DISTRIBUSI PROBABILITAS

Modul 8 Pengantar Statistika Sosial

Tujuan Instruksional Umum (TIU):

Setelah membaca bab ini, mahasiswa diharapkan dapat:
1. Menjelaskan definisi, tujuan, dan fungsi dari distribusi probabilitas

Tujuan Instruksional Khusus (TIK):

Setelah membaca bab ini, mahasiswa diharapkan dapat:
1. Menjelaskan definisi dan tujuan dari distribusi probabilitas binomial, poisson, dan
normal
2. Menggunakan distribusi binomial dalam menyelesaikan permasalahan/kasus

A. DISTRIBUSI PROBABILITAS
Distribusi probabilitas merupakan penyusunan semua probabilitas yang keluar jika
percobaan telah dilakukan. Distribusi probabilitas juga dikenal dengan istilah distribusi
peluang atau sebaran peluang. Distribusi probabilitas dibagi menjadi dua yaitu distribusi
probabilitas diskret dan distribusi probabilitas kontinu. Distribusi probabilitas diskret
digunakan untuk variabel acak diskret sedangkan distribusi probabilitas kontinu digunakan
untuk variabel acak kontinu.

Distribusi probabilitas dilambangkan dengan huruf P (probability) dan variabel acak

dilambangkan dengan huruf x. Jadi, distribusi probabilitas untuk suatu variabel acak
dilambangkan dengan P(x)

Sebagai contoh, sebuah dadu yang dilemparkan dua kali secara bebas stokastik maka
ruang sampelnya adalah sebagai berikut:

(1,1) (1,2) (1,3) (1,4) (1,5) (1,6)

(2,1) (2,2) (2,3) (2,4) (2,5) (2,6)
(3,1) (3,2) (3,3) (3,4) (3,5) (3,6)
(4,1) (4,2) (4,3) (4,4) (4,5) (4,6)
(5,1) (5,2) (5,3) (5,4) (5,5) (5,6)
(6,1) (6,2) (6,3) (6,4) (6,5) (6,6)
Ruang sampel (1,1) berarti bahwa dalam pelemparan dua buah dadu secara bersamaan,
dadu pertama muncul angka 1 dan dadu kedua muncul angka 1, dan seterusnya.

Modul Distribusi Probabilitas, Pengantar Statistika Sosial Halaman 1 dari 17

Dalam contoh di atas, untuk sampel (1,3) diperoleh x=4 (didapat dari 1+3), untuk sampel
(6,5) diperoleh x=11 (didapat dari 6+5), dan seterusnya. Dengan demikian, ditribusi
probabilitas untuk variabel acak x tersebut yaitu sebagai berikut:

x: 2 3 4 5 6 7 8 9 10 11 12
P(x) 1 2 3 4 5 6 5 4 3 2 1
36 36 36 36 36 36 36 36 36 36 36

Dari tabel di atas, apabila ingin diketahui peluang jumlah kedua mata dadu adalah 6 atau 8,
sama dengan:
Dalam pelemparan dua dadu secara
5 5 10 bersamaan, mengapa peluang muncul
P(x Ε {6,8}) = P(x=6) + P(x=8) = + 36 = 36 =0,28
36 5
kedua mata dadu 6 adalah ? Hal ini
36
Hal ini berarti bahwa kurang lebih 28% karena dalam sekali pelemparan
memungkinkan muncul dadu (1,5), (5,1),
dari seluruh lemparan menghasilkan
(3,3), (2,4), dan (4,2), sehingga total
jumlah mata dadu 6 atau 8 5
peluangnya adalah
36

B. VARIABEL DISKRET DAN KONTINU

Sebuah variabel dikatakan sebagai variabel diskret jika memiliki bilangan bulat dan tidak
dapat dibagi/dipecah. Manusia merupakan contoh variabel diskret karena tidak pernah
ditemukan manusia berjumlah 1,7 orang atau 2,9 orang. Contoh lainnya yaitu jumlah
bangunan yang tidak pernah disebutkan jumlahnya dalam bentuk pecahan, dan sebagainya.

