Aplikasinya
DAFTAR ISI............................................................................................................................... i
DISTIBUSI BINOMIAL, POISSON, DISTRIBUSI NORMAL DAN APLIKASINYA ......... 1
A. Distribusi Binomial ................................................................................................................... 1
B. Distribusi Poisson ...................................................................................................................... 2
C. Distribusi Normal...................................................................................................................... 4
LAMPIRAN 1
LAMPIRAN 2
DAFTAR PUSTAKA
DISTIBUSI BINOMIAL, POISSON, DISTRIBUSI NORMAL DAN
APLIKASINYA
A. Distribusi Binomial
Dalam berbgai percobaan dimana variabel yang sedang diteliti adalah tingkat nominal
maka hanya ada 2 kemungkinan nilai atau hasil dari variabel tersebut. Misalnya
Salesmen pandai atau tidak pandai menjual barang dagangan, anak yang baru lahir
kedua lelaki atau perempuan, dan petani berhasil atau gagal panen padi di tahun ini.
Sampel yang melibatkan variabel yang dapat diwakili oleh probabilitas teoritis
distribusi disebut distribusi binomial, dikatakan binomial karena terdapat dua hasil
yang mungkin.
Jika pada tiap percobaan dalam eksperimen, 𝑃(𝐴) = 𝜋 harganya tetap maka
percobaan yang berulang-ulang itu dinamakan percobaan Bernoulli. Jika dilakukan
percobaan tersebut sebanyak 𝑁 kali, 𝑋 diantaranya menghasilkan peristiwa A dan
sisanya (𝑁 − 𝑋) peristiwa 𝐴̅. 𝑃(𝐴) = 𝜋 maka 1 − 𝜋 = 𝑃(𝐴̅), peluang terjadinya
peristiwa A sebanyak 𝑋 = 𝑥 kali diantara 𝑁 , dihitung dengan cara berikut:
𝑁
𝑝(𝑥) = 𝑃(𝑋 = 𝑥) = ( ) 𝜋 𝑥 (1 − 𝜋)𝑁−𝑥
𝑛
Dimana n = banyaknya kejadian yang dikehendakai dan x = kejadian yang diharapkan
Dengan 𝑥 = 0,1,2,3, … . , 𝑁 ; 0 < 𝜋 < 1 maka didapat cara mencari koefisien binom:
𝑁 𝑁!
( )=
𝑥 𝑥! (𝑁 − 𝑥)!
Contoh Soal:
Misal dalam suatu rumah sakit terdapat 4 orang yang medonorkan darahnya, dalam
populasi tersebut ada 2 kemungkinan yaitu orang yang bertipe darah O dan bukan
darah O, dimana peluang orang bertipe darah O adalah 0,4 dan peluang yang bertipe
darah bukan O adalah 0,6. Tentukan peluang 3 orang yang bertipe darah O dari 4
orang itu?
Penyelesaian:
Hal pertama yang harus dilakukan yaitu dengan membuat kemungkinan tipe dara dari
4 pendonor itu, dilambangkan O yang bertipe darah O dan N yang bertipe darah
bukan O.
Banyak Yang Hasil yang Mungkin
Bertipe Darah O
0 NNNN
1 ONNN, NONN, NNON, NNNO
2 OONN, ONON, ONNO, NOON, NONO, NNOO
3 NOOO, ONOO, OONO, OOON
4 OOOO
B. Distribusi Poisson
Distribusi poisson adalah kemungkinan model yang tepat untuk jenis percobaan
tertentu. Variabel acak diskrit X dikatakan mempunyai distribusi poisson jika fungsi
peluangnya berbentuk:
𝑒 −𝜆 𝜆𝑥
𝑝(𝑥) = 𝑃(𝑋 = 𝑥) =
𝑥!
𝜇= 𝝀
𝜎 = √𝜆
Distribusi poisson sering digunakan untuk menentukan peluang sebuah peristiwa yang
dalam area kesempatan tertentu diharapkan terjadinya sangat jarang. Contoh: dalam
tempo setiap 5 menit, operator telepon banyak menerima permintaan nomor untuk
disambungkan, diharapkan jarang sekali terjadi salah sambung.
