Distribusi Probabilitas

( Distribusi Teoretis)
MASRIZAL DT MANGGUANG, SKM, M.BIOMED
BAGIAN EPIDEMIOLOGI & BIOSTATISTIK
FKM UNAND

Pengantar

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.

Distribusi Teoritis
Merupakan alat bagi kita untuk
menentukan apa yang dapat diharapkan,
apabila asumsi-asumsi yang kita buat
benar
Ada beberapa macam distribusi teoritis,
diantaranya Distribusi Binomial, Distribusi
Poisson, Distribusi Normal, Distribusi F,
Disribusi Kai Kuadrat, Distribusi t, dsb

Jenis Distribusi Probabilitas

Distribusi Binomial (Bernaulli)
2. Distribusi Poisson
3. Distribusi Multinomial
4. Distribusi Normal (Gauss)
1.

1. Distribusi Binomial

Merupakan distribusi probabilitas deskrit yag

paling banyak digunakan di segala bidang.
Menggambarkan fenomena dengan dua hasil
atau outcome. Contoh: peluang sukses atau
gagal, hasil pengobatan sembuh atau tidak,
sehat atau sakit, dsb.
Ditemukan oleh sahli matematika dari Inggris,
Jacob Bernoulli, sehingga dikenal juga sebagai
Distribusi Bernaulli.

Distribusi Binomial

Distribusi Binomial ditemukan oleh Bernaulli

Distribusi Bernaulli
Distribusi binomial menggambarkan fenomena
dengan 2 hasil
Seperti, peluang sukses dan gagal, sehat dan
sakit
Distribusi binomial bagus digunakan untuk
percobaan kecil (x < 100)

3 syarat yg harus dipenuhi untuk menggunakan

distribusi binomial :
1. Jumlah trial merupakan bilangan bulat. Contoh
melambungkan coin 2 kali, tidak mungkin 2 kali.
2. Setiap eksperiman mempunyai dua outcome (hasil).
Contoh: sukses/gagal, laki/perempuan, sehat/sakit,
setuju/tidaksetuju.
3. Peluang sukses sama setiap eksperimen.
Contoh: Jika lemparan dadu, yang diharapkan adalah
keluar mata lima, maka dikatakan peluang sukses
adalah 1/6, sedangkan peluang gagal adalah 5/6.
Untuk itu peluang sukses dilambangkan p, sedangkan
peluang gagal adalah (1-p) atau biasa juga
dilambangkan q, di mana q = 1-p.

Distribusi Binomial
Peluang sukses disimbolkan dengan p
dan gagal = q = (1-p)
Kejadian peristiwa binomial disimbolkan
dengan b(x,n,p)
Dimana : b = binomial
n = jumlah eksperimen
p = peluang sukses dlm 1 kali
eksperimen

Rumus :
n!
p =
Pr qn-r
r!(n-r)!
Dimana :
p = probabilitas yg diinginkan
q=1p
n = banyaknya peristiwa (trial)
r = jumlah sukses yg diinginkan

Rumus untuk binomial

n!
x
n x
P ( X x)
p (1 p)
x! n x!

Contoh :
Probabilitas seorang bayi tidak diimunisasi
campak adalah 0,2. Pada suatu hari di
Posyandu X ada 4 orang bayi. Hitunglah
peluang dari bayi tersebut 2 orang belum
diimunisasi campak

Penyelesaian :
Binomial b(x=2, n=4, p=0,2)
b(2, 4, 0,2)
Peluang 2 diantara 4 bayi yang belum
diimunisasi campak adalah :

n!
x
n x
P ( X x)
p (1 p)
x! n x!
4!
2
4 2
P ( X 2)
0,2 (1 0,2)
2! 4 2!

4!
2
2
P ( X 2)
0,2 x 0,8 0,1536 0,154
2! x 2!