Variabel kontinu yaitu variabel acak yang bilangannya dapat dibagi atau dipecah ke dalam
beberapa bagian. Bilangan pada variabel kontinu terletak pada dua titik sehingga dapat
memungkinkan penggunaan pecahan. Sebagai contoh, ketika disebutkan umur Andi adalah
20 tahun, pasti tidak tepat 20 karena bisa jadi 19 tahun 9 bulan atau 20 tahun 3 bulan.
Karena terletak di antara dua titik, maka umur dapat didefinisikan dalam bentuk pecahan,
seperti 20,5 tahun, 20,8 tahun, dan sebagainya. Begitu juga dengan waktu yang merupakan
variabel kontinu karena dapat dibagi menjadi jam, menit, detik, dan milidetik, sehingga
dimungkinkan untuk menyebutkan 5,5 jam yang berarti 5 jam 30 menit.

Karena karakter variabel diskret dan kontinu berbeda maka distribusi probabilitasnya juga
menggunakan pendekatan yang berbeda.

Modul Distribusi Probabilitas, Pengantar Statistika Sosial Halaman 2 dari 17

C. DISTRIBUSI PROBABILITAS DISKRET
Distribusi probabiltias diskret terdiri dari:
1. Distribusi Probabilitas Binomial
2. Distribusi Probabilitas Poisson

C.1. Distribusi Probabilitas Binomial

Distribusi probabilitas Binomial dikenal juga sebagai distribusi Bernoulli sebagai bentuk
penghormatan atas jasa James Bernoulli yang telah menemukan rumusnya pada akhir abad
ke-17. Distribusi probabilitas Binomial memiliki ciri-ciri:
1. Percobaan terdiri dari N ulangan dan setiap ulangan hanya menghasilkan satu dari
dua kategori, yaitu sukses atau gagal. Kategori sukses dilambangkan dengan p dan
kategori gagal dilambangkan dengan q, dan p+q=1 atau q=1-p
2. Setiap ulangan merupakan kejadian yang bebas secara statistika, sehingga peluang
sukses setiap ulangannya konstan
3. Jumlah n kecil (n < 30)
4. Peluang suatu kejadian/peristiwa besar (P ≈ 0,5)

Rumus distribusi Binomial:

𝑛!
P(x) = px. q n-x
𝑥! 𝑛−𝑥 !
Keterangan:
n= banyaknya ulangan
p= peluang sukses/peluang yang diharapkan (1-q)
q= peluang gagal (1-p)
x= variabel acak/kejadian yang diharapkan

Contoh Soal 1
Dalam sebuah survei di sebuah perguruan tinggi bernama UD (Universitas Depok),
diketahui 60% mahasiswa pernah mencontek dalam Ujian Akhir Semester. Jika dipilih 15
mahasiswa secara acak, berapa peluang:
a. 5 mahasiswa pernah mencontek
b. paling sedikit 3 mahasiswa pernah mencontek
c. tidak lebih dari 1 mahasiswa pernah mencontek

Modul Distribusi Probabilitas, Pengantar Statistika Sosial Halaman 3 dari 17

Penyelesaian
Karena mahasiswa UD digolongkan menjadi pernah mencontek dan tidak pernah
mencontek maka distribusi peluang dari mahasiswa UD dapat dikategorikan sebagai
distribusi probabilitas Binomial. Dari informasi di atas maka dapat diketahui bahwa n=15,
p=0,6 (peluang mahasiswa pernah mencontek) dan q=0,4 (peluang mahasiswa tidak pernah
mencontek).

a. peluang 5 mahasiswa pernah mencontek yaitu:

𝑛!
P(x) = px. q n-x
𝑥! 𝑛−𝑥 !
15!
P(x=5) = (0,6)5. (0,4)15-5
5! 15−5 !
15!
P(x=5) = (0,6)5. (0,4)10
5!.10!

P(x=5) = 0,024

b. Peluang paling sedikit 3 mahasiswa pernah mencontek maka x ≥ 3

P(x≥3) = 1 – P(x<3) = 1-[P(x=0)+P(x=1)+P(x=2)
15!
P(x=0) = (0,6)0. (0,4) 15-0 = 0,0000011
0! 15−0 !
15!
P(x=1) = (0,6)1. (0,4) 15-1 = 0,000040
1! 15−1 !
15!
P(x=2) = (0,6)2. (0,4) 15-2 = 0,00025
2! 15−2 !

