DISTRIBUSI PROBABILITAS

Kunci aplikasi probabilitas dalam statistik adalah memperkirakan terjadinya peluang/

probabilitas yang dihubungkan dengan terjadinya peristiwa tersebut dalam beberapa
keadaan. Contoh , kita ingin mengetahui probabilitas sebuah keluarga untuk memiliki anak
laki-laki dan perempuan.Jika kita mengetahui keseluruhan probabilitas dari kemungkinan
outcome yang terjadi, seluruh probabilitas kejadian tersebut akan membentuk suatu distribusi
probabilitas,

Ada bermacam-macam distribusi peobabilitas (distribusi teoritis) dalam analisis statistik

antara lain:

- Distribusi Binomial (Bernaulli)

- Distribusi Poisson
- Distribusi Normal (Gauss)
- DistribusiStudent (t W Gosset)
- Distribusi Chi Square (2)
- Distribusi Fisher (F)
Dan lain- lain
Tiga macam distribusi yang umumnya digunakan yaitu distribusi Binomial (Bernaulli),
distribusi Poisson, distribusi Normal (Gauss). Random variabel pada ketiga macam distribusi
ini merupakan variabel random yang diskrit.

A.DISTRIBUSI BINOMIAL
Distribusi Binomial (Bernaulli) menggambarkan fenomena dengan dua hasil atau
outcome. Contoh peluang sukses, dan gagal, sehat dan sakit, dan sebagainya. Penemu
distribusi binomial adalah James Bernaulli.
Bernaulli trial mempunyai empat syarat sebagai berikut :
1. Jumlah trial merupakan bilangan bulat
2. Setiap eksperimen mempunyai dua outcome (hasil) yaitu sukses dan gagal
3. Peluang sukses sama setiap eksperimen
4. Setiap eksperimen independen saru sama lain.
Dalam distribusi binomial ini, trial independen adalah setiap trial atau peristiwa bebas satu
sama lain Misalnya trialnya melemparkan (melambungkan) satu koin 5 kali antara
lambungan pertama, kedua, sampai kelima adalah kejadian yang independen. Setiap
eksperimen atau trial mempunyai dua hasil yaitu sukses dan gagal.
Jadi ketika melambungkan koin kita mengharapkan akan keluar permukaan H (head) dan
pada waktu melambungkan akan keluar H, maka dikatakan sukses, sedangkan kalau keluar
sisi T (tail), maka dikatakan gagal. Setiap lambungan mempunyai probabilitas suskses yang
sama. Jika pada lambungan pertama probabilitas sukses adalah (setengah) pada
lambungan seterusnya juga ..Bagaimana kalau yang dilambungkan itu adalah dadu ?/
Dalam hal ini permukaan yang diharapkan keluar misalnya mata lima, maka dikatakan
peluang (probabilitas) sukses adalah 1/6 (seperenam), sedangkan peluang gagal adalah 5/6
(lima per enam).
P : lambang probabilitas sukses
1 p = q : lambang probabilitas gagal

Kejadian atau peristiwa binomial ini disimbolkan b(x,n,p)

b : binomial x : banyaknya suskses yang diinginkan n : jumlah trial
p : peluang sukses dalam satu kali trial

Contoh :

Probabilitas seorang bayi tidak diimunisasi polio adalah 0,2 (p). Pada suatu hari di Puskesmas PQR
ada 4 orang bayi. Hitunglah peluang dari bayi tersebut 2 orang belum imunisasi polio. Jadi, di dalam
kejadian binomial ini dikatakan b(x=2, n= 4, p = 0,2)

Penyelesaian :

Katakanlah bay ii tersebut A,B,C,D dua orang tidak diimunisasi mungkin adalah A&B, A&C, A&D,
B&C, B&D, C&D. Ada enam pasang yang mungkin merupakan kombinasi dari empat objek
pasangannya 2 (x=2, n=4)kombinasinya

!
(, ) = ( ) =
(
! )!

Dua orang tidak diimunisasi dan dua orang diimunisasi peluangnya adalah 0,22 x 0,82 atau pn(1-p)n-1

!
Jadi rumus untuk b(x,n,p) adalah P(X=x) = !()! (1 )

Jadi b(2,4, 0,2) adalah

4!
P(X=2) =2!(42)! (0,2)2 (0,8)2

4.3.2!
= (0,04)(0,64)
2!2!

= 0,1536

P(X=2)= 0,154

Atau dengan memakai tabel binomial (lampiran tabel !).

Caranya kolom pertama n= 4, cari x = 2 terus lihat p = 0,2 maka pada tabel didapat 0,973.

Ini peluang kumulatif dari P(x =0)+ P(x = 1)+ P(x=2)

Kalau mau mendapatkan P(x=2) saja maka 0,973 - 0,819 = 0,154

B. DISTRIBUSI POISSON

Distribusi Poisson dipakai untuk menenutukan peluang sesuatu kejadian yang jarang
terjadi, tetapi mengenai populasi yang luas atau area yang luas dan juga berhubungan dengan
waktu.

Distribusi Poisson merupakan fungsi probabilitas:

P(X) = =
! !