Dengan menggunakan Tabel Binomial :

1n=4
Kolom 2 x = 2
Baris p nilai 0,2
Kolom

Cari titik temu antara n=4, x=2 p =0,2 maka

pada tabel diperoleh nilai 0,154

Contoh

Kita ingin mengetahui besarnya peluang

kelahiran 2 bayi laki-laki dari 3 kelahiran.
p = 0,5 q = 1-p = 0,5
n=3
r=2
Dengan menggunakan rumus di atas :

p =

n!
r!(n-r)!

Pr qn-r

p =

3x2x1
2x1x1

P = 0,375

(0,5)2 0,5

Probabilitas Binomial

Keadaan khusus Hanya 2 kemungkinan

keluaran
Hidup

vs Mati
Sakit vs Sehat

Contoh:
Probabilitas

pasien yg mengalami bedah

jantung meninggal 5%
Maka Prob(Hidup) = 100-5 = 95%

Contoh

2 Orang mengalami bedah jantung,

berapa probabilitas
0

orang meninggal
1 orang meninggal
2 orang meninggal

Contoh

Contoh

Diagram Probabilitas

Latihan :
1. Berapa probabilitas keluarnya angka 5,
sebanyak 2 kali bila sebuah dadu dilambungkan
3 kali ?
2. Berapa probabilitas hujan 3 hari dalam
seminggu selama 4 minggu?

Distribusi Poisson

Distribusi poiison digunakan untuk

mengkalkulasikan distribusi peluang dengan
kemungkinan sukses sangat kecil (p <<<<)
dengan jumlah eksperimen sangata besar (n
>>>>)
Biasanya digunakan untuk menghitung peluang
suatu kejadian dalam suatu waktu dan daerah
tertentu
Contoh :
banyaknya

bakteri dalam air yang bersih

Banyaknya presiden yang meninggal dalam
kecelakaan lalu lintas

Rumus Poisson
P(X )

x e
X!

= np = nilai rata-rata distribusi (lambda)

X! = faktorial variabel diskrit
e = konstanta = 2,71828

Contoh

Kejadian seseorang akan meninggal dunia

karena shok pada waktu disuntik dengan
vaksin meningitis (biasanya diberikan jika
seseorang akan naik haji) 0,0005. Kalau di
kota X orang yang melakukan vaksinasi
sebayak 4.000. Hitunglah peluang tepat 3
orang akan mengalami shok!

Penyelesaian

= n x p = 4000 x 0,0005 = 2
x
e
P(X )

X!

23 x 2,718282
P ( X 3)
0,1804 0,180
3!

Dengan menggunakan Tabel Poisson :

==2
Kolom = X = 3
Baris

Cari titik temu antara = 2, x=3 maka pada tabel

diperoleh nilai = 0,180

2. Distribusi Multinomial

Dalam satu peristiwa kadang menghasilkan lebih dari

dua event maka distribusi yg dihasilkan disebut distribusi
multinomial.
Contoh :
Hasil dari pengobatan sembuh, cacat, dan mati

Rumus

p =

n!
r1!r2!r3!

Dimana :
r1 + r2 + r3rk = n

p1 + p2 + p3pk = 1

(P1) r1 (P2) r2 (P3) r3

Contoh :

p =

Seorang dokter melakukan pengobatan sebanyak 6

kali terhadap 6 orang penderita gagal jantung dengan
hasil sembuh sempurna, sembuh dengan gejala sisa,
dan meninggal.
Berapa besar probabilitas dari 6 kali pengobatan
tersebut menghasilkan 2 orang sembuh sempurna, 2
orang sembuh dengan gejala sisa, dan 2 orang
meninggal.
n!
r1!r2r3!

(P1r1) (P1r1)

(P1r1)

6!
p =

2! 2! 2!

(1/3)2 (1/3)2(1/3)2

P = 0,123 = 12,3%

4. Distribusi Normal

Merupakan distribusi probabilitas dengan

variabel kontinu atau numerik
Pertama kali diuraikan oleh Abraham de Moivre
dan dipopulerkan oleh Carl Fredreich Gauss
dengan percobaannya Distribusi Gauss.
Bila percobaan dilakukan berulang2 yg paling
sering muncul adalah nilai rata2
Penyimpangan dari nilai rata2 (error) makin
sedikit terbentuk distribusi yg simetris
distribusi normal.