Maka P(x≥3) = 1 – (0,0000011+0,0000403+0,0002537) = 0,99

c. Peluang tidak lebih dari 1 mahasiswa pernah mencontek, maka x ≤ 1

P(x≤1) = P(x=0) + P(x=1)
P(x≤1) = 0,0000011 + 0,000040 = 0,0000411

Contoh Soal 2
Dari sebuah survei terhadap pemilik kendaraan di Kota Maju Lancar diketahui bahwa 75%
pemilik tidak setuju terhadap kenaikan tarif BBM. Jika diambil 10 sampel secara acak,
tentukan:
a. Peluang 5 responden tidak setuju terhadap kenaikan tarif BBM
b. Paling banyak 8 responden setuju terhadap kenaikan tarif BBM

Modul Distribusi Probabilitas, Pengantar Statistika Sosial Halaman 4 dari 17

Penyelesaian
Dari informasi di atas diketahui bahwa p=0,75 dan q=0,25 (untuk yang tidak setuju) dan
p=0,25 dan q=0,75 (untuk yang setuju), dan n=10. Ingat bahwa “p” adalah peluang yang
diharapkan.
a. Peluang 5 responden tidak setuju terhadap kenaikan tarif BBM yaitu
10!
P(5) = 5! 10−5 !
0,755. 0,25 10-5

P(5) = 0,058

b. Peluang paling banyak 8 responden setuju terhadap kenaikan tarif BBM, maka x≤8
P(x≤8) = 1-[P(x=9)+P(x=10)]
10!
P(x=9) = (0,25)9. (0,75) 15-9 = 0,000007
9! 10−9 !

10!
P(x=10) = (0,25)10. (0,75) 15-10 = 0
10! 10−10 !

Jadi, peluang paling banyak 8 responden setuju terhadap kenaikan tarif BBM yaitu 1-
(0,000007+0) = 0,99

Kasus 3
Berdasarkan survei Pusat Kajian Pelayanan Publik terhadap kepuasan masyarakat yang
menggunakan layanan SIM keliling di DKI Jakarta, diketahui bahwa 20% menyatakan
sangat puas dengan pelayanan, 40% menyatakan puas, 25% menyatakan biasa saja, dan
sisanya menyatakan kurang puas. Apabila kita bertemu dengan 5 orang yang sedang
menggunakan layanan SIM keliling di DKI Jakarta, berapakah probabilitas:

a. Paling banyak 2 orang menyatakan sangat puas

b. Paling sedikit 1 orang menyatakan kurang puas
c. Tepat diantaranya 3 orang menyatakan biasa saja
d. Terdapat 2 sampai 4 orang menyatakan puas

Penyelesaian:
a. Peluang paling banyak 2 orang sangat puas (p=0,2), maka x≤2
P(x≤2) = [P(x=0)+P(x=1)+P(x=2)]
5!
P(x=0) = (0,2)0. (0,8) 5-0 = 0,3277
0! 5−0 !
5!
P(x=1) = (0,2)1. (0,8) 5-1 = 0,4096
1! 5−1 !
5!
P(x=2) = (0,2)2. (0,8) 5-2 = 0,2048
2! 5−2 !

Jadi. peluang paling banyak 2 orang sangat puas yaitu 0,3277+0,4096+0,2048= 0,9421

Modul Distribusi Probabilitas, Pengantar Statistika Sosial Halaman 5 dari 17

b. Peluang paling sedikit 1 orang menyatakan kurang puas (p=0,15) , maka x≥1
P(x≥1) = 1-P(x=0)
5!
P(x=0) = (0,15)0. (0,85) 5-0 = 0,4437
0! 5−0 !

Jadi, peluang paling sedikit 1 orang menyatakan kurang puas yaitu 1-0,4437=0,5563

c. Peluang tepat 3 orang menyatakan biasa saja (p=0,25), maka x=3

5!
P(x=3) = (0,25)3. (0,75) 5-3 = 0,0879
3! 5−3 !

Jadi, peluang tepat 3 orang menyatakan biasa saja yaitu 0,0879

d. Peluang 2-4 orang menyatakan puas (p=0,4), maka 2≤x≤4

5!
P(x=2) = (0,4)2. (0,6) 5-2 = 0,3456
2! 5−2 !
5!
P(x=3) = (0,4)3. (0,6) 5-3 = 0,2304
3! 5−3 !
5!
P(x=4) = (0,4)4. (0,6) 5-4 = 0,0768
4! 5−4 !

Jadi, peluang 2-4 orang menyatakan puas yaitu 0,3456+0,2304+0,0768 = 0,6528

C.1.1. Menggunakan Tabel untuk Menghitung Probabilitas Binomial

Selain menghitung secara manual, nilai probabilitas binomial dapat ditentukan dengan
menggunakan alat bantu berupa tabel. Sebagai contoh, jika diketahui n=4, p=0,75, q=0,25,
dan x=3, maka probabilitasnya adalah?
 Sebelumnya pastikan bahwa Saudara sudah memiliki tabel distribusi binomial yang
dapat diperoleh dengan mudah di internet.
 Selanjutnya, perhatikan gambar berikut.

