, l' "', ,'~ y ,

Bagian /I Distribusi Probabilitas

KONSEP DISTRIBUSI PROBABILITAS

Apabila nilai-nilai probabilitas dinyatakan untuk mewakili semua nilai yang dapat terjadi dari suatu variabel random X, baik dengan suatu daftar (tabel) maupun dengan fungsi matematis, hasilnya disebut suatu distribusi probabilitas. Suatu variabel random adalah sesuatu yang nilainya ditentukan oleh perubahan dari proses yang berada di luar kontrol pelaku observasi. Jumlah probabilitas dari semua kemungkinan kejadian harus sarna dengan 1. Dalam konteks pembicaraan distribusi probabilitas, nilai-nilai probabilitas individual dinyatakan dengan simbol f(x) yang merupakan fungsi matematis, dengan P(x=X) atau P(X) yang merupakan variabel random yang memiliki bermacam-macam nilai.

Penyajian distribusi probabilitas dapat berbentuk tabel atau kurva probabilitas. Untuk suatu variabel random diskrit, semua nilai yang dapat terjadi dari variabel random dapat didaftar dalam suatu tabel dengan menyertakan probabilitas-probabilitasnya. Sedangkan untuk suatu variabel random kontinyu, karena semua nilai pecahan yang dapat terjadi tidak dapat didaftar, probabilitas-probabilitas ditentukan dengan fungsi matematis yang dinyatakan dengan suatu fangsi kontinyu, atau kurva probabilitas.

DISTRIBUSI PROBABILITAS DISKRIT

Nilai Yang Diharapkan dan Varian Variabel-variabel Random Diskrit

Dalam pembahasan ini rata-rata disebut nilai harapan dari distribusi probabilitas. Nilai harapan dari suatu variabel random diskrit X dinyatakan dengan E(X). Nilai ini merupakan rata-rata tertimbang dari semua nilai variabel yang mungkin terjadi dengan probabilitas sebagai penimbang. Nilai harapan dari suatu distribusi probabilitas diskrit didapat dengan menggunakan rumus

E(X) = L X P(X)

Varian dari suatu varibel random dinyatakan dengan Var(X). Secara umum varian dari distribusi probabilitas diskrit dapat dirumuskan:

Var(X) = L X2 P(X) - [L X P(X) F = E(X2) - [E(XW

28

Contoh 1

Sebuah dealer mobil istimewa mengumpulkan datajumlah penjualan selama lima puluh hari. Data selengkapnya dapat dilihat pada Tabel 2.1. Jumlah hari dikonversikan ke dalam nilai probabilitas (pada kolom ketiga).

Tabel2.1

Permintaan Mobil Merk Istimewa Selama 50 Hari

o 1 2 3 4 5 6

2 0,04
3 0,06
5 0,10
10 0,20
20 0,40
7 0,14
3 0,06
50 1.00 Total

Contoh 2

Berdasarkan data pada Tabe12.1, perhitungan niIai yang diharapkan terhadap distribusi probabilitas disajikan pada Tabel 2.2. Nilai yang diharapkan adalah 3,52 (jika dibulatkan menjadi 4) mobil merk Istimewa. Nilai yang diharapkan untuk data diskrit dapat bemilai pecahan, karena nilai tersebut merupakan nilai rata-rata jangka panjang, tidak spesifik untuk observasi tertentu.

Varian dari nilai harapan tersebut adalah

Var (X) = E (X2) - [E(X)]2 = 14,32 - 12,39 = 1,93

Rincian perhitungan di atas dapat dilihat pada Tabel 2.3.

29

Tabel2.2

Nilai Yang Diharapkan

Atas Permintaan Mobil Merk Istimewa

Kemungldmm Probabilltas NUai Tertimbang
Permintaan (X) P(X) XP(X)
0 0,04 0
1 0,06 0,06
2 0,10 0,20
3 0,20 0,60
4 0,40 1,60
5 0,14 0,70
6 0,06 0,36
E(X) = 3,52 Tabel2.3

, '

Kemungldnan Probabilitas Nilai Tertimbang Xl Xl P(X)
Permintaan P(X) XP(X)
0 0,04 0 0 0
1 0,06 0,06 1 0,06
2 0,10 0,20 4 0,40
3 0,20 0,60 9 1,80
4 0,40 1,60 16 6,40
5 0,14 0,70 25 3,50
6 0,06 0,36 36 2,16
E(X) = 3,52 E(X2)=14,32 E(X) = L X P(X) = 3,52 Var (X) = E (X2) - (E (X»2

= 14,32 - (3,52)2 = 1,9296

Distribusi Binomial

Distribusi Binomial adalah suatu distribusi probabilitas yang dapat digunakan bilamana suatu proses sampling dapat diasumsikan sesuai dengan proses Bernoulli. Suatu proses Bernoulli adalah proses sampling yang:

1. ada dua kejadian yang dapat terjadi dan saling asing pada setiap percobaan atau observasi, untuk mudahnya disebut sukses atau gagal;

2. urut-urutan percobaan at au observasi merupakan kejadian independen:

3. probabilitas sukses dinyatakan dengan p, yang nilainya tetap dari percobaan ke percobaan atau dari satu kejadian ke kejadian yang lain.

