MODUL 7

BAB IV
PELUANG DAN DISTRIBUSI PELUANG

Tujuan Instruksional Khusus

1. Mahasiswa memahami konsep peluang

2. Mahasiswa mampu memperhitungkan peluang sebuah kejadian
3. Mahasiswa mengetahui penyebaran peluang pada setiap kejadian

Pokok Bahasan

Distribusi Peluang
1. Distribusi Peluang Diskrit
1. Distribusi Binomial
2. Distribusi Multinomial
3. Distribusi Poisson
4. Distribusi Hipergeomertik
2. Distribusi Peluang Kontinu
1. Distribusi Normal
2. Distribusi Lainnya (t, F, χ2)

BAB IV

Pusat Pengembangan Bahan Ajar - UMB Drs. Achmad Khodar MT

STATISTIKA DAN PROBABILITAS

 PELUANG DAN DISTRIBUSI PELUANG

4.2. Distribusi Peluang

Setiap peristiwa akan mempunyai peluangnya masing-masing, dan peluang terjadinya
peristiwa itu akan mempunyai penyebaran yang mengikuti suatu pola tertentu yang di
sebut dengan distribusi.
Distribusi peluang untuk suatu variabel acak menggambarkan bagaimana peluang
terdistribusi untuk setiap nilai variabel acak.
Distribusi peluang didefinisikan dengan suatu fungsi peluang, dinotasikan dengan p(x)
atau f(x), yang menunjukkan peluang untuk setiap nilai variabel acak.
Ada dua jenis distribusi, sesuai dengan variabel acaknya. Jika variabel acaknya
variabel diskrit, maka distribusi peluangnya adalah distribusi peluang diskrit,
sedangkan jika variabel acaknya variabel yang kontinu, maka distribusi peluangnya
adalah distribusi kontinu.

4.2.1.Ditribusi Peluang Diskrit

Distribusi peluang diskrit, yaitu apabila variabel acak yang digunakan adalah
variabel diskrit.
Syarat:
1. f(x) ≥ 0, nilai peluang selalu lebih besar dari 0

2.
 p ( x)  1
i 0
, jumlah total peluang pada sebuah kejadian sama dengan
1

Distribusi peluang diskrit dapat digambarkan dalam bentuk tabel, grafik, maupun
persamaan.

Contoh :

Pusat Pengembangan Bahan Ajar - UMB Drs. Achmad Khodar MT

STATISTIKA DAN PROBABILITAS

 Data penjualan TV di sebuak took elektronik serta distribusi peluang nya
sebagai berikut:
Jumlah TV Terjual Jumlah Hari x f(x)
0 80 0 0.40
1 50 1 0.25
2 40 2 0.20
3 10 3 0.05
4 20 4 0.10
200 1.00

Atau jika digambarkan sebagai berikut :

Peluang

.50
.40

.30
.20
.10

0 1 2 3 4 Jumlah TV Terjual

Ada beberapa distribusi peluang diskrit :

4.2.1.1. Distribusi Binomial
Sifat percobaan Binomial
1. Percobaan dilakukan dalam n kali ulangan yang sama.
2. Kemungkinan yang terjadi pada tiap ulangan hanya ada 2, yaitu
“sukses” atau “gagal”.
3. Probabilita “sukses” yang dinotasikan dengan p selalu tetap pada
tiap ulangan.
4. Tiap ulangan saling bebas (independent).

Fungsi Peluang Binomial

n!
p( x)  p x (1  p ) n  x
x!( n  x )!

dimana x = banyaknya sukses yang terjadi dalam n

Pusat Pengembangan Bahan Ajar - UMB Drs. Achmad Khodar MT

STATISTIKA DAN PROBABILITAS

 kali ulangan
p= peluang “sukses”
n= banyaknya ulangan

Nilai Harapan (Expected Value) atau Rata-rata

E(x) = m = np

Varian
Var(x) = s2 = np(1 - p)

Simpangan Baku (Standard Deviation)

  2  np (1  p )

Contoh :
Misalkan sebuah perusahaan asuransi mempunyai 3 calon pelanggan,
dan pimpinan perusahaan yakin bahwa peluang dapat menjual
produknya adalah 0,1. Berapa probabilita bahwa 1 pelanggan akan
membeli produknya?
Pada kasus ini, p = 0,1 n=3 x=1

3!
p ( x  1)  0.11 (1  0.1) 31
1!(3  1)!

