M FARIZ HIDAYAT

131401141

DISTRIBUSI PELUANG
PRAKTIKUM
MODUL II

STATISTIKA

INDUSTRI

2013

PROBABILITAS DAN STATISTIKA

MODUL 7

DISTRIBUSI PELUANG
A.

TEORI PENDUKUNG PRAKTIKUM

1.

Distribusi Peluang
Distribusi peluang merupakan tabel, grafik atau rumus yang memberikan nilai peluang
dari sebuah peubah/variabel acak. Berdasarkan karakteristik peubah acaknya, distribusi
peluang dapat dibedakan menjadi dua, yakni distribusi peluang diskrit dan distribusi peluang
kontinyu.

2.

Distribusi Peluang Diskrit

Distribusi peluang diskrit adalah distribusi peluang dimana semesta peubah acaknya
dapat dihitung atau berhingga, misalnya peubah acak sebuah lemparan dadu bernilai 1 hingga
6. Apabila himpunan pasangan terurut (x, f(x)) merupakan suatu fungsi peluang, fungsi masa
peluang, atau distribusi peluang peubah acak diskrit x maka untuk setiap kemungkinan hasil x
berlaku:

a.
b.
c.

f(x) > 0

f (x) = 1
P (X=x) = f(x)
Beberapa distribusi peluang diskrit adalah :

a. Distribusi seragam (Uniform)

Pada distribusi ini setiap peubah acak memiliki nilai peluang yang sama. Jika X adalah
adalah suatu peubah acak dengan nilai x1, x2, , xk masing-masing memiliki nilai peluang
yang sama, maka distribusi seragam dapat dituliskan:
F(x;k) =

1
k'

x = x1,x2,x, , xk .

Contoh distribusi seragam adalah distribusi peluang munculnya angka dadu (1 hingga 6)
ketika dilempar, yaitu 1/6.
b.

Distribusi Binomial
Distribusi Binomial merupakan distribusi peluang yang dihasilkan dari proses Bernoulli
yang memiliki empat karakteristik utama, yaitu:

PROBABILITAS DAN STATISTIKA

MODUL 7

1)

Percobaan dilakukan pengulangan sebanyak n kali.

2)

Tiap percobaan memiliki dua hasil saja yakni: sukses atau gagal.

3)

Peluang sukses (p) pada setiap percobaan adalah konstan.

4)

Pengulangan percobaan harus bebas (independent) satu sama lain, artinya hasil
eksperimen yang satu tidak mempengaruhi hasil eksperimen yang lainnya.
Sebuah percobaan Bernoulli dengan peluang sukses p dan peluang gagal q = 1-p, maka
distribusi peluang peubah acak binomial X (jumlah kejadian sukses dalam n kali percobaan)
dapat dituliskan:

B(x;n;p) =

n p x qn x

(
)
k

, x= 0,1,2, , n.

Peluang terambilnya kartu As di setiap pengambilan satu kotak kartu merupakan salah satu
contoh percobaan Bernoulli.
c.

Distribusi Hipergeometrik
Cara sederhana untuk membedakan distribusi Hipergeometrik dengan distribusi Binomial
adalah dengan melihat proses penarikan sampelnya. Pada distribusi Binomial, antar percobaan
bersifat bebas sedangkan pada distribusi Hipergeometrik peluang sukses percobaan saat ini
bergantung pada hasil percobaan sebelumnya.
Percobaan Hipergeometrik memiliki sifat berikut:

1)
2)

Sampel acak ukuran n diambil tanpa pengembalian dari N benda

Sebanyak k benda dapat diberi nama sukses sedangkan sisanya, Nk, diberi nama gagal,
sehingga distribusi peluang peubah acak Hipergeometrik X (banyaknya sukses dalam sampel
acak ukuran n yang diambil dari N benda yang mengandung k bernama sukses dan N-k
bernama gagal ialah :
Pengunaan distribusi Hipergeometrik terdapat banyak bidang, antara lain pada penerimaan
sampel, pengujian elektronik dan pengendalian mutu.

d.

Distribusi Poisson
Eksperimen Poisson adalah eksperimen yang menghasilkan nilai dari suatu peubah acak X,
yaitu jumlah keluaran yang terjadi selama satu selang waktu atau di antara suatu daerah.

PROBABILITAS DAN STATISTIKA

MODUL 7

Misalkan, jumlah panggilan telepon per jam yang diterima oleh suatu kantor, banyaknya hari
sekolah di tutup karena banjir, banyaknya kertas rijek karena salah ketik dll.
Percobaan Poisson berasal dari proses Poisson yang memiliki sifat sebagai berikut:
1)

Jumlah keluaran yang muncul dalam suatu rentang waktu atau suatu daerah tidak
dipengaruhi (independent) terhadap jumlah keluaran yang terjadi di rentang waktu atau daerah
yang lain yang terpisah.

2)

Peluang bahwa yang satu keluaran akan muncul dalam selang waktu yang sangat pendek
atau daerah yang kecil adalah proporsional dengan panjang selang waktu atau luas dari daerah.