30

Ada tiga nilai yang diperlukan, yaitu: jumlah sukses (X), jumlah percobaan atau observasi (n), dan probabilitas sukses dalam setiap percobaan (p). Rumus untuk menentukan probabilitas dari sejumlah sukses X dalam distribusi binomial adalah

P(X) = P(X) I n, P)

= C P' (1 _ pyn-x)

n x

= n! pX (1 _ pyn-x)

X! (n - X)!

Nilai harapan dan varian distribusi binomial adalah

E(X) = np dan Vart X) = np( l-p)

Jika proporsi sukses p = X nilai probabilitas sukses adalah n

pep =~) = C pX (l _ pyn-x)

n n x

Nilai harapan dan varian distribusi binomial yang dinyatakan secara proporsi adalah

E(p) = p dan

V (-) p(l - p)

ar p = n

Contoh 1

Sembilan puluh persen produk yang dihasilkan sebuah perusahaan berkualitas baik.

Kepala bagian produksi mengambillima produk, berapa probabilitas bahwa sebuah produk tidak berkualitas baik?

Jawab:

n = 5; p = 0,1; X = I

P(x = 1 In = 5, p = 0) = 5C, (0,1)' (0,9)4 = 0,3281

Apabila telah ditemukan formulasi distribusi probabilitas binomial, nilai probabilitas dapat dilihat pada tabel probabilitas gabungan!

Contoh 2

Dari lima ratus mainan anak-anak terdapat lima puluh mainan yang rusak. Seorang pedagang eceran membeli sepuluh mainan, tentukan probabilitas:

a. sebanyak-banyaknya tiga mainan rusak;

b. sekurang-kurangnya dua mainan rusak

Jawab:

Jumlah populasi N = 500 danjumlah rusak R = 50. Sebelum ada pengambilan proporsi yang rusak adalah

31

"" ,/,

R 50

-=-=01

N 500 '

Proporsi rusak p = 0,1; proporsi baik q = 0,9, dan besarnya sampel n = 10.

a. Pemyataan sebanyak-banyaknya tiga mainan rusak berarti ada kemungkinan: tidak ada mainan yang rusak, ada satu mainan yang rusak, ada dua mainan yang rusak, atau ada tiga mainan yang rusak.

Probabilitas bahwa sebanyak -banyaknya tiga mainan rusak dapat dilambangkan dengan:

P(X ~ 3) = P(X = 0) + P(X = 1) + P(X = 2) + P(X = 3).

Dengan demikian,

P(X s 3)= .IOCO (0,1)0 (0,9)10 + .WCI (0,1)1 (0,9)9 +

.JOC2 (0,1)2 (0,9)8 + .JOC3 (01)3 (0,9)1

= 0,3487 + 0,3874 + 0,1937 + 0,0574

= 0,9872

b. Pemyataan sekurang-kurangnya dua mainan rusak nilai probabilitas binomialnya dapat dihitung dengan:

Contoh3

Sebuah perusahaan sepatu mengelompokkan hasil produksinya ke dalam dua kelompok berdasarkan kualitas. Kelompok pertama adalah kualitas ekspor, biasanya empat puluh persen. Kualitas non ekspor - sisanya - merupakan kualitas kedua, enam puluh persen. Jika diambil sepuluh pasang sepatu yang belum dikelompokkan (di - sorting), berapa probabilitas bahwa sekurang-kurangnya enam puluh persen berkualitas ekspor?

Jawab:

P(P ~ 0,6) = P(p = 0,6) + P(p = 0,7) + ... + P(p = 1)

= P, (p = 160) + P ~ = 170) + ... P (p = ~~)

= IOC6 (0,4)6 (0,6)4 + IOe? (0,4)7 (0,6)3 + ." + IOC}O (0,4)10 (0,6)° = 0,1115 + 0,0425 + 0,0106 + 0,00l6 + 0,0001

= 0,1663

Contoh4

Telah diamati perkembangan harga suatu barang selama dua belas bulan terakhir. Dari hasil pengamatan tersebut diperoleh informasi sebagai berikut: enam bulan terjadi kenaikan harga (I), empat bulan harga turun (D), dan selama dua bulan harga tetap (F). Hitunglah probabilitas bahwa selama tiga bulan pertama:

a. harga terus naik; b. harga naik atau terus;

c. harga turun paling sedikit satu kali; d. selama dua bulan harga tidak berubah!