3!
p ( x  1)  0.11 (0.9) 2
1!2!

= (3)(0,1)(0,81) = 0,243
Jadi peluang seorang pelanggan akan membeli produknya adalah
0,243

Nilai Harapan: E(x) = m = np = 3.(0,1) = 0,3

Varian: Var(x) = s2 = np(1 - p) = 3(0,1)(0,9) = 0,27
Simpangan Baku: s = 0,52

Nilai peluang distribusi Binomial dapat diperoleh dari tabel Binomial

seperti contoh berikut:
Pada kasus ini, p = 0,1 n=3 x=1

p
n x ,10 ,15 ,20 ,25 ,30 ,35 ,40 ,45 ,50
Pusat Pengembangan Bahan
3
Ajar - UMB
0 ,7290 ,6141 ,5120
Drs. Achmad Khodar MT
,4219 ,3430 ,2746 ,2160 ,1664 ,1250
1 ,2430 ,3251 ,3840 ,4219 ,4410 ,4436 ,4320 ,4084 ,3750
STATISTIKA DAN PROBABILITAS
2 ,0270 ,0574 ,0960 ,1406 ,1890 ,2389 ,2880 ,3341 ,3750
3 ,0010 ,0034 ,0080 ,0156 ,0270 ,0429 ,0640 ,0911 ,1250
 Pada n = 3 dan x = 1, dibawah p = 0,10 diperoleh nilai tabel 0,2430

4.2.1.2. Distribusi Multinomial

Distribusi multinomial adalah sebuah distribusi dimana percobaan akan
menghasilkan beberapa kejadian.
Misalkan ada k kejadian dalam sebuah percobaan yaitu B1, B2, …, Bk.
Jika percobaan di ulang sebanyak n kali dan peluang terjadinya setiap
kejadian B adalah P(B1) = p1, P(B2) = p2, …, P(Bk) = pk dengan
jumlahnya masing masing sebanyak x1, x2, …, xk, maka fungsi distribusi
multinomial nya sebagai berikut:

 n!  x1 x2
p ( x1 , x2 ,..., xk )    p1 p2 ... pk xk
x !
 1 2 x !...x !
3 

Dimana : x1, x2, …, xk jumlah dari kejadian B1, B2, …, Bk

n jumlah percobaan
k

x
i 1
i n

p1, p2, …,pk peluang terjadinya kejadian B1, B2, …,

Bk

Contoh :
Pada suatu pemeriksaan hasil pembuatan pipa pada sebuah pabrik
memperlihatkan bahwa 85% produknya baik, 10% produknya tidak baik
tapi bisa diperbaiki dan 5% produknya rusak. Jika diambil sampel
berukuran 20, berapa peluang akan terdapat 18 yang baik dan 2 yang
tidak baik tapi bisa diperbaiki.
x1 = 18 = banyaknya produk baik
x2 = 2 = banyaknya produk tidak baik tapi bisa diperbaiki
Pusat Pengembangan Bahan Ajar - UMB Drs. Achmad Khodar MT

STATISTIKA DAN PROBABILITAS

 x3 = 0 = banyaknya produk rusak
p1 = 0,85
p2 = 0,1
p3 = 0,05

 20! 
p (18,2,0)   0,85 0,1 0,05  0,102
18 2 0

 18!2!0! 

Jadi peluang terambil 18 produk baik dan 2 produk tidak baik tapi bisa
diperbaiki adalah 0,102

4.2.1.3. Distribusi Poisson

Sifat percobaan Poisson
1. Peluang suatu kejadian adalah sama untuk 2 (dua) interval yang
sama.
2. Kejadian pada suatu inverval saling bebas dengan kejadian pada
inverval yang lain
3. Terjadinya kejadian sangat jarang terjadi

Fungsi Peluang Poisson

x e  
p( x) 
x!

