Bab 6 - Peluang Diskrit PDF
Bab 6 - Peluang Diskrit PDF
A. Peluang
Peluang atau yang sering disebut sebagai probabilitas dapat dipandang sebagai cara
untuk mengungkapkan ukuran ketidakpastian/ ketidakyakinan/ kemungkinan suatu
peristiwa terjadi atau tidak terjadi. Untuk menyatakan suatu ketidakpastian atau
kepastian diperlukan permodelan matematis yang secara teoritis dinyatakan dengan
sebaran atau distribusi. Nilai probabilitas suatu kejadian dalam suatu percobaan tersebar
di antara 0 dan 1 atau antara 0% dan 100%. Jika probabilitas/peluang suatu kejadian A
terjadi dilambangkan dengan notasi P(A) maka, probabilitas [bukan A] atau komplemen
A, atau probabilitas suatu kejadian A tidak akan terjadi, adalah 1-P(A). Secara sederhana
peluang suatu kejadian terjadi atau tidak dapat direpresentasikan pada tabel 10.1 berikut.
Tabel 10.1 peluang suatu kejadian terjadi atau tidak
Tipe representasi Peristiwa terjadi Peristiwa tidak terjadi
Persentase 100% 0%
Bilangan bulat
1 0
∑ 𝑝(𝑥𝑖 ) = 1,
𝑖−1
Jenis distribusi peluang diskrit antara lain Distribusi Seragam (Uniform), Distribusi
Binominal, Distribusi Multinominal, Distribusi Hypergeometrik, Distribusi Poisson.
1. Distribusi Seragam (Uniform) Diskrit
Edhy Sutanta (2005:74) menyatakan setiap kejadian mempunyai probabilitas
atau peluang yang sama/ seragam (uniform). Sedangkan menurut Budiyono (2009: 97)
Distribusi uniform diskret merupakan distribusi variabel random diskret yang
mengasumsikan bahwa semua nilai mempunyai kemungkinan yang sama untuk
muncul.
Definisi 1:
Bila peubah acak X mendapat harga x 1, x2, ..., xn, dengan peluang yang sama,
maka distribusi seragam diskrit diberikan oleh :
1
𝑃(𝑥) =
𝑛
Keterangan :
Teorema 1
𝑖=1
Contoh :
Untuk merencanakan persediaan suatu barang x, suatu toko serba ada (Toserba) perlu
memperkirakan jumlah permintaan harian terhadap barang x. Menurut catatan
penjualan, diketahui bahwa permintaan harian terhadap barang x adalah berkisar di
antara 0-5 unit. Permintaan ini memiliki fluktuasi secara acak, sehingga tidak bisa
ditentukan peluang permintaannya. Dalam hal ini, maka permintaan terhadap barang x
dapat dimodelkan mengikuti distribusi uniform.
Untuk empermudah penyelesaian contoh diatas, akan digunakan bantuan
perhitungan seperti ditampilkan pada Tabel 10.2.
2. Distribusi Binomial
Distribusi binomial menggambarkan distribusi probabilitas variabel acak
diskrit yang hanya mempunyai dua nilai yang mengkin, misalnya berhasil atau gagal.
(Sutanta: 2005, 76). Budiyono (2009 : 98) juga mengatakan bahwa Distribusi peluang
binomial adalah distribusi peluang yang dihasilkan dari sebuah eksperimen yang
Definisi 2
Banyaknya sukses X dalam n usaha suatu percobaan binomial disebut suatu peubah
acak binomial.
Untuk mencari peluang dengan distribusi binomial digunakan rumus :
𝑁
𝑃(𝑋) = ( ) 𝑝 𝑋 𝑞𝑁−𝑋
𝑋
Sedangkan koefisien binom dicari dengan rumus:
𝑁 𝑁!
( )=
𝑛 𝑛! (𝑁 − 𝑛)!
Sehingga didapatkan rumus :
𝑁!