32

Jawab:
= P(I) 6
PI =-
12
P2 =P(D) 4
=-
12
P3 = P(F) =2
12 a. Karena kita akan menghitung P(harga terus naik) P = PI = _2_ ; n = 3; X = 3 (selama tiga bulan)

12

digunakan untuk menghitung nilai probabilitas binomial

666

P(X = 31 n = 3, P = 12 = 3C3 (12)3 (12)D

b. P(harga naik atau harga turun) = P(harga naik) + P(harga turun), karena kejadian harga naik dan harga turun saling meniadakan. Dengan demikian

P = P = _Q_ dan

I 12

P=P =.A.

2 12

digunakan untuk menghitung nilai P(harga naik) dan nilai P(harga turun).

P(harga naik atau terus) = 0,125 + P (X = 3 In = 3, P = Ii)

= 0,125+3C3(~} (182)0

= 0,125 + 0,037 = 0,162

c. P(paling sedikit turun satu kali) = 1 - P(tidak turun).

4 p = P2 = 12

digunakan untuk menghitung nilai P(tidak turun)

P (x ~ 1 I n = 3, P = ~) = 1 - P (x = 0 I n = 3, P = 0)

= 1 - 3CO C~) 3 ( 182) 0

= 1 - 0,037 = 0,963

33

A' " "

d. P(selama dua bulan harga tidak berubah), dengan demikian 2

p = P3 = 12

digunakan untuk menghitung nilai P(selama dua bulan harga tidak berubah).

p(X=2In=3,p= 2~ = C (2) 2 (10) I

12) 3 2 12 12

_i_ = 0,069 72

Contoh 5

Menurut keterangan Petruk, direktur biro perjalanan PT Bilung Linglung, yang khusus mengurusi perjalanan turis manca negara, 20 % dari turis menyatakansangat puas berkunjung ke Indonesia, 40 % lainnya menyatakan puas, 25 % menyatakan biasa dan sisanya menyatakan kurang puas. Apabila kita bertemu dengan lima orang manca negara yang pemah berkunjung ke Indonesia, berapakah probabilitas:

a. paling banyak dua di antaranya menyatakan sangat puas;

b. paling sedikit satu di antaranya menyatakan kurang puas;

c. dua menyatakan puas dan dua menyatakan biasa;

lawab:

P, = P( sangat puas) P2 = P(puas)

P3 = P(biasa)

p 4 = P(kurang puas) n=5

=0,20 = 0,40 =0,25 = 0,15

a. Probabilitas paling banyak dua di antaranya menyatakan sangat puas:

P(X $; 21 n = 5, P = 0,2) = P(X=O) + P(X=I) + P(X=2) = 0,94208

dengan rincian:

P(X = 0) = sCo (0,20)0 (0,80)S = 0,32768 P(X = I) = SCI (0,20)' (0,80)4 = 0,40960 P(X = 2) = sC2 (0,20)2 (0,80)3 = 0,20480

b. Probabilitas paling sedikit satu di antaranya menyatakan kurang puas:

P(X~2In=5,p=0,15) =I-P(X=O)

= 1 - sCo (0,15)0 (0,85)5 = 1 - 0,4437 = 0,5563

c. Dua menyatakan puas, dua menyatakan biasa:

P(sangat puas atau kurang puas) = 0,20 + 0,15 = 0,35; X(I atau4) = 1

34

P2 = 0,40; X2 = 2 P3 = 0,25; X3 = 2

5!

P(2 puas, 2 biasa) = X (0,35)1 (0,40)2 (0,25)2 = 0,105

1! 2! 2!

Distribusi Multinomial

Distribusi binomial dapat digunakan untuk menentukan probabilitas yang memiliki kejadian yang saling meniadakan (mutually exclusive) lebih dari dua (multinomial), misa1nya s. Andaikan kejadian-kejadian tersebut AI' A2, A3, ... As dengan probabilitas berturut-turut PI' P2,P3' ... ps (dengan: PI +P2 +P3 + ... +P, = 1). Jikajumlahkemungkinanataupercobaanadalah n, probabilitas bahwa AI terjadi kl kali, Az terjadi k2 kali, A3 terjadi k, kali, ... As terjadi ks kali, adalah

n! kl k2 k, k

------P Pz P3···p; kJ ! k, ! k) ! ... ks! I

dengan k, + k, + k3 + ... + ks = n. Contoh 6

Dengan menggunakan inforrnasi Contoh 5 tentukan probabilitas satu kurang puas; dua puas, dan dua sangat puas?

lawab:

Satu kurang puas, dua puas, dan 2 sangat puas:

PI = 0,20; XI = 2 Pz = 0,40; X2 = 2 P3 = 0,25; X3 = 0 P4 = 0,15; X4 = 1

P(l IV, 2 II, 2 III)

= 5! X (0,20)2 (040)2 (0 25)0 (015)1

2! 21 O! I! ",

= 0,0288

Contoh 7

Sebuah dadu (berbentuk kubus, masing-masing sisi diberi tanda angka 1 sampai dengan 6) dilempar 8 kali. Probabilitas tampak muka tanda angka 5 dan 6 dua kali serta yang lain masing-masing satu kali adalah

lawab:

P(tanda angka 5 dan 6 dua kali) =

8!