Distribusi Probabilitas
PDF

Probabilitas - Rizanda Machmud Bagian IKM/IKK FK UNAND

CDF

29

Distribusi Probabilitas

Distribusi Probabilitas

Prob. rumah sakit menerima 5 kasus/hari = PDF(5) = 15%

Prob. rumah sakit menerima <= 5 kasus/hari = CDF(5)

Distribusi Probabilitas

Prob. RS menerima <=10 kasus/hari = CDF(10)

CDF(10) = PDF(1) + PDF(2) + PDF(3) + + PDF(10)

Distribusi Normal
0.45
0.40
0.35
0.30
0.25
0.20
0.15
0.10
0.05
0.00

Distribusi probabilitas untuk variabel kontinyu dengan puncak

distribusi berada pada mean dan bentuk distribusi simetris, yang
ditentukan oleh simpang bakunya

Distribusi Normal
f(X)

Model Matematik Distribusi Normal

f X

1
2

X 2

2 2
f X : density of random variable X

3.14159;
e 2.71828
: population mean
: population standard deviation
X : value of random variable X

Distribusi Normal Standar

Standardized
Normal Distribution

Normal Distribution

Z 1

Dapat digunakan untuk berbagai ukuran Menggunakan

transformasi

Transformasi Z

Misal: rata-rata tek. Darah sistolik orang

dewasa 120 mmHg dan simpang baku
10 mmHg
Prob.

Seorang dari populasi tersebut memiliki

tekanan darah 100 140 mmHg
Hitung CDF(140) CDF(100)

Transformasi nilai ke distribusi normal

standar y 100 z 100 120 2
10
140 120
y 140 z
2
10

Penggunaan Tabel Z

Contoh aplikasi Distribusi Normal

Diketahui bahwa nilai mahasiswa MA X angkatan

2002/2003 di FKM UI berdistribusi normal dengan
nilai rata-rata sebesar 75 dan simpangan baku
(SD) sebesar 10. Hitunglah probabilitas
mahasiswa akan mendapatkan nilai sebagai
berikut:
1.
2.
3.
4.
5.

Kurang atau sama 60

90 atau lebih
Antara 65 sampai 85
65 atau lebih
Bila ditentukan bahwa ada sebesar 15% mahasiswa (dg
nilai tertinggi) akan mendapatkan nilai A, maka hitunglah
pada nilai terendah berapa mulai diberikan nila A
tersebut?

Distribusi Normal

Diketahui: = 75 dan =10

Ditanya: P(x 60)=?

1
60

75

Z
60 75
Z 10 = - 1.5

Lihat tabel Z arsir tengah

P ( z -1.5) = 0.5 0.4332

3
-1.5

= 0.0668 (6.68% mahasiswa

dapat nilai kurang dari 60)

Lihat tabel Z arsir pinggir p = 0.0668 (6,68%)

Distribusi Normal

Diketahui: = 75 dan =10

Ditanya: P(x 90)=?
2

1
75

90

Z
90 75
Z 10 = 1.5

Lihat tabel Z arsir tengah

P ( z 1.5) = 0.5 0.4332

3
0

1.5

= 0.0668 (6.68% mahasiswa

dapat nilai lebih dari 90)

Lihat tabel Z arsir pinggir p = 0.0668 (6,68%)

Distribusi Normal

Diketahui: = 75 dan =10. Ditanya: P(65 x 85)=?

65

75

85
0.3413

0. 3413

Z1 85 75
10 = 1.0
Z2 65 75
10 = -1.0
P ( -1.0 z 1.0) =
0.3413+0.3413 =0.6826
= 0.6826 (68.26% mahasiswa
dapat nilai antara 65 s/d 85)

-1

Distribusi Normal

Diketahui: = 75 dan =10

Ditanya: P(x > 65)=?

1
65

75

P(65< x < 75)=?