Modul Distribusi Probabilitas, Pengantar Statistika Sosial Halaman 6 dari 17

Lihat pada kolom sebelah kiri di mana tertera nilai n. Karena diketahui n=4 maka sesuaikan
dengan kolom n, yaitu n=4.
Berikutnya, perhatikan kolom p dan sesuaikan dengan nilai p yang akan dicari, yaitu 0,75.
Karena pada baris atas nilai p hanya sampai 0,50, maka lihat baris paling bawah di mana
terdapat nilai p=0,75, seperti gambar berikut.

Runutlah ke atas dan sesuaikan dengan nilai x. Karena yang digunakan adalah p yang
bawah, maka x yang digunakan adalah x sebelah kanan, yang disusun terbalik dari 8 ke 0.
Begitu sebaliknya jika yang digunakan adalah p yang atas maka yang digunakan adalah
x sebelah kiri, yang disusun dari 0 hingga 8.
Maka, didapati angka probabilitasnya adalah 0,4219

C.2. Distribusi Probabilitas Poisson

Nama Poisson diambil dari seorang ilmuwan yang bernama Siméon-Dennis Poisson yang
telah menemukan rumus distribusi ini pada awal abad ke-19. Berbeda dengan distribusi
probabilitas Binomial, distribusi probabilitas Poisson memiliki ciri-ciri sebagai berikut:
1. Terdiri dari n ulangan
2. Setiap ulangan harus bebas satu sama lain
3. Berkaitan dengan probabilitas kejadian yang jarang terjadi, seperti jumlah angin
topan yang terjadi dalam setahun, jumlah tsunami, dan lain sebagainya.
4. Parameter penentu hanya satu, yaitu nilai rata-rata (µ / mean)
5. Jumlah n ≥ 30

Modul Distribusi Probabilitas, Pengantar Statistika Sosial Halaman 7 dari 17

Rumus menghitung distribusi probabilitas Poisson adalah sebagai berikut:

𝜇 𝑥 . 𝑒 −𝜇
P(µ;x) =
𝑥!
µ = rata-rata populasi
x = nilai yang diharapkan
ҽ = nilai eksponensial = 2,71828

Contoh Soal 1
Menurut data RS Pasti Manjur pada 2012 diketahui bahwa rata-rata seseorang mengalami
gangguan kejiwaan akibat putus cinta adalah 4, maka tentukan peluang dari 2.000 orang
yang putus cinta apabila:
a. Tepat 3 orang mengalami gangguan kejiwaan
b. Lebih dari 2 mengalami gangguan kejiwaan

Penyelesaian
Karena pada kasus di atas diketahui bahwa parameter penentunya adalah rata-rata dan
jumlah sampel besar, maka pendekatan yang digunakan adalah distribusi probabilitas
Poisson. Dari kasus di atas dapat diselesaikan dengan menggunakan rumus berikut:

a. Tepat 3 mengalami gangguan kejiwaan (x=3, µ=4 )

−4
43 . 𝑒
P(4;3) =
3!
P(4;3) = 0,195 atau 19,5%
Jadi, peluang 3 orang mengalami gangguan kejiwaan adalah 0,195 atau 19,5%

b. Lebih dari 2 orang mengalami gangguan kejiwaan (x>2)

Ingat, untuk mempermudah penghitungan, maka gunakan persamaan p+q=1 atau q=1-p

Jadi, kita dapat menggunakan persamaan: 1-[P(x=0)+P(x=1)+P(x=2)]

Untuk x=0, maka:
−4
40 . 𝑒
P(4;0) = = 0,0183
0!
Untuk x=1, maka:
−4
41 . 𝑒
P(4;1) = = 0,0733
1!

Modul Distribusi Probabilitas, Pengantar Statistika Sosial Halaman 8 dari 17

Untuk x=2, maka:
−4
42 . 𝑒
P(4;2) = = 0,1465
2!
Dengan demikian, P(x≥2) = 1-[P(x=0)+P(x=1)+P(x=2)]
= 1-(0,0183+0,0733+0,1465)
= 1 – 0,2381
= 0,7619
Jadi, peluang lebih dari 2 orang mengalami gangguan kejiwaan adalah 0,7619 atau 76,2%.