[!) 2 [!) 2 [!)(!)[~)(~)

2!211!1!1!1! 35

5832 = 0,006

35

Contoh 8

Sebuah perusahaan memproduksi empatjenis barang (A, B, C, dan D). Proporsi keempat produk tersebut berturut-turut 0,2; 0,3; 0,4; dan 0,1. Diambil enam produk untuk diuji atau diteliti. Probabilitas terambill A, 3 B, dan 2 C adalah

Jawab:

PO A, 3 B, 2 C, ° D)

= 6! (0,2)' (0,3)2 (0,4)2 (0,1)0

1!3!2!0!

= 0,05184

Distribusi Hipergeometrik

Jika sampling dilakukan tanpa pengembalian dari kejadian sampling yang diambil dari populasi dengan kejadian-kejadian terbatas, proses Bernoulli tidak dapat digunakan, karena ada perubahan secara sistematis dalam probabilitas sukses seperti kejadian- kejadian yang diambil dari populasi. Jika pengambilan sampling tanpa pengembalian digunakan dalam situasi sebaliknya dan memenuhi syarat proses Bernoulli, distribusi hipergeometrik adalah distribusi probabilitas diskrit yang tepat.

Jika X melambangkan jumlah sukses dalam sampel, N melambangkanjumlah kejadian dalam populasi, XT melambangkan jumlah sukses dalam populasi, dan n jumlah sampel, formula untuk menentukan probabilitas hipergeometrik adalah

C C

P(X I N, x, N) = N-XT o-XXT X

NCo

Apabila populasi besar dan sampel relatip kecil, pengambilan secara sampling dilakukan tanpa pengembalian menimbulkan efek terhadap probabilitas sukses dalam setiap percobaan kecil, untuk mendekati nilai probabilitas hipergeometrik dapat digunakan konsep distribusi binomial, dengan syarat n ~ 0,05 N.

Contoh 1

Dari enam kontraktor jalan, tiga diantaranya telah berpengalaman selama lima tahun atau lebih. Jika empat kontraktor dipanggil secara random dari enam kontraktor tersebut, berapa probabilitas babwa dua kontraktor telab berpengalaman selama lima tabun atau lebih?

Jawab:

P(X = 2 I N = 6, X, = 3, n = 4) =

(~~~)(~) (~)(~) 3! 3!
----
2! 1! 2! 1! (3) (3)
= = = = 0,060
(~ ) (~ ) 6! 15
4! 2!
36 Contoh 2

Seorang manajer personalia mengambil secara random tiga surat dari sepuluh surat yang ditulis karyawan yang mengundurkan diri dari perusahaannya. Dengan anggapan bahwa empat dari sepuluh karyawan tersebut berasal dari bagian keuangan, tentukan probabilitas bahwa dua dari tiga surat tersebut dari karyawan bagian keuangan!

Jawab:

P(X = 21 N = 10, XT = 4, n = 3) =

C~_-24)( ~ ) (~)(~) 6! 4!
----
I! 5! 2! 2! (6) (6) =0,30
= = =
(~O) C30) 1O! 120
3! 7!
Contoh 3 Seorang sales harus menyinggahi (secara random) enam dari sepuluh kota selama perjalanannya. Enam dari kota-kota tersebut mampu menjual produk tertentu di atas target yang direncanakan, sedangkan empat kota lainnya tidak mampu menjual di atas target yang direncanakan. Tentukan probabilitas bahwa empat kota yang disinggahinya mampu menjual produk tertentu tersebut di atas target yang direncanakan!

Jawab:

P(X = 4 1 N = 10, XT = 6, n = 6) =

(~_-46)( ~ ) (~)(~) 4! 6!
----
2! 2! 4! 2! (6) (15) =0,43
= = =
(~O) -(~O) 10! 210
6! 4!
Distribusi Poisson Distribusi Poisson dapat digunakan untuk menentukan probabilitas dari sejumlah sukses yang ditentukan, jika kejadian-kejadian terjadi dalam kurun waktu atau ruang kontinyu tertentu. Proses Poisson seperti proses Bernoulli, hanya berbeda pada sifat kontinyuitasnya saja. Hanya satu nilai yang diperlukan untuk menentukan probabilitas jumlah sukses dalam proses Poisson, yaitu jumlah rata-rata sukses, yang dilambangkan ')'/ atau e"A. Rumus untuk menentukan probabilitas jumlah sukses X - dalam sampel - adalah

P(X 1 A) = AX e"/..

X!

Nilai harapan dan varian untuk distribusi probabilitas Poisson adalah E(X) = ').. dan Var (X) = ')..