Distribusi poisson dapat pula dianggap sebagai pendekatan kepada distribusi
binomial. Jika dalam distribusi binomial, N cukup besar sedangkan 𝜋 = peluang
terjadinya peristiwa A, sangat dekat kepada nol sedemikian 𝜆 = 𝑁𝑝 tetap maka
distribusi binomial didekati oleh distribusi poisson. Untuk penggunaannya, sering
dilakukan pendekatan ini jika 𝑁 ≥ 50 sedangkan 𝑁𝑝 < 5.
Contoh soal:
Dalam suatu Posyandu terdapat program suntik vaksin anti campak. Peluang
seseorang akan mendapat reaksi buruk setelah disuntik besarnya 0,0005. Dari 4000
orang yang disuntik, tentukan peluang yang mendapat reaksi buruk:
a. Tidak ada
b. Ada 2 orang
c. Lebih dari 2 orang
d. Tentukan ada berapa orang diharapkan yang akan mendapat reaksi buruk
Penyelesaian:
b. X = 2 sehingga:
𝑒 −2 22
𝑝(2) = = 0,2706
2!
c. X = 3, 4, 5, ...
Tetapi 𝑝(0) + 𝑝(1) + 𝑝(2) + 𝑝(3) + ⋯ = 1 , maka
𝑝(3) + 𝑝(4) + ⋯ = 1 − 𝑝(0) − 𝑝(1) − 𝑝(2)
𝑒 −2 21
𝑝(1) = = 0,2706
1!
d. 𝜆 = 𝑁𝑝 = 4000 × 0,0005 = 2
C. Distribusi Normal
Distribusi yang paling penting dan banyak digunakan semua distribusi kontinu adalah
distribusi normal. Distribusi normal disebut juga distribusi gauss, distribusi normal
berasal dari distribusi dengan peubah acak kontinu. Persamaan distribusi gauss adalah
sebagai berikut:
1 1 𝑥− 𝜇 2
𝑒 2 𝜎 )
− (
𝑓(𝑥) =
𝜎 √2𝜋
𝜎=1
Contoh (1):
Tabel dibawah ini menggambarkan bagaimana menggunakan tabel distribusi normal
baku untuk menemukan daerah di bawah kurva normal baku antara 𝑧 = 0 dan 𝑧 =
1,65
Kurva menunjukkan area yang sesuai sebagai berbayang wilayah di bawah kurva.
Nilai 1,65 dapat ditulis sebagai 1,6 + 0,05, dan dengan menempatkan 1,6 di bawah
kolom berlabel z dan kemudian bergerak ke kanan 1,6 sampai Anda datang di bawah
0,05 kolom Anda menemukan area 0,4505. Ini adalah daerah yang ditunjukkan pada
kurva dibawah ini. Misal daerah ini dinyatakan sebagai P (0 < 𝑧 < 1,65) = 0,4505.
Contoh (2):
Untuk daerah di bawah kurva normal normal antara 𝑧 = −1,65 dan 𝑧 = 1,65
diwakili oleh P(−1,65 < 𝑧 < 1,65) dan ditunjukkan pada kurva dibawah ini.
Probabilitas P(−1,65 < 𝑧 < 1,65) dinyatakan sebagai P(−1,65 < 𝑧 < 1,65) =
P(−1,65 < 𝑧 < 0) + P(0 < 𝑧 < 1,65). Dari contoh sebelumnya kita ketahui nilai
P(−1,65 < 𝑧 < 0) dan P(0 < 𝑧 < 1,65) dan jumlah kedua nilai P tersebut sama
dengan 0,9010. Oleh karena itu, P(−1,65 < 𝑧 < 1,65) = 0,9010.
