Anda di halaman 1dari 10

4/1/2019

ANALISIS STATISTIK DAN


PROBABILITAS

Beberapa Jenis Distribusi Peluang Diskret dan Distribusi


Peluang Kontinu
Minggu ke 4 dan 5 (27 Maret 2019 dan 3 April 2019)

Agung Prasetyo, ST., MT.

1. BEBERAPA DISTRIBUSI PELUANG


DISKRET
 Pendahuluan
Apakah distribusi peluang diskret dapat disajikan secara grafik
dalam bentuk histogram, dalam bentuk tabel, atau melalui
rumus bukan masalah, yg ingin dilukiskan adalah kelakuan
peubah acak tersebut.
Seringkali, pengamatan yang dihasilkan melalui percobaan
statistika yang berbeda mempunyai bentuk kelakuan umum yang
sama. Karenanya, peubah acak diskret yang berkenaan dengan
percobaan statistika tersebut pada dasarnya dapat dilukiskan
dgn distribusi peluang yg sama dan karena itu dpt dinyatakan
oleh rumus yg sama.

1
4/1/2019

1.1. DISTRIBUSI BINOMIAL / BERNOULLI


Adalah distribusi peluang dari populasi yang mempunyai 2
kategori, dimana timbulnya tiap kejadian independent (bebas;
artinya pengujian yg satu tidak mempengaruhi atau dipengaruhi
pengujian yg berikutnya) dan setiap kejadian mempunyai
peluang yang tetap. Distribusi Binomial ini disebut juga sbg
percobaan / proses Bernoulli. (Swiss, 1654-1705).
Model dari percobaan Bernoulli mengambil asumsi :
1. Setiap percobaan hanya menghasilkan 2 kemungkinan yg saling
meniadakan yaitu sukses atau gagal. Contoh : dalam 1 kali
pelemparan mata uang logam hanya ada 2 kemungkinan yg
terjadi yaitu munculnya sisi gambar atau sisi angka. Bila kita
menanam tanaman, maka kemungkinannya hanya 2 yaitu hidup
ataukah mati.

 2. Peluang peristiwa sukses (p) dari satu percobaan ke percobaan


berikutnya adalah tetap. Peluang gagal (q) adalah 1-p.
 Contoh : Setiap kali diadakan pelemparan uang logam, peluang akan
munculnya gambar (p) adalah 0,5. Sedangkan peluang munculnya angka
(q) adalah 1-0,5 = 0,5 juga.

 3. Masing-masing percobaan merupakan peristiwa independent.


Artinya peristiwa yg satu tidak mempengaruhi terjadinya peristiwa yang
lain. Formula Binomial :

Dimana : n = jumlah percobaan


x = jumlah sukses yang diharapkan
p = peluang yg sukses
q = peluang yg gagal

2
4/1/2019

 Contoh 1 :
 Peluang munculnya dua kali sisi angka dalam 3 kali lemparan
uang logam adalah sebagai berikut :

Contoh 2
Peluang seorang mahasiswa datang terlambat dalam mengikuti
kuliah statistika adalah 0,4. Hitung berapa peluang dari 5
mahasiswa :
a. Tidak ada yang terlambat
b. 1 Mahasiswa terlambat
c. 2 Mahasiswa terlambat
d. 3 Mahasiswa terlambat
e. 4 Mahasiswa terlambat
f. 5 Mahasiswa terlambat
Jawab :
p = 0,4
q = 0,6
n=5
x = 0,1,2,3,4,5

3
4/1/2019

 Contoh 3 :
Berdasarkan pengalaman 8 dari 10 botol minuman terisi secara
penuh (sukses). Maka tentukan peluang mendapatkan 3 botol
yang terisi penuh dari 6 botol yang tersedia.
Jawab :
p = 8/10 = 0,8
Maka q = 1-p = 1-0,8 = 0,2
x=3
n=6

4
4/1/2019

1.2. DISTRIBUSI POISSON


 Adalah suatu distribusi teoritis yg berhubungan dgn variabel
acak diskrit. Seperti halnya dgn distribusi binomial, ada 2
kategori yg mungkin timbul pada populasi. Timbulnya tiap
kejadian yg mengikuti distribusi Poisson adalah independent,
setiap kejadian mempunyai peluang yg tetap. Jumlah individu
yg dihadapi besar sekali sedangkan peluang timbulnya suatu
individu termasuk kategori tertentu kecil sekali.
 Penerapan distribusi poisson membutuhkan syarat p < 0,05
dan n > 20 ( n besar dan peluang untuk terjadi sangat kecil), dgn
kata lain distribusi Poisson digunakan untuk peristiwa yang
jarang terjadi.
 Tujuan penggunaan distribusi peluang Poisson adalah untuk
menentukan peluang berbagai peristiwa dlm periode yg panjang
atau dlm daerah yg spesifik.