37

-- --------

Apabila distribusi binomial n besar dan p atau (l-p) kecil, yaitu n ~ 30 dan np < 5 atau n(1-p) < 5, pendekatan distribusi Poisson dapat digunakan dengan A == np.

Contoh 1

Secara rata-rata, lima nasabah sebuah bank mengadakan transaksi di atas sepuluh juta rupiah setiap jam. Jika diasumsikan kondisi transaksi tersebut tidak berdistribusi tertentu dan memiliki pola tetap untuk jangka waktu tertentu, tentukan probabilitas bahwa selama satu jam tertentu akan terjadi transaksi dengan nasabah lebih dari sepuluh juta rupiah, lebih dari sepuluh kali!

lawab:

Dengan menggunakan tabel distribusi Poisson diperoleh:

P(X> 10 I A = 5,0) = P(X = 11) + P(X = 12) + =

0,0082 + 0,0034 + 0,0013 + 0,0005 + 0,0002 + :::: 0,0136

Contoh 2

Setiap lima ratus meter kabel terdapat dua meter yang memiliki lapisan bagian luar tipis.

Tono membeli seratus meter kabel tersebut. Berapa probabilitas bahwa seluruh kabel yang dibeli Tono memiliki lapisan bagian luar tidak tipis?

Jawab:

Jika setiap lima ratus meter terdapat dua meter yang memiliki lapisan bagian luar tipis, berarti setiap seratus meter rata-rata memiliki lapisan bagian luar tipis adalah A = 2 : 5 = 0,40

Dengan menggunakan tabel distribusi Poisson diperoleh:

P(X == 0 I A = 0,40) = 0,6703

Distribusi Probabilitas Kontinyu

Variabel random kontinyu adalah salah satu variabel yang dapat memiliki nilai pecahan di dalam range tertentu. Dengan demikian, untuk distribusi variabel ini tidak dapat disusun tabel yang menyatakan nilai probabilitas. Nilai distribusi kontinyu dinyatakan dalam bentuk fungsi matematis dan digambarkan dalam bentuk kurva.

Distribusi Normal

Distribusi probabilitas normal adalah distribusi probabilitas kontinyu yang simetrik dan mesokurtik. Dua parameter yang menentukan suatu bentuk kurva normal adalah rata-rata dan standard deviasi. Suatu pengujian sederhana terhadap normalitas dapat diIakukan dengan menghitung persentase data observasi yang berada di dalam plus-minus satu atau plus-minus dua standard deviasi dari rata-rata. Dengan cara ini, suatu distribusi disebut normal jika lebih kurang 68 % data observasi berada di dalam satu standard deviasi dan lebih kurang 95 % berada di dalam dua standard deviasi. Jika tidak, suatu distribusi tidak mengikuti suatu kurva normal. Bentuk persamaan matematis distribusi probabilitas normal adalah

38

-(x - Ilf

f 1 -2-'-

(X) =--e o-

V21t(J2

Dalam formula di atas X dapat bernilai - 00 sampai dengan+ 00. Dengan demikian nilai distribusi normal tidak terbatas. Nilai 1t "" 3,1416 dan nilai e "" 2,7183. Luas total di bawah fungsi probabilitas sarna dengan I, Probabilitas suatu observasi yang diambil secara random dari suatu populasi normal yang ada di antara dua nilai a dan b, dapat disamakan dengan luas daerah di bawah kurva probabilitas dengan nilai X sarna dengan a dan b.

Gambar 2.1

Nilai-nilai X dapat dikonversikan ke dalam nilai-nilai standar normal Z dengan menggunakan rumus:

X-Il Z=-o

Nilai harapan dan varian adalah E(X) = 11 dan Var (X) = (}'2

Contoh 1

Dari hasil pengamatan terhadap lima ratus daun teh yang dipetik dari kebun XYZ menunjukkan bahwa rata-rata panjang daun-daun teh tersebut 151 mm dengan standard deviasi sebasar 15 mm. Dengan asumsi bahwa panjang daun-daun yang diamati tersebut berdistribusi normal, di antara daun-daun yang diamati tersebut:

a, berapa yang memiliki panjang antara 120 mm sampai dengan 155 mrn?

b. berapa daun yang memiliki panjang lebih dari 185 mm?

c. berapa daun yang memiliki panjang kurang dari 128 mm?