= = n.p = E(x) nilai rata-rata

e = konstanta = 2,71828

x = variabel random diskrit (1,2,3, ... x)

Contoh:

Diketahui probabilitas untuk terjadi shok pada saat imunisasi dengan vaksinasi meningitis
adalah 0,0005. Kalau suatu kota jumlah orang yang dilakukan Vaksinasi sebanyak 4000.
Hitung peluang tepat tiga orang akan terjadi shok.

Penyelesaian:

= = n.p = 4000 x 0,0005 = 2

23 2,718282 8
P(x =3) = = = 0,1804
3! 3.2.1.(2.71828)2

Catatan: penyelesaian bisa digunakan tabel Distribusi Poisson

Baris = =

Kolom = x.

Caranya : lihat = 2 (baris atas)

X = 3 lihat pada kolom pertama didapat 0,857 (secara kumulatif), jadi untuk peluang
p(x=3) saja adalah 0,857 0,677 = 0,180

Pada kasus kejadian Binomial b(x,n,p) di mana n cukup besar dan p tidak terlalu
kecil (tidak mendekati 0.....1) tidak dapat diselesaikan dengan distribusi binomial atau
distribusi Poisson. Untuk itu dilakukan dengan pendekatan memakai distribusi
Normal (Gauss)
C. DISTRIBUSI NORMAL (GAUSS)

Distribusi Normal merupakan distribusi statistik yang amat penting.

Distribusi Ini ditemukan pertama kali oleh Abraham Demoive tahun 1933 (matamatika asli
Prancis). Di aplikasikan lagi pada awal abad ke 19 oleh Perre Simon De Laplace (matematika
Prancis) dan Karl Fredrich Gauss (matematika dan astronom asal Jerman).

Distribusi normal dikenal dengan distribudi Gauss. Sir Francis Allon dan sepupunya Charles
Darwin orang pertama mengaplikasikan kurva distribusi normal kedalam bidang
kedokteran.

Gambar distribusi normal terdapat pada variabel random kontinu, seperti tinggi badan,
serum kalesterol, suhu badan orang sehat dan sebagainya.

Rumus eksponensial untuk Distribusi Normal:

()
() =
.

< < 2 = 0

< < = 3,14 = 2,71828

Gambar distribusi normal

Z = deviasi relatif = =

Kurva normal standar N( = 0, = 1)

Kurva normal umum N(,) simetri dengan x tertentu dan sd (simpangan baku)
tertentu.

Ciri khas distribusi normal

1. Untuk variabel kontinu

2. Dengan puncak distribusi berada ada mean
3. Bentuk distribusi simetris yang ditentukan oleh simpangan baku
4. Simetris seperti lonceng
5. Titik belok
6. Luas dibawah kurva = probability = 1

Contoh

Dari penelitian terhadap 150 orang laki-laki yang berumur 40- 60 tahun didapatkan rata-rata
kalesterol mereka 215 mg% dan simpangan baku sd =45 mg% . Hitunglah peluang kita
mendapatkan seorang yang kadar kalesterolnya

a. > 250 mg %
b. < 200 mg %
c. Antara 200- 275 mg %

Penyelesaian:

Untuk menyelesaikan permasalahan di atas nilai x di transformasikan ke nilai z, Di dalam

tabel nilai z berada pada kolom paling kiri dan baris paling atas. Ambil nilai z ini ketiga
digit saja. Nanti 2 digit ada dikolom dan digit ketiga ada di baris.

a. P(x > 250 mg %)

250215
Z= = 0,76
45

Pada tabel 0,7 dilihat di kolom , 0,06 pada baris lihat lampitan tabel III di dapat
nilai 0,2764
Ini adalah luas area antara 215 sampai 250.
Jadi p(x > 250 mg %) = 0,5 - 0,2764 = 0,2236

b. P(x < 200 mg %)

200215
Z= = 0,33 0,1293
45

Jadi p(x < 200 mg %) = 0,5 - 0,1297 = 0,3707

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

Pada soal b). Sudah didapat area antara 215mg% samapai 200 mg% ............... =
0,1297

275215
Z= = 1,33 = 0,4082
45

jadi P( 200mg % < x < 275 mg %) = 0, 1293+ 0,4082= 0,5375

D. PENDEKATAN DISTRIBUSI BINOMIAL KE DISTRIBUSI

NORMAL

Di dlam mempelajari prpbabilias suatu peristiwa yang jumlah (n) nya kecil dan nilai
probabilitasnya antara
0 1 di lakukan perhitungannya memakai disitribusi binomial. Dan pada n sangat
besar dan p kecil sekali perhitungan memakai distribusi Poisson.
Apabila n cukup besar (contoh n = 100) Sedang p antara 0 1, maka dapat dilakukan
pendekatan ke distribusi Normal.
Contoh probabilitas seorang ibu hamil. menderita anemia di Indonesia adalah 0,4. Pada
suatu hari di Puskesmas PQR dikunjungi 30 orang ibu hamil . Hitunglah probabilitas ibu
hamil tersebut menderita anemia :
a. Kurang dari 10 orang
b. Lebih dari 15 orang