C.2.1. Penggunaan Tabel untuk Menghitung Nilai Probabilitas Poison

Seperti distribusi probabilitas Binomial, nilai pada distribusi probabilitas Poison dapat
dihitung dengan bantuan tabel yang dapat diperoleh di internet atau buku statistika.
Misal diketahui x=4 dan rata-rata 0,4, maka diketahui bahwa nilai probabilitasnya 0,0007.

C.2.2. Distribusi Probabilitas Poisson pada Binomial

Distribusi probabilitas Poisson dapat digunakan untuk mendekati distribusi probabilitas
Binomial pada kondisi n besar (n≥20) dan P terlalu kecil (P<0,05) atau P terlalu besar
(P>0,95). Pada distribusi probabilitas Poisson pada Binomial, ciri selanjutnya ditunjukkan
dengan µ yang tidak diketahui sehingga harus dicari µ terlebih dahulu, dan memiliki ciri
Binomial, yaitu “n” memiliki dua kategori.

Nilai rata-rata (µ) didapat dari hasil nxp dimana n merupakan jumlah sampel dan p

adalah peluang terjadinya suatu kejadian.

Untuk mempermudah pemahaman terhadap penggunaan distribusi probabilitas Poisson
pada Binomial maka perhatikan contoh kasus berikut ini:

Modul Distribusi Probabilitas, Pengantar Statistika Sosial Halaman 9 dari 17

Contoh Soal
Pada Pilkada Provinsi Jawa Barat diketahui bahwa dari 10.000 pemilih yang memberikan
suaranya di beberapa TPS terdapat 40 pemilih yang fiktif. Jika diambil 500 pemilih secara
acak, berapa peluang tidak dijumpainya pemilih fiktif?

Penyelesaian
Pendekatan yang digunakan adalah distribusi probabilitas Binomial karena pemilih tersebut
dapat diklasifikasikan menjadi “fiktif” dan “resmi”. Karena yang diketahui hanya n=500 dan
P=40/10.000 = 0,004 (P< 0,05) maka yang digunakan adalah distribusi Probabilitas Poisson.
Karena ada dua karakteristik, yaitu Binomial dan Poisson, maka yang digunakan adalah
distribusi Poisson pada Binomial. Selanjutnya, mengingat distribusi probabilitas Poisson
mengandalkan rata-rata atau µ, maka terlebih dahulu harus dicari angka µ dengan cara
menggunakan rumus µ=n.p =500 x 0,004= 2.

Selanjutnya, gunakan rumus Poisson sebagai berikut:

𝜇 𝑥 . 𝑒 −𝜇
P(µ;x) =
𝑥!
Dengan menggunakan rumus di atas, peluang tidak dijumpainya pemilih fiktif atau P(x=0)
adalah:
−2
20 . 𝑒
P(2;0) = = 0,1353
0!
Jadi, peluang tidak dijumpainya pemilih fiktif yaitu 0,1353 atau 13,53%.

D. DISTRIBUSI PROBABILITAS KONTINU

Distribusi probabilitas kontinu terdiri dari beberapa macam distribusi yaitu:
1. Distribusi Normal
2. Distribusi Normal pada Binomial
3. Distribusi t-Student
4. Distribusi chi-Square (khi kuadrat)
5. Distribusi rasio ragam f, dan sebagainya
Mengingat bagian ini hanya bersifat pengenalan terhadap distribusi probabilitas, maka yang
akan dibahas hanya distribusi normal.

Modul Distribusi Probabilitas, Pengantar Statistika Sosial Halaman 10 dari 17

D.1. Distribusi Normal
Distribusi normal merupakan salah satu distribusi peluang yang populer dan banyak
digunakan dalam berbagai keperluan baik dalam ilmu sosial maupun. Apabila dalam
distribusi dengan variabel diskret kita dihadapkan pada peluang kejadian atau peristiwa
yang tidak bernilai pecahan, maka distribusi normal dapat menunjukkan hasil pengukuran di
antara dua nilai atau dalam bentuk pecahan, misal peluang seorang karyawan yang dipilih
secara acak memiliki berat badan antara 50 dan 60 kilogram. Adapun distribusi normal
memiliki ciri-ciri sebagai berikut:
1. Dicerminkan dengan kurva normal yang
berbentuk lonceng atau genta
2. Sisi kanan dan kiri dari distribusi bersifat
simetris dan ujung kurva tidak pernah
menyentuh sumbu X
3. Istilah lainnya yaitu Distribusi Gauss
4. n lebih besar dari 30
5. nilai median = modus = rata-rata
6. Kurva ini menurun di kedua arah, yakni ke kanan untuk nilai positif tak terhingga dan
ke kiri tak terhingga
7. Tabel distribusi normal dapat digunakan untuk mempermudah penghitungan
8. Oleh karena termasuk dalam distribusi kontinu maka distribusi normal tidak
mengenal perbedaan antara ≤ dan <, jadi 4<x<10 = 4≤x≤10. Misal P(x<40) maka
dalam penghitungan 40 tetap disertakan.

