Kelas 6C
Teknik Informatika
Fakultas Sains dan Teknologi
Universitas Islam Negeri Sultan Syarif Kasim Riau
Distribusi Probabilitas
1 Distribusi Geometrik
Distribusi Binomial negatif dapat didefinisikan menjadi distribusi geomatrik bila x
yang menyatakan banyaknya ulangan yang diperlukan telah mencapai satu keberhasilan
(x = 1), misalnya pada kasus poligami,hingga wanita yang menyetujui piligami muncul .
Mungkin kita ingin mengetahui probabilitas bahwa wanita yang tidaksetuju pada
poligamimuncul pada wawancara yang keempat. Dengan demikian, Distribusi binomial
negatifnya akan tereduksi menjadi b*(1:n:p) atau g(n:p).
Ditribusi geometrik yang dapat didefinisikan bila percobaan bebas dan berulang-
ulang dapat menghasilkan keberhasilan dengan probabilitas p dan kegagalan dengan
probabilitas q = 1 – p, distribusi probabilitasbagipeubah acak X, yaitu banyaknyaulangan
sampai muncul keberhasilan yang pertama, dinyatakan dengan rumus berikut.
g (n:p) = p qn-1
contoh
Jawab
8
a. Dengan menggunakan distribusi geometrik, n = 3 dan p = 10
8 8 2
g (3 : 10) = 10 (10)3-1
= (0,8) (0,2)2
= 0,032
8
b. Disini n = 5 dan p = 10
8 8 2
g (5 : 10 ) = 10 (10)4
= (0,8) (0,2)4
= 0,00128
1
1. Ekspeerimen Geometrik
Contoh soal :
Pertanyaan :
2) Berapa probabilitas pertama kali pelamar diterima pada 5 interview yang dilakukan?
Jawaban:
f(5)=(0,3)(0,7)4=0.072
3) E(x)=1/p=1/0,3=3,333
2
Contoh soal
Di dalam suatu proses produksi tertentu diketahui bahwa, secara rata-rata, 1 di dalam
setiap 100 barang adalah cacat. Berapakah probabilitas bahwa barang kelima yang
diperiksa merupakan barang cacat pertama yang ditemukan?
Penyelesaian:
Contoh soal
Di dalam suatu proses produksi tertentu diketahui bahwa, secara rata-rata, 1 di dalam
setiap 100 barang adalah cacat. Berapakah probabilitas bahwa barang kelima yang
diperiksa merupakan barang cacat pertama yang ditemukan?
Penyelesaian:
Contoh soal
Pada saat ”waktu sibuk” sebuah papan sakelar telepon sangat mendekati kapasitasnya,
sehingga para penelpon mengalami kesulitan melakukan hubungan telepon. Mungkin
menarik untuk mengetahui jumlah upaya yang perlu untuk memperoleh sambungan.
Andaikan bahwa kita mengambil p = 0,05 sebagai probabilitas dari sebuah
sambungan selama waktu sibuk. Kita tertarik untuk mengetahui bahwa 5 kali upaya
diperlukan untuk suatu sambungan yang berhasil.
Penyelesaian:
= 0,041
3
2 Distribusi Hipergeometrik
Distribusi hipergeometrik adalah sistem distribusi probabilitas diskrit yang terdiri
dari sekelompok objek tertentu yang dipilih tanpa terjadinya sebuah pengembalian.
Bila dalam populasi N benda, k benda diantaranya diberi label “sukses” dan (N –
k) benda lainnya diberi label “gagal”, maka distribusi peluang bagi peubah acak
hipergeometrik X, yang menyatakan banyaknya kesuksesan dalam sampel acak
berukuran n adalah :
𝑘 𝑁−𝑘
( )( )
𝑥 𝑛−𝑘
ℎ (𝑥; 𝑁, 𝑛, 𝑘) = 𝑁 , 𝑢𝑛𝑡𝑢𝑘 𝑥 = 0,1,2, … … , 𝑘 𝑑𝑎𝑛 𝑘 ≤ 𝑛
( )
𝑛
a. Jumlah barang dagang yang rusak dalam sampel acak dari sejumlah besar
kiriman.
b. Jumlah orang-orang yang anda temui dalam hidup anda dengan nama Fred.
c. Jumlah peniti yang terambil dari dalam kendi.
Contoh :
Suatu kotak berisi 40 suku cadang dikatakan dapat diterima bila mengandung
paling banyak 3 yang cacat. Suatu kotak akan ditolak bila sampel acak ukuran 5 suku
cadang yang terpilih mengandung satu yang cacat. Berapakah probabilitas
mendapatkan tepat satu yang cacat dalam sampel bila kotak tersebut mengandung tiga
suku cadang yang cacat?
4
Penyelesaian:
3 40 − 3
( )( )
ℎ (1; 40, 5, 5) = 1 5 − 1
40
( )
5
3 37
( )( )
ℎ (1; 40, 5, 5) = 1 4
40
( )
5
3! 37!