Dimana x = banyaknya kejadian pada interval waktu

tertentu
m = rata-rata banyaknya kejadian pada interval
waktu
tertentu
e = 2.71828

Nilai Harapan (Expected Value) atau Rata-rata


E( X )   xp( x)  
x 0

Varian
Var(x) = s2 = λ

Simpangan Baku (Standard Deviation)

Pusat Pengembangan Bahan Ajar - UMB Drs. Achmad Khodar MT

STATISTIKA DAN PROBABILITAS

   2  

Contoh :
Di RS Mercy, rata-rata pasien mendatangi UGD pada akhir minggu
adalah 3 pasien per jam. Berapa peluang ada 4 pasien mendatangi
UGD pada akhir minggu?
λ = 3 pasien perjam, x = 4

3 4 e 3
p ( 4)   0,1680
4!

Jadi peluang ada 4 pasien mendatangi UGD pada akhir minggu adalah
0,1680
Nilai peluang distribusi Poisson dapat diperoleh dari tabel Poisson
seperti contoh berikut:
Pada kasus ini, λ = µ = 3 x=4

m
x 2,1 2,2 2,3 2,4 2,5 2,6 2,7 2,8 2,9 3,0
0 ,1225 ,1108 ,1003 ,0907 ,0821 ,0743 ,0672 ,0608 ,0550 ,0498
1 ,2572 ,2438 ,2306 ,2177 ,2052 ,1931 ,1815 ,1703 ,1596 ,1494
2 ,2700 ,2681 ,2652 ,2613 ,2565 ,2510 ,2450 ,2384 ,2314 ,2240
3 ,1890 ,1966 ,2033 ,2090 ,2138 ,2176 ,2205 ,2225 ,2237 ,2240
4 ,0992 ,1082 ,1169 ,1254 ,1336 ,1414 ,1488 ,1557 ,1622 ,1680
5 ,0417 ,0476 ,0538 ,0602 ..0668 ,0735 ,0804 ,0872 ,0940 ,1008
6 ,0146 ,0174 ,0206 ,0241 ,0278 ,0319 ,0362 ,0407 ,0455 ,0504
7 ,0044 ,0055 ,0068 ,0083 ,0099 ,0118 ,0139 ,0163 ,0188 ,0216
8 ,0011 ,0015 ,0019 ,0025 ,0031 ,0038 ,0047 ,0057 ,0068 ,0081

Pada x = 4 dibawah µ = λ = 3 diperoleh nilai tabel 0,1680

4.2.1.4. Distribusi Hipergeomertik

Pada distribusi hypergeometrik, percobaan tidak bersifat independen
dan peluang sukses berubah dari satu kejadian ke kejadian yang lain

Fungsi Peluang Hipergeometrik

 r  N  r 
  
 x  n  x 
p ( x) 
N
 
n

Pusat Pengembangan Bahan Ajar - UMB Drs. Achmad Khodar MT

STATISTIKA DAN PROBABILITAS

 Dimana :x = banyaknya sukses dalam n kali kejadian
n = banyaknya kejadian
N = banyaknya elemen populasi
r = banyaknya sukses dalam populasi

Contoh :
Sebuah anggota komite terdiri dari 5 orang, 3 wanita dan 2 laki-laki. Jika
dari komite itu dipilih 2 orang untuk mewakili dalam sebuah pertemuan,
maka peluang yang terpilih 1 wanita dan 1 laki-laki adalah :
N=5 n=2
r = jumlah wanita = 3
N – r = jumlah laki-laki = 5 – 3 = 2
x = jumlah wanita yang terpilih = 1
n – x = jumlah laki-laki yang terpilih = 2 – 1 = 1

 3  5  3   3!  2! 
     
 1  2  1   1!2!  1!1! 
p (1)    0,6
5  5! 
   
 2  2!3! 