 Rumus distribusi Poisson adalah sbb :

 Dimana : P (x; μ) = Peluang munculnya kejadian x


 μ = Rata-rata terjadinya suatu peristiwa
 e = bilangan natural = 2,71828

 Contoh 1 :
Menurut catatan kepolisian dalam 1 bulan rata-rata terjadi 5 kali
kecelakaan. Jumlah kecelakaan tersebut terdistribusi Poisson,
dan Kepala Polisi ingin menghitung peluang terjadinya
kecelakaan tiap bulan. Bila ternyata peluang terjadinya
kecelakaan lebih dari 3 kali setiap bulan melebihi 65%, maka
akan diadakan perbaikan sistem pengamanan jalan raya. Maka
apakah perlu diadakannya perbaikan sistem pengamanan jalan
raya dengan berdasarkan data tersebut ?

5
4/1/2019

 Jawab :
Perhitungan Peluang Terjadinya Kecelakaan dengan
Menggunakan Distribusi Poisson
 Tidak terjadi kecelakaan

 Terjadi 1 Kecelakaan

 Terjadi 2 Kecelakaan

 Terjadi 3 Kecelakaan

6
4/1/2019

 Peluang terjadinya kurang dari atau sama dengan 3 kali


kecelakaan dalam tiap bulan diperoleh dengan menjumlahkan
peluang terjadinya kecelakaan untuk x = 0, 1, 2, 3.
 P (x ≤ 3 ) = P ( x=0 ) + P (x=1) + P (x=2) + P (x=3)
= 0,00674 + 0,03370 + 0,08425 + 0,14042
= 0,26511 = 26,511 %
Terjadinya kecelakaan kurang dari atau sama dengan 3 kali per
bulan adalah sebesar 0,2651, maka terjadinya kecelakaan lebih
dari 3 kali kecelakaan adalah 1 – 0,26511 = 0,73489 = 73 %. Nilai
yang diperoleh melebihi 65 % sehingga dengan demikian
dibutuhkan sistem pengamanan jalan raya yang lebih
baik.

2. BEBERAPA DISTRIBUSI PELUANG


KONTINU
 Pendahuluan
Distribusi peluang kontinu yg terpenting dlm seluruh bidang
statistika adalah distribusi normal. Grafiknya disebut kurva
normal, berbentuk seperti lonceng seperti gambar di bawah
ini, yang menggambarkan cukup baik banyak gejala yg muncul di
alam, industri, dan penelitian.
Gambar Kurva Distribusi Normal :

7
4/1/2019

 Variabel acak kontinu x yang mempunyai distribusi berbentuk


lonceng, disebut variabel acak normal. Persamaan matematik
untuk fungsi kepekatan peluang normal tergantung pada dua
parameter yaitu rata-rata (μ) dan standar deviasi / standar baku
SD (σ).

 Untuk :

8
4/1/2019

 Contoh 1 :
Suatu perusahaan listrik menghasilkan bola lampu yg umurnya
berdistribusi normal dgn rataan 800 jam dan simpangan baku 40
jam. Hitunglah peluang suatu bola lampu dapat menyala antara
778 dan 834 jam.
Jawab :
Distribusi umur bola lampu dapat dilukiskan pada gambar di
bawah ini :

Jadi, dengan menggunakan tabel terlampir di belakang (digunakan


interpolasi 2 nilai) diperoleh :
P(778 < X < 834) = P (-0,55 < Z < 0,85)
= P (Z < 0,85) – P (Z < - 0,55)
= 0,802 – 0,2914
= 0,5106 = 51,06 %

9
4/1/2019

 Distribusi Peluang Kontinu yang lain adalah


Distribusi t Student, distribusi Chi Kuadrat,
distribusi Weibull dan distribusi F.

10