyaknya kejadian dalam suatu unit akan
dinotasikan dengan huruf Yunani,

Fungsi Distribusi Probabilitas

Poisson
p ( x; t ) =

t )

x!

( x = 0, 1, 2, ...)

t = rata-rata banyaknya kejadian yang terjadi per

satuan waktu atau daerah
x = banyaknya kejadian per unit
e

2.71828 . . .

Rataan & Variansi Variabel

Random Poisson
= 0.5

X
0

10

X
2

.3
.2
.1
.0

P(X)

s = t

=6

Variansi
2

m = t

.8
.6
.4
.2
.0

Rataan

P(X)

Contoh Distribusi Poisson

Dalam sebuah eksperimen di laboratorium nuklir,
rata-rata jumlah partikel radioaktif yang melewati
sebuah pencacah (counter ) adalah 5 tiap milidetik.
Tentukan peluang 8 partikel akan lewat dalam selang
waktu 1 milidetik.

Jawab
Dalam kasus ini t =5 dan x = 8, dengan menggunakan
tabel distribusi Poisson diperoleh
p (8; 5) =

5)8

8!

x =0

x =0

= p x; 5) p x; 5) = 0.9319 0.8666 = 0.0653

Soal
Seorang karyawan administrasi
bertugas memasukkan 75 kata
per menit dengan 6
error/kesalahan per jam.
Berapakah probabilitas ia
membuat 0 kesalahan dalam
255 transaksi kata yang dibuat?

Jawab: (Menentukan *
terlebih dahulu)
75 kata/menit = (75 kata/menit) =
= 4500 kata/jam

6 errors/jam= 6 errors/4500 kata

= .00133 error/kata

Dalam 255-transaksi kata (interval):

= (.00133 error/kata)(255 kata)
= .34 error/255-transaksi kata

Jawab: Menentukan p(0)

x

p ( x) =

x!

.34 )

p(0) =

0!

-.34

= .7118

DISTRIBUSI PROBABILITAS
VARIABEL RANDOM KONTINU

DISTRIBUSI UNIFORM

 Salah satu distribusi kontinu yang cukup sederhana

adalah distribusi uniform. Fungsi densitas distribusi
dicirikan oleh bentuknya yang datar (flat) dan
seragam dalam interval tertutup, misalkan [a, b].
Fungsi densitas peluang dari variabel random uniform
X pada selang [a, b] adalah
1
b a
f ( x) =

jika a x b
yang lain

Fungsi densitas peluang suatu variabel

random uniform dalam interval [a, b]

Contoh
Sebuah ruang konferensi dapat disewa untuk
rapat yang lamanya tidak lebih dari 4 jam.
Misalkan X adalah variabel random yang
menyatakan waktu rapat, yang berdistribusi
seragam.
Tentukan fungsi densitas peluang X.
Tentukan peluang suatu rapat berlangsung 3
jam atau lebih.

Jawab
a = 0, b = 4,

sehingga

P X 3) =

1
,
f x ) = 4
0,

0 x4
x lainnya

1
1 x=4 4 3 1
dx = x | x =3 = =
4
4
4 4 4

Contoh Distribusi Uniform

Di suatu perusahaan pembuat soft drink,
suatu mesin yang disetel mengeluarkan
minuman sebanyak 12 oz sesungguhnya
akan mengeluarkan antara 11.5 and
12.5 oz. Anggap banyaknya minuman
yang dikeluarkan berdistribusi uniform.
Berapakah probabilitas minuman yang
dikeluarkan kurang dari 11.8 oz?

SODA

Distribusi Uniform
1
1
=
d c 12.511.5
1
= =1.0
1

f(x)
1.0

x
11.5 11.8

12.5

P(11.5 x 11.8) = (Base)/(Height)

= (11.8 11.5)/(1) = .30

DISTRIBUSI NORMAL

Keutamaan Distribusi Normal

1. Distribusi normal adalah distribusi yang paling
penting di antara distribusi statistik yang lain.
2. Menggambarkan banyak fenomena yang
terjadi di alam, industri, dan penelitian.
3. Dapat digunakan untuk meng-aproksimasi
distribusi probabilitas diskrit lainnya
(binomial, Poisson)
4. Dasar dalam statistik inferensi klasik

Distribusi Normal
1. Bell-shaped &
simetris

f(x )

2. Rataan, median,
modus sama

x
Rataan
Median
Modus

Fungsi Densitas Probabilitas

Variabel Random Normal
1
f ( x) =
e
s 2

1
2s

2
x

)
2

= Rataan variabel random x

s = Deviasi standar
= 3.1415 . . .
e = 2.71828 . . .