Sebelum mempelajari lebih lanjut mengenai distribusi probabilitas normal, perlu dipahami
mengenai kurva normal.

FYI: Meskipun secara empiris sulit

ditemukan, namun kurva normal
merupakan model ideal dan
sering dijadikan standar
penghitungan untuk tes skolastik,
nilai akademik, dan sebagainya

Gambar 1 Kurva Normal

Sumber: Healey (2005)

Pada gambar di atas, area pada kurva normal dibagi sama besar antara area kanan dan kiri.
Area sebelah kanan ditunjukkan dengan angka positif karena besaran nilai standar deviasi

Modul Distribusi Probabilitas, Pengantar Statistika Sosial Halaman 11 dari 17

(s) di atas rata-rata (0), sedangkan area kiri ditunjukkan dengan angka negatif karena
besaran nilai standar deviasi (s) di bawah nilai rata-rata. Hal ini perlu dipahami supaya tidak
terjadi kekeliruan dalam menetapkan nilai Z. Nilai Z dihitung mulai dari tengah ke kanan dan
mulai dari tengah ke kiri (untuk Z negatif). Jadi, jangan sampai salah dalam menentukan
wilayah Z.

Distribusi normal disebut juga dengan distribusi Z sehingga rumus penghitungannya adalah
sebagai berikut:

x xx
Z atau Z 
 S

Keterangan:
x = kejadian yang diharapkan
µ = rata-rata populasi / x = rata-rata sampel
𝜎 = standar deviasi populasi / S = standar deviasi sampel

Tips mencari Peluang Z / P(Z)

Apabila nilai Z sudah diketahui maka selanjutnya nilai peluang dapat dicari dengan
menggunakan tabel distribusi Z (umumnya terdapat pada lampiran buku Statistika atau
dapat diunduh di internet).

z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0 0,0000 0,0040 0,0080 0,0120 0,0160 0,0199 0,0239 0,0279 0,0319 0,0359
0,1 0,0398 0,0438 0,0478 0,0517 0,0557 0,0596 0,0636 0,0675 0,0714 0,0753
dst dst Dst dst Dst dst Dst dst dst dst dst

Misal diketahui Z= 0,14, maka nilai peluang dari P(Z=0,14) = 0,0557

Supaya lebih paham, perhatikan contoh kasus berikut ini.

Kasus 1
Dari seluruh mahasiswa yang mengikuti ujian Statistika di UHUI diketahui bahwa nilai rata-
ratanya adalah 50 dan standar deviasinya 25. Berapa peluang mahasiswa mendapatkan
nilai:
a. antara 50 – 62
b. ≥ 55

Modul Distribusi Probabilitas, Pengantar Statistika Sosial Halaman 12 dari 17

 c. < 40
d. antara 45 – 60
e. antara 30 – 45

Penyelesaian

50  50
a. Z 50  0 → P(Z = 0) = 0
25
62  50
Z 62   0,48 → P(Z = 0,48) = 0,1844
25
P(50≤X≤62) = P (X=62) – P(X=50)

= 0,1844 – 0 = 0,1844 0 0,1844 Z

50 62 x

Jadi, peluang mahasiswa mendapatkan nilai 50-62 adalah 0,1844 dan ditunjukkan oleh
daerah yang diarsir.

55  50
b. Z 55   0,20 → P(Z = 0,20) = 0,0793
25
P(X ≥ 55) = 0,5 – 0,0793 = 0,4207

Mengapa muncul 0,5? Hal ini karena peluang

untuk keseluruhan kurva adalah 1, sehingga
untuk wilayah setengah kurva maka 0 0,0793 Z
peluangnya adalah 0,5 50 55 x

Jadi, peluang mahasiswa mendapatkan nilai lebih dari 55 adalah 0,4207 dan ditunjukkan
oleh daerah yang diarsir.