( )( )
1! − (3 − 1)! 4! − (37 − 4)!
ℎ (1; 40, 5, 5) =
40!
( )
5! − (40 − 5)!
3! 37!
(1! 2!) (4! 33!)
ℎ (1; 40, 5, 5) = 40!
(5! 35!)
(3)(66045)
ℎ (1; 40, 5, 5) =
658008
198135
ℎ (1; 40, 5, 5) = = 0,3011
658008
Rasio k/N pada rumus di atas setara nilainya dengan probabilitas keberhasilan p
sehingga nilai rata-rata dibagi distribusi hipergeometrik dinyatakan dalam persamaan
berikut
Rumus 2
µ = n.p
5
dan varian bagi distribusi hipergeometrik h(x : N : n : k) adalah
Rumus 3
δ2 = (N-n / N-1) n k/N (1 – k/N)
Contoh :
1. Sebuah kantong plastik berisi 5 kelereng merah dan 4 kelereng biru. Kemudian
diambil 3 kelereng tanpa pemulihan. Bila x menyatakan banyaknya kelereng merah
yang diambil, susunlah fungsi dan distribusi probabilitas hipergeometriknya
Jawab
Diketahui N = 9, k = 5, n = 3, N-k= 9 - 5 = 4
Dengan menggunakan rumus 1.9
h(x : N : n : k) = (k x) (N – k, n - x) / (N n), diperoleh
Pada (x = 0) h(0 : 9 : 4 : 5) = (5 0) (4 3) / (9 3)
= 4/84
Pada (x = 1) h(1 : 9 : 4 : 5) = (5 1) (4 2) / (9 3)
= 30/84
Pada (x = 2) h(2 : 9 : 4 : 5) = (5 2) (4 1) / (9 3)
= 40/84
Pada (x = 3) h(3 : 9 : 4 : 5) = (5 3) (4 0) / (9 3)
= 10/84
6
Semua kemungkinan peubah acak x berikut probabilitasnya dapat disusun dalam tabel
distribusi berikut
2. 6 kartu diambil secara acak dari ½ kartu bridge (warna merah). Hitunglah probabilitas
diperolehnya 4 kartu wajik
Jawab
Kita menggunakan distribusi hipergeometrik untuk n = 6 kartu yang diambil dari
populasi N = 26 kartu. Banyaknya kartu wajik k = 13 dan x = 4. Maka probabilitas
untuk memperoleh 4 kartu wajik dari 6 kartu yang diambil adalah
h(4 : 26 : 6 : 13) = (13 4) (13 2) / (26 6)
= 715. 78 / 230230 = 0.242
Contoh :
7
Berapa peluang ketika musim berbunga tiba di halaman depan berbunga 1
Camalia, 2 Monstera dan 2 Gardena?
Penyelesaian:
𝑁 = 10 𝑏𝑎𝑛𝑦𝑎𝑘 𝑏𝑢𝑛𝑔𝑎
3 4 3
( )( )( )
𝑓(1, 2, 2 ; 3, 4, 3, 10, 5) = 1 2 2
10
( )
5
3! 4! 3!
( )( )( )
1! − (3 − 1)! 2! − (4 − 2)! 2! − (3 − 2)!
𝑓(1, 2, 2 ; 3, 4, 3, 10, 5) =
10!
( )
5! − (10 − 5)!
3! 4! 3!
( )( )( )
𝑓(1, 2, 2 ; 3, 4, 3, 10, 5) = 1! 2! 2! 2! 2! 1!
10!
( )
5! 5!
6 24 6
(2) ( 4 ) (2)
𝑓(1, 2, 2 ; 3, 4, 3, 10, 5) =
3628800
( 14400 )
54
𝑓(1, 2, 2 ; 3, 4, 3, 10, 5) =
252
3
𝑓(1, 2, 2 ; 3, 4, 3, 10, 5) = = 0,214
14
8
3 Distribusi Poisson
Percobaan yang menghasilkan peubah acak yang bernilai numerik, yaitu
banyaknya sukses selama selang waktu tertentu atau dalam daerah tertentu, disebut
percobaan Poisson. Panjang selang waktu tersebut boleh berapa saja, semenit, sejam,
seminggu, sebulan atau malah setahun. Jadi percobaan Poisson dapat menghasilkan
pengamatan untuk peubah acak , semisal menyatakan banyaknya hubungan telepon
sejam yang diterima suatu kantor, banyaknya hari sekolah yang ditutup karena banjir,
banyaknya pertandingan sepak bola yang terpaksa diundur karena hujan salju selama
musim dingin.
Daerah yang dimaksud dapat berupa sepotong garis, suatu luasan, suatu isi,
ataupun barangkali sepotong benda. Dalam hal seperti ini misalkan mungkin
menyatakan banyaknya tikus sawah per hektar, banyaknya bakteria dalam suatu
makanan, ataupun banyaknya salah ketik per halaman.