- x

Probabilitas Distribusi Normal

Probabilitas
adalah luas
daerah dibawah
kurva

P( x1 X x 2 ) =
x2
1
1 2 ) x m ) s 2
e
dx

s 2 x1

 luas daerah di bawah kurva normal antara x =

x1 dan x = x2 juga bergantung pada nilai rataan
dan deviasi standar .
Masalah integral fungsi padat normal
dipecahkan menggunakan tabel luas untuk
setiap nilai dan .

Distribusi Normal Tidak Baku

Distribusi normal bergantung
pada nilai rataan dan deviasi
standar

Setiap distribusi
memerlukan tabel sendiri

f(x)

Banyaknya tabel
tak hingga!

Membawa ke bentuk
Standar/Baku
Distribusi Normal

z=

xm

Distribusi Normal
Baku

s=1

m= 0

Butuh satu tabel saja!

Distribusi Normal Baku

Distribusi normal baku adalah distribusi normal
dengan = 0 dan s = 1. Suatu variabel random yang
berdistribusi normal baku dinotasikan dengan z =
variabel random normal baku

Cara Membaca Tabel Normal

Mencari luas di bawah kurva

di sebelah kanan z = 1.64 P(Z 1.64)

Luas daerah dibawah kurva di sebelah kanan z =

1.64 sama dengan 1 dikurangi luas area dalam
tabel Normal (yaitu daerah di sebelah kiri z =
1.64) sehingga sama dengan 1 0.9495 = 0.0505

Mencari luas di bawah kurva

P(- 1.85 < Z< 0.78)
Luas daerah untuk z terletak di antara 1.85 dan 0.78
sama dengan luas area di sebelah kiri z = 0.78
dikurangi luas area di sebelah kiri z = -1.85. Dari tabel
luas tersebut sama dengan 0.7823 0.0322 = 0.7501

- 1.85

0.78

Contoh Soal
Di bagian pengendalian kualitas GE
usia bola lampu diasumsikan
berdistribusi normal dengan m = 2000
jam dan s = 200 jam. Berapakah
probabilitas suatu bola berusia
(menyala selama)
A. Antara 2000 dan 2400
jam?
B. Kurang dari 1470 jam?

Jawab: P(2000 X 2400)

z=

xm

2400 2000
=
= 2.0
200

Distribusi Normal

Distribusi Normal
Baku

s = 200

s=1

.4772

m = 2000 2400 x

m=0

2.0

Jawab: P(x 1470)

z=

xm

1470 2000
=
= 2.65
200

Distribusi Normal

Distribusi Normal
Standar

s = 200

s=1
.5000

.0040
1470

m = 2000

.4960

2.65 m = 0

Contoh Soal
Suatu pesanan kain tekstil dari pembeli kain katun
dengan spesifikasi tiap rol kain yang diinginkan
memiliki panjang 10 0.01 meter. Rol kain yang
tidak kategori tersebut tidak diterima pembeli.
Diketahui proses produksi rol kain tersebut
berdistribusi normal dengan rataan =10 dan standar
deviasi =0.005. Secara rata-rata berapa banyak
produksi rol kain yang ditolak?

Jawab
Distribusi panjang rol kain ditunjukkan dalam
gambar. Nilai z yang berpadanan untuk x1 = 9.99 dan
x2 = 10.01 adalah
z1 =

xm

9.99 10
=
= 2.00
0.005

z2 =

xm

10.01 10
= 2.00
0.005

P 9.99 X 10.01) = P 2.0 Z 2.0 )

Pendekatan Normal untuk Binomial

Pendekatan Normal untuk

Binomial
Jika X suatu variabel random dengan rataan
dan variansi
Maka bentuk limit distribusinya adalah sebagai

untuk n merupakan suatu distribusi normal, n

~ (0,1)

 Probabilitas seorang pasien sembuh dari

penyakit darah langka adalah 0,4. Jika 100
orang diketahui terkena penyakit ini, maka
berapa probabilitas paling sedikit 30 orang
yang mampu bertahan?

Continuity Correction
Misalkan X adalah variabel random binomial
dengan parameter n dan p. Untuk n yang
cukup besar X mendekati distribusi normal
dengan = np dan 2= npq = np(1- p) dan

Pendekatan ini akan cukup baik jika np dan

n(1p) lebih besar atau sama dengan 5 (beberapa
menyarankan 10)