𝑃(𝑋) = 𝑝 𝑋 𝑞𝑁−𝑋
𝑛! (𝑁 − 𝑛)!
Dengan 𝑋 = 0,1,2, … , 𝑁 ; 𝑁! = 𝑁(𝑁 − 1)(𝑁 − 2) … .1; dan 0! = 1 berdasarkan
definisi, dalam distribusi binom dikenal parameter rata-rata (𝜇) dan simpangan baku
(𝜎)
𝑀𝑒𝑎𝑛 ∶ 𝜇 = 𝑁𝑝
𝑆𝑎𝑛𝑑𝑎𝑟 𝐷𝑒𝑣𝑖𝑎𝑠𝑖 ∶ 𝜎 = √𝑁𝑝𝑞
3
Jadi peluang munculnya 2 buah Angka adalah .
8
3. Distribusi Multinomial
Distribusi multinomial merupakan distribusi variabel acak diskrit dimana suatu
percobaan dapat menghasilkan beberapa kejadian. Distribusi multinomial adalah
perluasan dari distribusi binomial (Sudjana, 2005 :132). Budiyono (2009 : 101)
menyatakan bahwa eksperimen binomial akan menjadi eksperimen multinomial jika
setiap percobaan menghasilkan lebih dari dua kemungkinan hasil. Dalam
pelambungan sebuah dadu misalnya, akan terjadi 6 kemungkinan, yaitu muncul mata
1,2,3,4,5, atau 6 (Spiegel, Murray R., 2004 : 35).
Misalkan sebuah percobaan menghasilkan kejadian E1, E2, ……… , Ek dengan
peluang 𝑝1 , 𝑝2 , … , 𝑝𝐾 dan dilakukan percobaan sebanyak N kali maka peluang
terjadinya x1 peristiwa E1, x2 peristiwa E2, …… xk peristiwa Ek diantara N,
ditentukan oleh :
𝑁!
𝑃(𝑋1, 𝑋2, … , 𝑋𝐾 ) = 𝑝 𝑋1 𝑝2 𝑋2 … . . 𝑝𝐾 𝑋𝐾
𝑋1 ! 𝑋2! … , 𝑋𝐾 ! 1
Dimana 𝑋1 + 𝑋2 + ⋯ + 𝑋𝐾 = 𝑁
Distribusi ini merupakan perluasan distribusi binomial. Karena rumus diatas adalah
suku umum dalam ekspansi multinomial (𝑝1 + 𝑝2 + ⋯ + 𝑝𝐾 )𝑁 .
4. Distribusi Hipergeometrik
Definisi 3
Banyaknya sukses X dalam percobaan hipergeometrik disebut peubah acak
hipergeometrik.
Budiyono (2009 : 102), menyatakan bahwa distribusi hipergeometrik adalah
distribusi dari eksperimen sampling tanpa pengambilan. Jika sebuah variabel acak x
menyatakan jumlah sukses dalam n percobaan / sampel dan total jumlah sukses (Edhy
Sutanta, 2005 :79). D diambil dari sebuah populasi berukuran N, maka x dikatakan
mengikuti distribusi hipergeometrik dengan fungsi peluang dirumuskan sebagai
berikut :
(𝐷𝑥 )(𝑁−𝐷
𝑛−𝑥
)
𝑝(𝑥) =
(𝑁
𝑛
)
Keterangan :
P(x) : peluang x
D : pengambilan
N : populasi
n : banyaknya data pengambilan / sampel (Sutanta:2005,79)
Teorema 4
𝑛𝑘 𝑁−𝑛 𝑘 𝑘
𝜇= 𝑑𝑎𝑛 𝜎 2 = 𝑛. (1 − )
𝑁 𝑁−1 𝑁 𝑁
Contoh :
Suatu kotak memuat 100 bola dan 5 diantaranya merah. Jika 10 bola diambil tanpa
pengembalian, berapakah probabilitas mendapat paling sedikit 4 merah ?