Jadi peluang terpilih 1 wanita dan 1 laki-laki adalah 0,6

.2.2. Distribusi Peluang Kontinu

Distribusi peluang kontinu, yaitu apabila variabel acak yang digunakan adalah
variabel kontinu.
Syarat:
1. f(x) ≥ 0 , nilai peluang selalu lebih besar dari 0
2. 

 f ( x)  1
 , jumlah total peluang sebuah kejadian selalu sama dengan
1

3 Peluang dihitung untuk nilai dalam suatu interval tertentu.

4 Peluang di suatu titik = 0.
5. Peluang untuk random variabel kontinu (nilai-nilainya dalam suatu
interval), misalkan antara x1 dan x2, didefinisikan sebagai luas daerah di
bawah kurva (grafik) fungsi peluang antara x1 dan x2.
Pusat Pengembangan Bahan Ajar - UMB Drs. Achmad Khodar MT

STATISTIKA DAN PROBABILITAS

 Distribusi peluang kontinu dapat digambarkan dalam bentuk tabel, grafik,
maupun persamaan.

4.2.2.1. Distribusi Normal

Distribusi normal adalah sebuah distribusi yang paling luas
penggunaannya.
Karakterisik Distribusi Peluang Normal
1. Bentuk kurva normal seperti bel dan simetris.
2. Parameter s, menunjukkan lebar dari kurva normal (semakin besar
nilainya, semakin lebar).
3. Titik tertinggi dari kurva nomal terletak pada nilai rata-
rata=median=modus.
4. Luas total area di bawah kurva normal adalah 1. (luas bagian di
sebelah kiri µ = sebelah kanan µ).
5. Peluang suatu variabel acak normal sama dengan luas di bawah
kurva normal.

Persamaan distribusi normal tergantung pada 2 parameter, yaitu µ dan

σ. Persamaanya sebagai berikut :

2
1  x 
1  
 

f ( x)  e 2
 2

Dimana : m = rata-rata (mean)

s = simpangan baku (standard deviation)
p = 3.14159
e = 2.71828

Jika digambarkan sebagai berikut :

Pusat Pengembangan Bahan Ajar - UMB Drs. Achmad Khodar MT

STATISTIKA DAN PROBABILITAS

 f(x)

Persentase nilai pada interval yang sering digunakan

1. 68,26% nilai dari suatu variabel acak normal berada pada interval
µ±s
2. 95,46% nilai dari suatu variabel acak normal berada pada interval
µ±2s
3. 99,74% nilai dari suatu variabel acak normal berada pada interval
µ±3s

Untuk mencari peluang sebuah interval pada distribusi normal, maka

fungsi distribusi itu harus diintegralkan dengan batas-batas peluang
2
x2 1  x 
1   


2  
p( x1  x  x 2 )  e
x1  2

= F(x2) – F(x1)

Atau luas daerah yang dibawah kurva dengan batasan dari x1 sampai x2
seperti berikut :

x1 X2

Contoh :
Sebuah populasi dengan rata-rata µ = 12 dan σ = 2
Peluang x akan berada antara 11 – 14 adalah :
2
14 1  x 12 
1   
p (11  x  14)  
2 2 
e
11 2 2
Pusat Pengembangan Bahan Ajar - UMB Drs. Achmad Khodar MT

STATISTIKA DAN PROBABILITAS

 Untuk mempermudah perhitungan itu, maka variabel x di transformasi
menjadi angka baku z, dimana
x
z


atau jika di gambarkan :

µ-3σ µ-2σ µ-σ µ µ+σ µ+2σ µ+3σ

-3 -2 -1 0 1 2 3
68,26%
95,46%
99,74%

Karena nilai-nilai antara x1 dan x2 ditransformasikan ke z1 dan z2, maka

luas daerah antara x1 dan x2 sama dengan luas daerah z1 dan z2 yang
dapat dilihat dalam tabel Normal Baku.
Keterangan :
Angkayang tertera di tabel adalah luas daerah di bawah kurva dengan
batasan dari 0 sampai titik z tertentu
Contoh
P ( 0 < z < 0,69 )
0,2549

z ,00 ,01 ,02 ,03 ,04 ,05 ,06 ,07 ,08 ,09
,0 ,0000 ,0040 ,0080 ,0120 ,0160 ,0199 ,0239 ,0279 ,0319 ,0359
,1 ,0398 ,0438 ,0478 ,05170 ,0557 z,0596
= 0,69
,0636 ,0675 ,0714 ,0753
,2 ,0793 ,0832 ,0871 ,0910 ,0948 ,0987 ,1026 ,1064 ,1103 ,1141
,3 ,1179 ,1217 ,1255 ,1293 ,1331 ,1368 ,1406 ,1443 ,1480 ,1517
,4 ,1554 ,1591 ,1628 ,1664 ,1700 ,1736 ,1772 ,1808 ,1844 ,1879