3)

Peluang muncul lebih dari satu keluaran dalam selang waktu yang amat pendek atau
daerah yang kecil dapat diabaikan.
Distribusi peluang acak Poisson X yang menyatakan banyaknya sukses yang terjadi dalam
selang waktu tertentu dinyatakan dengan t diberikan oleh:
p(x;t) = et (t)x
x = 0, 1, 2, .... x!
Dimana t menyatakan banyaknya sukses yang terjadi per satuan
waktu atau daerah, sedangkan e = 2,71828 ....
Distribusi Poisson dianggap sebagai pendekatan pada distribusi Binomial apabila n
(banyaknya percobaan) adalah besar, sedangkan p (probabilitas sukses) sangat kecil.

3. Distribusi Peluang Kontinyu

Distribusi peluang kontinyu adalah peubah acak yang dapat memperoleh semua nilai
pada skala kontinyu. Ruang sampel kontinyu adalah bila ruang sampel mengandung titik
sampel yang tak terhingga banyaknya. Syarat dari distribusi kontinyu adalah apabila fungsi f(x)
adalah fungsi padat peluang peubah acak kontinyu X yang didefinisikan di atas himpunan
semua bilangan riil R bila:
a.

F(x) > 0 untuk semua x R

b.

PROBABILITAS DAN STATISTIKA

MODUL 7
f (x)dx = 1

c.

P(a<X<b) = f (x)dx
Beberapa contoh distribusi kontinyu antara lain:
a. Distribusi Normal
Distribusi Normal disebut juga Gausian distribution adalah salah satu fungsi distribusi
peluang berbentuk lonceng seperti gambar berikut.

Berdasarkan gambar di atas, distribusi Normal akan memiliki beberapa ciri diantaranya:
1)

Kurvanya berbentuk garis lengkung yang halus dan berbentuk seperti genta.

2)

Simetris terhadap rataan (mean).

3)

Kedua ekor/ ujungnya semakin mendekati sumbu absisnya tetapi tidak pernah
memotong.

4)

Jarak titik belok kurva tersebut dengan sumbu simetrisnya sama dengan

5)

Luas daerah di bawah lengkungan kurva tersebut dari - ~ sampai + ~ sama dengan 1
atau 100%.

Distribusi Normal memiliki dua parameter yaitu rataan () dan simpangan baku (). Jika X
merupakan peubah acak, maka fungsi padat X dengan distribusi normal dinyatakan dengan
n(x; ) =

1
22

(1/2)[(x)/)2

PROBABILITAS DAN STATISTIKA

MODUL 7

dengan = 3,14.... dan e = 2,71828....

b.

Distribusi Eksponensial
Distribusi Eksponensial memiliki pertalian erat dengan distribusi Poisson. Jika pada
Poisson, peubah acak poisson X menggambarkan jumlah keluaran yang terjadi pada suatu
selang waktu atau luas daerah tertentu, maka peubah acak Eksponensial X menggambarkan
panjang rentang waktu antara suatu kejadian dengan kejadian lainnya.
Gambar kurva distribusinya di gambarkan di bawah ini:
y

Dalam hal ini peubah acak X pada distribusi Poisson berkisar antara 0 sampai tak terhingga
(0 < x <) dan bersifat kontinyu.
Peubah acak kontinyu X berdistribusi Eksponensial dengan parameter , fungsi
densitasnya diberikan oleh:

c.

Distribusi Gamma
Distribusi Gamma memiliki hubungan yang erat dengan distribusi Eksponensial, karena
distribusi Eksponensial merupakan salah satu bentuk khusus dari distribusi Gamma. Jika
peubah acak kontinyu X berdistribusi Gamma dengan parameter dan maka fungsi
densitasnya dapat dirumuskan sebagai berikut:

PROBABILITAS DAN STATISTIKA

MODUL 7

Pada kasus khusus, yaknik jika =1, maka fungsi distribusi Gamma akan menjadi
distribusi Eksponensial. Penerapan kedua distribusi banyak dijumpai untuk menggambarkan
permasalahanpermasalahan antrian dan keandalan.
d.

Distribusi Chi-kuadrat
Distribusi ini memegang peranan penting dalam statistika inferensi, terutama untuk uji
hipotesis dan penaksiran parameter. Pada dasarnya distribusi Chi-kuadrat juga merupakan
bentuk khusus dari distribusi Gamma, yakni ketika nilai = v/2 dan = 2, dimana v adalah
derajat kebebasan yang merupakan bilangan integer positif.
Peubah acak kontinyu X berdistribusi Chi-kuadrat (derajat kebebasan v), jika fungsi
densitasnya dapat dirumuskan dengan

e.

Distribusi Weibull
Seperti distribusi Eksponensial dan distribusi Gamma, distribusi Weibull banyak diterapkan
pada persoalan keandalan dan pengujian panjang umur (life testing) suatu komponen.
Peubah acak kontinyu X berdistribusi Weibull dengan parameter , jika fungsi densitasnya
diberikan oleh