Jawab :
( 𝐷𝑥)(𝑁−𝐷
𝑛−𝑥
)
𝑝(𝑥) =
(𝑁
𝑛)
(54)(100−5
10−4
) (55)(100−5
10−5
)
𝑝(𝑥 ≥ 4) + 𝑝(𝑥 = 5) = + = 0,00025
(100
10 )
(100
10 )
5. Distribusi Poisson
Distribusi poisson diberi nama sesuai dengan penemunya yaitu Siemon D.
Poisson. Percobaan Poisson apabila menghasilkan peubah acak X yang menyatakan
banyaknya hasil selama selang waktu, periode atau daerah tertentu. Misalnya jumlah
barang yang cacat setiap kali pengiriman, banyaknya hubungan telepon yang diterima
kantor per jam.
Teorema 5
Jadi dari 3000 orang, peluang 18 orang diantaranya terkena penyakit demam adalah
0,0706.
Akbar, Purnomo Setiady dan Husaini Usman. 2006. Pengantar Statistika Edisi Kedua.
Jakarta : PT Bumi Aksara
Akdon dan Riduwan .2013. Rumus dan Data dalam Analisis Statistika. Bandung : Alfabeta.
Dajan, Anto, 1986. “Pengantar Metode Statistik Jilid II”. Jakarta : LP3ES .
Furqon. 1999. Statistika Terapan Untuk Penelitian. AFABETA:Bandung
Gaspersz, Vincent. 1989. Statistika. Armico:Bandung
Hamid, H.M. Akib dan Nar Herrhyanto. 2008. Statistika Dasar. Jakarta : Universitas
Terbuka.
Harinaldi, 2005. “Prinsip-prinsip Statistik untuk Teknik dan Sains”. Jakarta : Erlangga.
Hasan, M. Iqbal. 2011. Pokok – Pokok Materi Statistika 1 ( Statistik Deskriptif ). Jakarta :
PT Bumi Aksara
Herrhyanto, Nar. 2008. Statistika Dasar. Jakarta: Universitas Terbuka.
Mangkuatmodjo, Soegyarto. 2004. Statistika Lanjutan. Jakarta: PT Rineka Cipta.
Pasaribu, Amudi. 1975. Pengantar Statistik. Gahlia Indonesia : Jakarta
Rachman,Maman dan Muchsin . 1996. Konsep dan Analisis Statistik. Semarang : CV.
IKIP Semarang Press
Riduwan . 2010. Dasar-dasar Statistika. Bandung : Alfabeta.
Saleh,Samsubar. 1998. STATISTIK DESKRIPTIP. Yogyakarta : UPP AMP YKPN.
Siregar,Syofian. 2010. Statistika Deskriptif untuk Penelitian Dilengkapi Perhitungan Manual
dan Aplikasi SPSS Versi 17. Jakarta : Rajawali Pers.
Somantri, Ating dan Sambas Ali Muhidin. 2006. Aplikasi statistika dalam Penelitian. pustaka
ceria : Bandung
Subana,dkk. 2000. Statistik Pendidikan. Pustaka Setia:Bandung
Sudijono, Anas. 2008. Pengantar Statistik Pendidikan. Raja Grafindo Persada.Jakarta
Sudijono, Anas. 2009. Pengantar Statistik Pendidikan. Jakarta : PT RajaGrafindo Persada.
Sudijono, Anas. 1987. Pengantar Statistik Pendidikan. Jakarta : PT RajaGrafindo Persada.
Sudjana, M.A., M.SC.2005. METODE STATISTIKA. Bandung: Tarsito
Sugiyono. 2014. Statistika untuk Penelitian. Bandung : Alfabeta.
Supranto, 1994. “Statistik Teori dan Aplikasi Jilid 2”. Jakarta : Erlangga.
Usman, Husaini & Setiady Akbar, Purnomo.2006. PENGANTAR STATISTIKA. Yogyakarta:
BUMI AKSARA.
Walpole, Ronald E, 1995. “Pengantar Statistik Edisi Ke-4”. Jakarta : PT Gramedia.