,5 ,1915 ,1950 ,1985 ,2019 ,2054 ,2088 ,2123 ,2157 ,2190 ,2224
Pusat Pengembangan Bahan Ajar - UMB
,6 ,2257 Drs.,2422
,2291 ,2324 ,2357 ,2389 Achmad Khodar
,2454 ,2486MT,2518 ,2549
,7 ,2580 ,2612 ,2642 ,2673 ,2704 ,2734 ,2764
STATISTIKA DAN ,2794 ,2823 ,2852
PROBABILITAS
,8 ,2881 ,2910 ,2939 ,2967 ,2995 ,3023 ,3051 ,3078 ,3106 ,3133
,9 ,3159 ,3186 ,3212 ,3238 ,3264 ,3289 ,3315 ,3340 ,3365 ,3389
 Jadi peluang z berada diantara 0 sampai 0,69 adalah 0,2549

Untuk mencari nilai-nilai yang lain dapat dilakukan cara sebagai

berikut :
1. P ( z > 0,69 )
Luas keseluruhan daerah di bawah kurva = 1
Karena simetri, kiri dan kanan sama, maka luas dari 0 ke ~ adalah
0,5
Sehingga luas daerah yang di arsir = P (z > 0,69)
= 0,5 – 0,2549 = 0,2451

0,2549

0 z = 0,69 ~

z ,00 ,01 ,02 ,03 ,04 ,05 ,06 ,07 ,08 ,09
,0 ,0000 ,0040 ,0080 ,0120 ,0160 ,0199 ,0239 ,0279 ,0319 ,0359
,1 ,0398 ,0438 ,0478 ,0517 ,0557 ,0596 ,0636 ,0675 ,0714 ,0753
,2 ,0793 ,0832 ,0871 ,0910 ,0948 ,0987 ,1026 ,1064 ,1103 ,1141
,3 ,1179 ,1217 ,1255 ,1293 ,1331 ,1368 ,1406 ,1443 ,1480 ,1517
,4 ,1554 ,1591 ,1628 ,1664 ,1700 ,1736 ,1772 ,1808 ,1844 ,1879

,5 ,1915 ,1950 ,1985 ,2019 ,2054 ,2088 ,2123 ,2157 ,2190 ,2224
,6 ,2257 ,2291 ,2324 ,2357 ,2389 ,2422 ,2454 ,2486 ,2518 ,2549
,7 ,2580 ,2612 ,2642 ,2673 ,2704 ,2734 ,2764 ,2794 ,2823 ,2852
,8 ,2881 ,2910 ,2939 ,2967 ,2995 ,3023 ,3051 ,3078 ,3106 ,3133
,9 ,3159 ,3186 ,3212 ,3238 ,3264 ,3289 ,3315 ,3340 ,3365 ,3389

Jadi peluang nilai z lebih dari 0,69 = 0,2451

Pusat Pengembangan Bahan Ajar - UMB Drs. Achmad Khodar MT

STATISTIKA DAN PROBABILITAS

 2. P (-0,69 < z < 0,69 )
Sama saja dengan P ( -0,69 < z < 0 ) + P ( 0 < z < 0,69 )
Luas daerah P ( 0 < z < 0,69 ) = 0,2549
Karena simetri, kiri dan kanan sama, maka luas
P ( -0,69 < z < 0 ) = P ( 0 < z < 0,69 )
= 0,2549
Sehingga luas daerah yang di arsir = P (-0,69 < z < 0,69 )