Contoh (3):
Probabilitas dari peristiwa 𝑧 < 1,96 diwakili oleh P(𝑧 < 1,96) dan ditunjukkan pada
kurva dibawah ini.
Daerah yang ditunjukkan pada kurva diatas, dibagi menjadi 2 bagian seperti yang
ditunjukkan pada kurva dibawah ini, Daerah yang lebih gelap dari dua daerah itu
sama dengan P(𝑧 < 0) = 0,5 karena daerah itu merupakan setengah dari total luas
daerah. Daerah yang lebih terang dari dua daerah itu dinyatakan dalam P(0 < 𝑧 <
1,96) dan nilainya dapat dilihat pada daftar distribusi normal baku yang dapat anda
cari di internet atau sumber manapun, nilainya yaitu 0,4750. Jumlah dari dua daerah
tersebut adalah 0,5 + 0,4750 = 0,9750. Jadi, P(𝑧 < 1,96) = P(𝑧 < 0) + P(0 < 𝑧 <
1,96) = 0,5 + 0,4750 = 0,9750.
Perhatikan kurva dibawah ini, daerah dibawah z dapat dinyatakan 𝑧 > 1,96 dan
probabilitasnya dwakilkan P(𝑧 > 1,96). Untuk mengitung nilai P maka gunakan
konsep komplemen suatu kejadian. Komplemen dari P(𝑧 > 1,96) adalah P(𝑧 <
1,96). P(𝑧 > 1,96) + P(𝑧 < 1,96) = 1, dari contoh diatas dapat dilihat bahwa P(𝑧 <
1,96) = 0,9750. Jadi, P(𝑧 > 1,96) = 1 − P(𝑧 < 1,96) = 1 − 0,9750 = 0,250
Contoh Soal:
15% dari tamatan SMA merupakan hasil PMDK. Sampel acak yang berukuran 600
tamatan SMA telah digunakan. Tentukan nilai kemungkinan yang akan terdapat:
a. Paling sedikit 70 orang dan paling banyak 80 sebagai basil PMDK.
b. Lebih besar atau sama dengan 100 orang yang memperoleh PMDK.
Penyelesaian:
a. x terletak antara : (70 − 0,5) < 𝑥 < (80 + 0,5) atau 69,5 < 𝑥 < 80,5
𝜇 = 0,15 × 600 = 90
𝜎 = √600 × 0,15 × 0,85 = 8,75
69,5−90 80,5−90
𝑧1 = = −2,34 atau 𝑧2 = = −1,09
8,75 8,75
Untuk luas daerah maka lihat tabel F yang dapat Anda cari dari berbagai sumber, baik
dari internet maupun buku. Luas daerah 𝑧−2,34 = 0,4904 dan luas daerah 𝑧−1,09 =
0,3621. Luas daerah antara 𝑧−2,34 dan 𝑧−1,09 = 0,4904 − 0,3621 = 0,1283. Maka
nilai kemungkinan terdapat paling sedikit 70 orang dan paling banyak 80 orang
sebagai hasil PMDK ada 0,1283.
99,5 − 90
𝑧≥ = 1,09
8,75
0,1379
Luas daerah 𝑧1,09 = 0,3621 maka banyak siswa
yang termasuk PMDK lebih besar atau sama
dengan 100 adalah 0,50 − 0,3621 = 0,1379
1,09
LAMPIRAN 1
LAMPIRAN 2
DAFTAR PUSTAKA
Coladarci, T.; Cobb, C. D.; Minium, E. W.; & Clarke, R. B. (2004). Fundamentals of
Statistical Reasoning in Education. Edisi 3. United State of America: Library of
Congress Cataloging-in-Publication Data. Hlm. 88 dan 90
Dowdy, S.; Weardon, S.; & Chilko, D. (2004). Statistics for Research. Edisi 3. Canada:
Wiley Interscience.Hlm. 49-50 dan 81
Herrhyanto, N., & Hamid, H. A. (2007). Statistika Dasar. Jakarta: Universitas Terbuka. Hlm.
7.3-7.4 dan 7.13