Z
65 75
Z 10 = - 1.0

Lihat tabel Z arsir tengah

P (-1.0 < z 0.0) = 0.3413

3
-1.5

P(z > -1.0)= 0.3413 + 0.5 =

0.8413 (84.13% mahasiswa dapat
nilai 65 atau lebih)

Distribusi Normal

Diketahui: = 75 dan =10. Ditanya: x=? Bila 15% nilai

tertinggi dapat nilai A

1.03

15%
35% atau
0.3500

1.03

Hitung Z pada luas

kurva 0.15 ?? 1.03

75
10

10.3=X 75
X=85,3
Nilai terendah mahasiswa
dapat nilai A adalah 85,3

Distribusi Normal (Gauss)

Ciri khas distribusi normal :

Simetris

Seperti

lonceng
Titik belok
Luas dibawah kurva = probabilitas = 1

Kurva normal standar mempunyai = 0

dan = 1 N ( = 0, = 1)

Ciri2 distribusi normal :

Disusun dari variabel random kontinu

Nilai mean, median dan modus berada pada satu titik.
Y

x
Md
Mo

Distribusi normal dan uji statistik

Dalam uji statistik distribusi normal merupakan

prasyarat untuk dilakukan uji parametrik.
Data sampel dengan skala numerik harus
dilakukan uji normalitas data sebelum dilakukan
uji parametrik.
Bila syarat normalitas data tidak terpenuhi
pakai uji non parametrik.

Rumus Distribusi Normal :

xx
Z
S

Dimana :
Z = deviasi relatif
= X = rata-rata
= s = standar deviasi

Contoh

Seorang mahasiswa melakukan penelitian

kadar kolesterol pasien yang datang berobat
pada poli khusus RS X. Dari 150 orang yang
diperiksa kadar kolesterolnya diperoleh ratarata kadar kolesterol sebesar 215 mg% dengan
simpangan baku 45 mg%. Hitunglah peluang si
peneliti untuk mendapatkan seseorang dengan
kadar kolesterolnya :
1.
2.
3.

> 250 mg%

< 200 mg%
antara 200 275 mg%

Penyelesaian
1.

P (x>250 mg%)

x x 250 215
Z

0,77
S
45
Lihat tabel Distribusi Normal nilai Z
berada pada kolom paling kiri dan baris
paling atas
Caranya : ambil nilai Z ini tiga digit saja
2 digit ada pada kolom dan digit ketiga
pada baris

Penyelesaian
Nilai Z = 0,77 0,7 + 0,07
Pada tabel nilai 0,7 lihat pada kolom
dan 0,07 lihat pada baris sehingga
diperoleh nilai 0,2794 (ini merupakan luas
area antara 215 s.d 250 mg%
Yang ditanyakan adalah P (x>250 mg%)
untuk mendapatkan area > 250 mg%
adalah 0,5 0,2794 = 0,2206

Penyelesaian
2.

P (x<200 mg%)

x x 200 215
Z

0,33
S
45
Lihat tabel nilai Z tabel = 0,1293
P (x<200 mg%) = 0,5 0,1293 = 0,3707

Penyelesaian
3.

P (200 mg% < x < 275 mg%)

Pada soal 2 sudah diadapat area antara 215
mg% s.d 200 mg% sebesar Z1 tabel = 0,1293

x x 275 215
Z2

1,33
S
45
Nilai Z2 tabel = 0,4082
P (200 mg% < x < 275 mg%) = Z1 + Z2 =
0,1293 + 0,4082 = 0,5375

TUGAS Distribusi Normal

Kadar serum sodium pada orang dewasa yang
sehat terdistribusi secara normal, dengan mean
141 meq/L dan Standar Deviasi 3 meq/L.
Hitunglah:
1.Berapa probabilitas seorang dewasa yang sehat akan
mempunyai kadar serum sodium 147 meq/L atau lebih?
2.---//--- dibawah atau sama dengan130 meq/L?
3.---//--- antara 132 dan 150 meq/L?
4.Berapa batas kadar serum sodium, jika seseorang
dinyatakan termasuk kedalam kelompok 10% kadar
serum tertinggi?

2 Orang mengalami bedah jantung,

berapa probabilitas
0

orang meninggal
1 orang meninggal
2 orang meninggal