= 0,2549 + 0,2549 = 0,5098

0,2549 0,2549

0 z = 0,69 ~

z ,00 ,01 ,02 ,03 ,04 ,05 ,06 ,07 ,08 ,09
,0 ,0000 ,0040 ,0080 ,0120 ,0160 ,0199 ,0239 ,0279 ,0319 ,0359
,1 ,0398 ,0438 ,0478 ,0517 ,0557 ,0596 ,0636 ,0675 ,0714 ,0753
,2 ,0793 ,0832 ,0871 ,0910 ,0948 ,0987 ,1026 ,1064 ,1103 ,1141
,3 ,1179 ,1217 ,1255 ,1293 ,1331 ,1368 ,1406 ,1443 ,1480 ,1517
,4 ,1554 ,1591 ,1628 ,1664 ,1700 ,1736 ,1772 ,1808 ,1844 ,1879

,5 ,1915 ,1950 ,1985 ,2019 ,2054 ,2088 ,2123 ,2157 ,2190 ,2224
,6 ,2257 ,2291 ,2324 ,2357 ,2389 ,2422 ,2454 ,2486 ,2518 ,2549
,7 ,2580 ,2612 ,2642 ,2673 ,2704 ,2734 ,2764 ,2794 ,2823 ,2852
,8 ,2881 ,2910 ,2939 ,2967 ,2995 ,3023 ,3051 ,3078 ,3106 ,3133
,9 ,3159 ,3186 ,3212 ,3238 ,3264 ,3289 ,3315 ,3340 ,3365 ,3389

Jadi peluang nilai z antara -0,69 sampai 0,69 adalah ,05098

Pusat Pengembangan Bahan Ajar - UMB Drs. Achmad Khodar MT

STATISTIKA DAN PROBABILITAS

 3. P (0,52 < z < 0,69 )
Luas daerah P ( 0 < z < 0,52 ) = 0,1985
Luas daerah P ( 0 < z < 0,69 ) = 0,2549
Sehingga luas daerah yang di arsir
= P ( 0 < z < 0,69 ) - P (0 < z < 0,52 )
= 0,2549 – 0,1985 = 0,0564

0,1985
0,2549

0 0,52 0,69 ~

z ,00 ,01 ,02 ,03 ,04 ,05 ,06 ,07 ,08 ,09
,0 ,0000 ,0040 ,0080 ,0120 ,0160 ,0199 ,0239 ,0279 ,0319 ,0359
,1 ,0398 ,0438 ,0478 ,0517 ,0557 ,0596 ,0636 ,0675 ,0714 ,0753
,2 ,0793 ,0832 ,0871 ,0910 ,0948 ,0987 ,1026 ,1064 ,1103 ,1141
,3 ,1179 ,1217 ,1255 ,1293 ,1331 ,1368 ,1406 ,1443 ,1480 ,1517
,4 ,1554 ,1591 ,1628 ,1664 ,1700 ,1736 ,1772 ,1808 ,1844 ,1879

,5 ,1915 ,1950 ,1985 ,2019 ,2054 ,2088 ,2123 ,2157 ,2190 ,2224
,6 ,2257 ,2291 ,2324 ,2357 ,2389 ,2422 ,2454 ,2486 ,2518 ,2549
,7 ,2580 ,2612 ,2642 ,2673 ,2704 ,2734 ,2764 ,2794 ,2823 ,2852
,8 ,2881 ,2910 ,2939 ,2967 ,2995 ,3023 ,3051 ,3078 ,3106 ,3133
,9 ,3159 ,3186 ,3212 ,3238 ,3264 ,3289 ,3315 ,3340 ,3365 ,3389

Jadi peluang nilai z antara 0,52 sampai 0,69 adalah ,00564

4.2.2.2 Distribusi Lainnya (t, F, χ2)

Pusat Pengembangan Bahan Ajar - UMB Drs. Achmad Khodar MT

STATISTIKA DAN PROBABILITAS

 Distribusi t, F dan χ2 akan dibahas pada saat membahas pengujian
hipotesis

Pusat Pengembangan Bahan Ajar - UMB Drs. Achmad Khodar MT

STATISTIKA DAN PROBABILITAS