Iawab:

n = 500; x = 151; s = 15

39

a. Untuk rnenghitung jumlah daun yang memiliki panjang antara 129 mm sampai dengan 155 mm nilai probabilitas terlebih dulu dihitung dengan formulasi:

= P (119,5 - 151 < Z < 155,5 - 150

15 15 )

= P(-2,1 < Z < 0,30)

= 0,4821 + 0,1179 = 0,60

P(120 < X 155)

Gambar2.2

-2,1

o

0,3

z

Jumlah daun yang memiliki panjang 120 mm sampai dengan 155 mm = (0,60) (500) = 3001embar.

b. Nilai probabilitas daun yang memiliki panjang lebih dari 185 mm didapat dengan formula

Gambar2.3

o

2,23 Z

40

Jumlah daun yang memiliki panjang lebih dari 185 mm == (0,0129) (500) = 6lembar.

c. Nilai probabilitas daun yang memiliki panjang kurang dari 128 mm adalah

Gambar2.4

-2,5

o

z

Jumlah daun yang memiliki panjang kurang dari 128 mm = (0,0668) (500) = 331embar.

Contoh 2

Nilai rata-rata hasil ujian suatu mata kuliah adalah 65, dengan varians 36. Salah satu ketentuan agar peserta mendapat nilai A, jika nilai angkanya minimal 75. Peserta ujian akan mendapat hilai B, jika nilai angkanya paling sedikit 60 dan kurang dari 75. Bila diketahui pencaran nilai peserta ujian mendekati distribusi normal, maka bila diambil seorang peserta ujian secara acak, tentukan probabilitas bahwa ia adalah peserta ujian yang mendapat nilai:

a. A; b. B; c. kurang dari B!

Jawab:

J.! = 65

cr2 = 36 sehingga cr = 6

a. Probabilitas mendapat nilai A dapat dihitung sebagai berikut.

P(X ~ 75) = P (z ~ 75 ~ 65 )

= P(Z ~ 1,67) = 0,50 - 0,4525 = 0,0475

41

,-

--- --- -----

-: ..... ',

Gambar2.5

1,67

z

b. Probabilitas mendapat nilai B dapat dihitung sebagai berikut.

P(60 ~ 75) = P Z ~(60 ~ 65 < Z S 75 ~ 65 )

= P(-0,83 < Z S 1,67)

= 0,2967 + 0,4525 = 0,7592

Gambar 2.6

-0,83

1,67

z

c. Probabilitas mendapat nilai kurang dari B dapat dihitung sebagai berikut.

P(X < 60) = P ( Z ~ 60 ~ 65 j

= P(Z < - 0,83) = 0,50 - 0,2967 = 0,2033

42

Gambar2.7

Contoh 3

-0,83

z

Perusahaan jamu cap Potret Nona Nyengir akhir-akhir ini memproduksi pembersih wajah yang dikemas dalam botol plastik. Produksi setiap hari dapat mencapai empat ribu botol. lsi cairan dalam botol, menurut label adalah 335 ml, dengan varian 144 ml. Apabila dari produksi perusahaan jamu tersebut diambil secara acak (random) sebanyak 16 botol, berapakah probabilitas akan ditemukan botol pembersih dengan isi:

a. 335 ml;

b. kurang dari 330 ml;

c. lebih dari 338 ml;

d. antara 329 sampai dengan 340 ml;

e. kurang dari 341 ml?

Jawab:

11 = 335 a = 144

ax = J ~2 = J 1:: = 3

a. P(ditemukan botol pembersih dengan isi 335 ml) adalah

P(X = 335) = P(334,5 s 335,5)

= P (334,5 - 335 < Z ~335.5 - 335 '\

C 3 - 3)

= P(-0,17 ~ Z s 0,17)

= 0,0675 + 0,0675 = 0,135

-0,17 0,17 Gambar2.8

z

43

b. P(ditemukan botol pembersih dengan isi kurang dari 330 ml):

P(X < 330) = P (Z;;:: 330,53- 335 )

= P(Z < - l,5) = 0,50 - 0,4332 = 0,0668

Gambar2.9

z

c. P(ditemukan botol pembersih dengan isi lebih dari 338 ml):

( 3375 - 335 )

P(X < 338) = P Z;;:: --'-,.,---

= P(Z < - 0,83) = 0,50 - 0,2967 = 0,2033

Gambar 2.10

0,83

z

d. Ptditemukan botol pembersih dengan isi antara 329 sampai dengan 340 ml):

( 328,5 - 335 328.5 - 335 )

P(329 < 335) = P Z ;;:: < Z < --.,.,..--

44

",*'" "

110IIII1

= P(-2,17 < Z < 1,83)

= 0,4850 + 0,4664 = 0,9514

'Gambar 2.11

-2,17

1,83

z

e. P(ditemukan botol pembersih dengan isi kurang dari 341 ml):

P(X < 314) = P ( Z ~ 341,53- 335 )

= P(Z < 2,17) = 0,50 - 0,4850 = 0,9850

Gambar2.12

2,17 Z

Distribusi Probabilitas Eksponensial

Jika kejadian sukses bersifat kontinyu dan distribusi probabilitas juga bersifat kontinyu (dalam kurun waktu tertentu), maka distribusi probabilitas tersebut dinamakan distribusi probabilitas eksponensial. Jika _ merupakan jumlah rata-rata dalam kurun waktu tertentu, probabilitas selama waktu tertentu dari awal adalah

P(T :::; t) = 1 - e -A.