Suatu percobaan Poisson memiliki sifat berikut:
Banyaknya sukses terjadi dalam suatu selang waktu atau daerah tertentu tidak
terpengaruh oleh (bebas dari) apa yang terjadi pada selang waktu atau daerah
lain yang terpilih;
Peluang terjadinya suatu sukses (tunggal) dan selang waktu yang amat
pendek atau dalam daerah yang kecil sebanding dengan panjang selang
waktu atau besarnya selang waktu atau daerah tersebut;
Peluang terjadinya lebih dari satu sukses dalam selang waktu yang pendek
atau daerah yang sempit tersebut dapat diabaikan.
Banyaknya sukses 𝑋 dalam suatu percobaan Poisson disebut suatu peubah acak
Poisson. Distribusi peluang suatu peubah acak Poisson 𝑋 disebut distribusi Poisson dan
akan dinyatakan dengan 𝑝(𝑥; 𝜇), karena nilainya hanya tergantung pada 𝜇, yaitu rata-
rata banyaknya sukses yang terjadi dalam selang waktu atau daerah tertentu. Penurunan
rumus 𝑝(𝑥; 𝜇) berdasarkan ketiga sifat di atas di luar bahasan pada bab ini.
Definisi Distribusi Poisson
Distribusi peluang acak poisson X yang menyatakan banyaknya sukses yang
terjadi dalam selang waktu atau daerah tertentu, diberikan oleh
𝑒 −𝜇 𝜇𝑥
𝑝(𝑥; 𝜇) = 𝑥!
;x = 0,1,2, . ..
𝜇 menyatakan rata-rata banyaknya sukses yang terjadi dalam selang waktu atau
daerah tertentu dan 𝑒 = 2,71828 ….
9
Contoh 1
Rata-rata banyaknya partikel radioaktif yang melewati suatu perhitungan selama
1 milidetik dalam suatu percobaan di laboratorium adalah empat. Berapakah peluang
enam partikel melewati penghitungan dalam suatu milidetik tertentu?
Penyelesaian:
Dengan menggunakan distribusi poisson untuk 𝑥 = 6 dan 𝜇 = 4 diperoleh bahwa
𝑒 −𝜇 𝜇 𝑥 𝑒 −4 (4)6
𝑝(𝑥 = 6 ; 𝜇 = 4) = = = 0,1042
𝑥! 6!
Contoh 2
Rata-rata banyaknya tanker minyak yang tiba tiap hari di suatu pelabuhan adalah
10. Pelabuhan tersebut hanya mampu menerima paling banyak 15 tanker sehari.
Berapakah peluang pada suatu hari tertentu tanker terpaksa disuruh pergi karena
pelabuhan tidak mampu melayani?
Penyelesaian:
Misalkan X menyatakan banyaknya tanker yang tiba tiap hari. Maka
𝑝(𝑋 > 15) = 1 − 𝑝(𝑋 ≤ 15)
15
= 1 − ∑ 𝑝 ∶ 10
𝑥=0
= 1 − 0,9513
= 0,0487
Teorema 1
Rata-rata dan variansi distribusi poisson (𝑥; 𝜇) keduanya sama dengan 𝜇
Bukti :
Untuk menunjukkan bahwa rata-rata benar sama dengan ,
10
Karena
Jadi,
Teorema 2
Misalkan X peubah acak binomial dengan distribusi peluang (𝑥; 𝑛; 𝑝). Bila 𝑛 →
∞, 𝑝 → 0, dan 𝜇 = 𝑛𝑝, maka (𝑥; 𝑛; 𝑝) → (𝑥; 𝜇).
Bukti:
Distribusi binomial dapat ditulis,
11
Misalkan 𝑝 = 𝜇𝑛, maka diperoleh
Contoh 3
Dalam suatu proses produksi yang menghasilkan barang dari gelas, terjadi
gelembung atau cacat yang kadang-kadang menyebabkan barang tersebut sulit
dipasarkan. Diketahui bahwa rata-rata 1 dari 1000 barang yang dihasilkan mempunyai
12
satu atau lebih gelembung. Berapakah peluang bahwa dalam sampel acak sebesar 8000
barang akan berisi kurang dari 7 yang bergelembung?
Penyelesaian :
Pada dasarnya percobaan ini binomial dengan 𝑛 = 8000; 𝑝 = 0,001. Karena 𝑝
amat dekat dengan nol dan 𝑛 cukup besar maka akan dihampiri dengan disribusi
poisson dengan
𝜇 = 8000 × 0,001 = 8.
Jadi apabila X menyatakan banyaknya barang yang bergelembung, maka
= 0,3134
13
Daftar Pustaka
Dr. Adi Setiawan, M. (2015). Pengantar Teori Probabilitas. Salatiga: Tisara Grafika.
Walpole, R. E. (1995). Ilmu Peluang dan Statistika untuk Insinyur dan Ilmuwan. Bandung: ITB
Bandung.
Dr. Ir. Harinaldi, M.Eng.(2005).Prinsip-Prinsip Statistik untuk Teknik dan Sains. Jakarta:Erlangga.
14