40  50
c. Z 40   0,40 → P(Z = -0,40) = 0,1554
25
P (X < 40) = 0,5 – 0,1554 = 0,3446

Ingat, pada distribusi probabilitas

Normal, tidak ada perbedaan
antara “<” dan “≤”, dan tanda Z
0,1554 0
negatif menunjukkan bahwa x
40 50
wilayah Z berada di sebelah kiri

Modul Distribusi Probabilitas, Pengantar Statistika Sosial Halaman 13 dari 17

Jadi, peluang mahasiswa mendapatkan nilai kurang dari 40 adalah 0,3446 dan ditunjukkan
oleh daerah yang diarsir.

45  50
d. Z 45   0,20 → P(Z = -0,20) = 0,0793
25

60  50
Z 60   0,40 → P(Z = 0,40) = 0,1554
25
P(45≤X≤60) = P(X = 45) + P(X = 60)
0,0793 0 0,1554 Z
= 0,0793 + 0,1554 = 0,2347 45 50 60 x

Jadi, peluang mahasiswa mendapatkan nilai 45-60 adalah 0,2347 dan ditunjukkan oleh
daerah yang diarsir.

30  50
e. Z 30   0,80 → P(Z =- 0,80) = 0,2881
25

45  50
Z 45   0,20 → P(Z = -0,20) = 0,0793
25
P(30≤X≤45) = P(X = 30) – P(X = 45)
0,2881 0,0793 0 Z
= 0,2881 – 0,0793 = 0,2088 x
30 45 50

Jadi, peluang mahasiswa mendapatkan
Nilai 30-45 adalah 0,2088 dan ditunjukkan
oleh daerah yang diarsir.
Mengapa nilai 0,2881 harus dikurangi 0,0793? Hal ini
karena nilai peluang Z dihitung dari tengah, atau
angka “0”. Nilai P (Z=-0,80) dihitung dari angka “0”
dan nilai P(Z =-0,20) juga dihitung dari angka “0”. Hal
ini berarti wilayah “0” hingga P(Z=-20) tidak dihitung
sehingga nilai P(Z=-80) harus dikurangi nilai P(Z=-30)

D.2. Distribusi Probabilitas Normal pada Binomial

Distribusi probabilitas Normal juga dapat digunakan untuk mendekati distribusi probabilitas
Binomial dengan catatan sebagai berikut:
1. Memiliki ciri-ciri Binomial (p mendekati 0,5) tetapi memiliki n besar
2. Menggunakan koreksi kontinuitas (0,5)
3.   n  p

4.
 n  p  q 
Modul Distribusi Probabilitas, Pengantar Statistika Sosial Halaman 14 dari 17
 Apa itu koreksi kontinuitas?
Koreksi nilai batas dengan menambahkan atau mengurangi 0,5. Hal ini dilakukan supaya
pendekatan probabilitas suatu distribusi yang diskret (Binomial) dengan probabilitas
probabilitas yang kontinu (Normal) menjadi lebih baik daripada perhitungan tanpa
koreksi.
Lalu, bagaimana aturan koreksi kontinuitas?
1. P(X>a) maka a + 0,5
2. P(X≥a) maka a - 0,5
3. P(X<a) maka a - 0,5
4. P(X≤a) maka a + 0,5
5. P(X=a) maka P(a-0,5) < X < P(a+0,5)

Sebagai contoh, perhatikan latihan berikut ini.

Kasus 2
Dari sebuah evaluasi kelulusan tahun 2012 di Universitas Sui Tenan, diketahui bahwa
peluang mahasiswa lulus tepat waktu adalah 0,6. Jika dalam satu angkatan terdapat 100
mahasiswa, maka berapakah peluang mahasiswa :
a. Lebih dari setengahnya lulus Karakter Binomial apa yang
terpenuhi?
b. 70 orang mahasiswa lulus 1. Memiliki dua kategori “lulus tepat
c. kurang dari 45 lulus waktu” dan “lulus tidak tepat waktu.
2. Peluang besar, yaitu >0,5

Penyelesaian
Dari informasi di atas diketahui bahwa:
p = 0,60
q = 1 – p = 1 – 0,60 = 0,40
μ = n . p = 100 . 0,60 = 60