45

Nilai harapan dan varian adalah

1 1

E(T) = 1: dan Var(T) = ')..}

Contoh 1

Seeara rata-rata, setiap jam ada lima permintaan perbaikan pesawat telepon yang disampaikan melalui telepon. Dalam permulaan waktu yang dipilih seeararandom, berapakah probabilitas bahwa permintaan perbaikan pesawat telepon terjadi pada setengah jam pertama?

Jawab:

Rata-rata per jam = 5

A = rata-rata per setengah jam = 2,5

Dengan menggunakan tabel probabilitas Eksponensial akan didapat nilai probabilitas:

peT s 0,5) = 1 - e-A- = 1 - 0,08208 = 0,91792

Contoh 2

Dengan menggunakan ketentuan eontoh 1 di atas, tentukan probabilitas bahwa pade setengah jam pertama tidak terdapat permintaan perbaikan pesawat telepon 1

Jawab:

Dengan menggunakan tabel probabilitas Eksponensial akan didapat nilai probabilitas:

P(T> 0,5)

= e- - = e- 2,5 = 0,08208

Distribusi Student's t

Untuk sampel yang besanya (n) kurang dari 30, sering disebut dengan sampel keeil, pendekatan distribusi normal Z semakin kurangjika n semakin kecil. Untuk itu perlu dibuat modifikasi yang eoeok. Salah satu bentuk pendekatan untuk jumlah sampel kecil adalah Student's t.

Jika kita mengambil sampel sebesar n dari sebuah populasi yang berdistribusi normal (atau mendekati distribusi normal) yang memiliki rata-rata 11, dengan rata-rata sampel x dan standard deviasi s, kita dapat menghitung nilai statistik sampel dengan menggunakan rumus yang ditemukan oleh W.S. Gosset dan diterbitkan tahun 1908:

X-11

t=-s

atau

s.

dengan nilai kesalahan standard rata-rata:

sx =_s_

\jff

46

Nilai statistik sampel t yang didapat dari sampel sejumIah n data atau obyek memiliki derajat kebebasan (degree offreedom, d.f.) (n - 1).

SOAL-SOAL

1. Ujian atau tes dengan altematip jawaban benar-salah berjumlah 50 soal. Untuk lulus, peserta ujian harus menjawab benar 60 persen atau lebih. Berapa probabiIitas seorang peserta ujian akan lulus jika c~a menjawab soal dengan melemparkan uang logam, dengan ketentuan bahwa suatu sisi tampak muka ia mejawab benar, sedangkan sisi lain yang tampak muka ia menjawab salah?

Jawab: 0,1013

2. Sebuah perusahaan jasa pengiriman barang mengirimkan 50 penawaran. Berdasarkan pengalaman hanya 5 persen usaha seperti di atas berhasil. Tentukan probabilitas bahwa dari 50 penawaran terse but:

a. tidak ada yang permintaan pengiriman barang melalui perusahaan tersebut;

b. ada tiga permintaan pengiriman barang melalui perusahaan tersebut;

c. sebanyak -banyaknya dua permintaan pengiriman barang melalui perusahaan tersebut;

d. lebih dari empat permintaan pengiriman barang melalui perusahaan tersebut!

e. Berapa jumlah permintaan pengiriman barang melalui perusahaan tersebut yang dapat diharapkan?

Jawab: a. 0,0769; b. 0,2119; c. 0,5405; d. 0,1036; e. 2,5

3. Misalkan hanya 40 persen pemilik TV yang membayar iuran TV. Jika dipanggil secara random 10 pemilik TV, berapakah probabilitas bahwa:

a. sebagiari besar membayar iuran TV;

b. kurang dari separuh mernbayar iuran TV? Jawab: a. 0,1663 b. 0,6330

4. Di atas meja kepala bagian kredit suatu bank terdapat dua puluh berkas permohonan pinjaman KIK (Kredit Investasi Kecil) yang sudah memenuhi syarat administrasi. Lima belas di antara pembuat permohonan tersebut terdapat lima pemohon baru, sisanya pemohon lama. Pengambilan secara random empat berkas permohonan, berapkah probabilitas bahwa:

a. tiga berkas milik pemohon lama;

b. sekurang-kurangnya tiga berkas milik pemohon lama? Jawab: a. 0,47 b. 0,75

5. Di dalam kotak terdapat 10 resistor, 7 berkualitas baik dan 3 tidak berkualitas baik. Jika diambil secara random dua buah resistor, berapakah probabilitas bahwa sekiirangkurangnya satu tidak berkualitas baik?