σ=
n pq  100  0,60  0,40  4,90

a. P ( X> 50) =
50,5  60
. Z 50,5   1,94 Mengapa nilai Z menjadi bertambah
4,90 0,5?
Hal ini karena ada koreksi kontinuitas.
Lihat kembali kolom penjelasan
P(Z = - 1,94) = 0,4738 mengenai Koreksi Kontinuitas
P(X > 50) = P(Z =-1,94) +0,5
= 0,4738 + 0,5 = 0,9738
Jadi, peluang mahasiswa lulus tepat waktu melebihi setengah dari jumlah angkatan yaitu
0,9738

Modul Distribusi Probabilitas, Pengantar Statistika Sosial Halaman 15 dari 17

b. P(X = 70) =
69,5  60
Z 69,5   1,94
4,90
P(Z = 1,94) = 0,4738

70,5  60
Z 70,5   2,14
4,90
P(Z = 2,14) = 0,4838
P(X = 70) = P (Z = 70,5) – P(Z = 69,5)
= 0,4838 – 0,4738 = 0,0100
Jadi, peluang 70 mahasiswa lulus tepat waktu adalah 0,0100

E. SOAL LATIHAN
Untuk membantu pemahaman mengenai distribusi probabilitas, kerjakanlah latihan berikut
ini:
1. Jajak pendapat harian Lampu Oranye mencatat bahwa 75% pelajar di Kota Jakarata lebih
hafal lagu SNSD dibandingkan lagu Rayuan Pulau Kelapa. Tertarik dengan fenomena ini
maka sebuah lembaga penelitian kebudayaan yang bernama Indonesiaku mengambil
sampel 25 pelajar secara acak. Tentukan peluang:
a. 10 pelajar tidak hapal lagu SNSD
b. paling sedikit 20 pelajar hapal lagu Rayuan Pulau Kelapa
c. tidak lebih dari 2 mahasiswa hapal lagu SNSD
2. Berita mengejutkan datang dari sebuah lembaga kajian kesehatan. Penelitian mengenai
dampak polusi terhadap IQ anak yang rendah di sebuah kelurahan yang dekat dengan
Kawasan Industri Lembur Terus menunjukkan bahwa rata-rata IQ anak hanya 75 dengan
standar deviasi 20. Berapa peluang seorang anak mendapatkan IQ:
a. antara 75-120
b. ≥ 120
c. < 50
d. antara 50-120
e. antara 80-90
3. Dalam inspeksi Kementerian Perhubungan di terminal Pulo Rambutan diketahui bahwa
dari 1.600 bus yang beroperasi hanya 1.550 bus yang layak jalan. Jika diambil 100 bus
secara acak, berapa peluang tidak dijumpai bus yang rusak dan 5 bus rusak?

Modul Distribusi Probabilitas, Pengantar Statistika Sosial Halaman 16 dari 17

4. Dari sebuah survei terhadap para istri di kelurahan Suka Makmur diketahui bahwa 40%
setuju jika suami mereka berpoligami. Jika diambil 15 sampel secara acak, tentukan:
a. Peluang 10 istri tidak setuju jika suaminya berpoligami
b. Paling banyak 13 istri setuju jika suaminya berpoligami
c. Tidak ada istri yang setuju jika suaminya berpoligami
5. Di suatu kota, diketahui bahwa peluang suatu rumah menjadi korban perampokan adalah
0,0055. Jika di kota tersebut terdapat 1650 rumah, tentukan peluang:
a. 10 rumah menjadi korban perampokan
b. paling sedikit 3 rumah menjadi korban perampokan

F. REFERENSI
Cramer, Duncan, and Dennis Howitt. 2004 The SAGE Dictionary of Statistics: A Practical
Resources for Students in the Social Sciencess. London: SAGE Publications
Healey, Joseph F. 2005. Statistics: A Tool for Social Research 8th Ed. Belmont, California:
Wadsworth Cengage Learning
Jannah, Lina Miftahul dan R. Sulastiawan. 2010. Statistik Sosial. Jakarta: Penerbit
Universitas Terbuka
Saefuddin, Asep, dkk. 2009. Statistika Dasar. Jakarta: Penerbit PT Grasindo
Siagian, Dergibson, dan Sugiarto. 2006. Metode Statistika untuk Bisnis dan Ekonomi.
Jakarta: PT Gramedia Pustaka Utama
Van Zanten, Wim. 1994. Statistika untuk Ilmu-Ilmu Sosial (Edisi Kedua). Jakarta: PT
Gramedia Pustaka Utama

Modul Distribusi Probabilitas, Pengantar Statistika Sosial Halaman 17 dari 17