Jawab: 0,5333

47

6. Seorang pedagang barang antik memiliki beberapa jenis barang, salah satu di antaranya bemama Abad 16, dengan jumlah 60 unit. Sepuluh unit - barang Abad 16 - masingmasing bemilai Rp20,00, sisanya tidak bemilai. Masing-masing unit dikenai tarip oleh pedagang tersebut Rp4,OO. Ada konsumen membeli lima unit.

a. Berapa probabilitas bahwa semua barang tidak bemilai?

h. Berapa probabilitas bahwa konsumen akan impas break even? Jawab: a. 0,388 b. 0,422

7. Jika 40 persen neraca laporan salah dan diambil 200 laporan secara random, tentukan probabilitas bahwa:

a. tidak ada neraca yang salah;

b. satu neraca salah;

c. sekurang-kurangnya tiga neraca salah;

d. dua sampai dengan lima neraca salah;

e. kurang dari lima neraca salah!

Jawab: a. 0,4493; b. 0,3595; c. 0,0474; d. 0,J910; e. 0,9909

8. Dua buah dadu dilempar bersama-sama sebanyak lima kali.

a. Berapakah probabilitas muncul berjumlah 2 tiga kali, ber~umlah 9 satu kali, dan berjumlah 12 satu kali?

b. Berapakah probabilitas muncul berjumlah 6 - dari muka 3 dan muka 3 - tiga kali, dari muka-muka sarna dua kali?

Jawab: a. 0,000011 b. 0,000006

9. Sebuah kapal penangkap ikan, secara rata-rata mendapat ikan tiga ekor dalam lima hari.

Berapa probabilitas penangkapan:

a. dua ekor dalam tiga hari;

b. sekurang-kurangnya tiga ekor dalam dua hari! Jawab: a. 0,2678; b. 0,1205

10. Manajer investasi menerima telepon dari investor secara rata-rata sebanyak sepuluh kali dalam satu hari kerja, delapan jam. Berapa probabilitas bahwa manajer tersebut tidak mendapat telepon dari investor selama dua jam terakhir pada saat ia mengikuti rapat pimpinan?

Jawab: 0,0821

11. Sebuah supplier minyak tanah yang menguasai suatu daerah, dari bulan Desember sampai dengan Pebruari dapat memasarkan minyak rata-rata 80.000 I per hari dengan simpangan baku (standard deviation) 10.000 I per hari. Jika pada suatu hari supplier mulai dapat menawarkan 92.500 I per hari, berapa probabilitas bahwa permintaan suatu hari melampaui jumlah yang dapat ditawarkan?

Jawab: 0,1056

48

12. Bagian mesin sebuah perusahaan ban mobil membuatjenis ban barn dan merencanakan untuk mengujinya. Masa pakai diukur denganjarak tempuh dalam km. Asumsi bahwa mas a pakai ban tersebut berdistribusi normal, dengan simpangan baku 2.500 km. Apabila perusahaan menginginkan 80 persen dari ban yang dicoba memiliki masa pakai sekurang-sekurangnya 25.000 km, berapa umur pemakaian rata-rata terendah yang dapat diterima?

lawab: 27.100

13 Vmur penggunaan bolam jenis awet berdistribusi normal dengan rata-rata 38.000 jam dan simpangan baku 3.000.

a. Berapa probabilitas bahwa pengambilan secararandom sebuah bolam akan memiliki umur penggunaan sekurang-kurangnya 35.000 jam?

b. Berapa probabilitas bahwa pengambilan secararandom sebuah bolam akan memiliki umur penggunaan lebih dari 45.000 jam?

c. Jika ada grosir mempunyai 500 buah bolam, tentukan - dengan pendekatan - lnmh.h bolam yang memiliki umur penggunaan antara 40.000 jam sampai dengan 4).000 jam?

d. Jika seorang konsumen membeli 4 buah bolam, berapa probabilitas bahwa keempatempatnya memiliki umur penggunaan sekurang-kurangnya 38.000 jam?

lawab: a. 0,8413; b. 0,0099; c. 121; d. 0,0625

14. Antarajam 7.00 sampai dengan 9.00 kedatangan bus kota nomor 1001 rata-rata 18 bus per jam. Berapa probabilitas bahwa seorang calon penumpang mendapatkan bus setelah

•

menunggu:

a. selama 5 menit; lawab: a. 0,7769; b. 0,173

b. antara 5 sampai dengan 10 menit?

15. Secara rata-rata terdapat 6 pembeli di sebuah toko swalayan menggunakan kartu kredit pel jam.

~. Berapa probabilitas bahwa sekurang-kurangnya 10 menit terdapat 2 pembeli yang menggunakan kartu kredit?

b. berapa probabilitas bahwa setelah seorang pembeli menggunakan kartu kredit tidak ada pembeli yang menggunakan kartu kredit sekurang-kurangnya 20 menit?

c. Pembeli kedua yang menggunakan kartu kredit datang dalam satu menit setelah pembeli yang menggunakan kartu kredit selesai melakukan transaksi?

lawab: a. 0,36788; b. 0,13534; c. 0,09516

49