BAB I

PENDAHULUAN
1.1 Latar Belakang
Dalam teori probabilitas dan statistika, distribusi binomial adalah distribusi
probabilitas diskrit jumlah keberhasilan dalam n percobaan ya/tidak (berhasil/gagal) yang
saling bebas, dimana setiap hasil percobaan memiliki probabilitas p. Eksperimen
berhasil/gagal juga disebut percobaan bernoulli. Ketika n = 1, distribusi binomial adalah
distribusi bernoulli. Distribusi binomial merupakan dasar dari uji binomial dalam uji
signifikansi statistik.
Distribusi ini seringkali digunakan untuk memodelkan jumlah keberhasilan pada
jumlah sampel n dari jumlah populasi N. Apabila sampel tidak saling bebas (yakni
pengambilan sampel tanpa pengembalian), distribusi yang dihasilkan adalah distribusi
hipergeometrik, bukan binomial. Semakin besar N daripada n, distribusi binomial merupakan
pendekatan yang baik dan banyak digunakan. Hal ini juga diketahui bahwa distribusi
binomial adalah distribusi jumlah keberhasilan yang terjadi dalam n percobaan independen
dengan probabilitas keberhasilan dalam setiap percobaan adalah p.

1.2 Rumusan Masalah

Adapun rumusan masalah yang dibahas adalah
1. Apa pemodelan yang digunakan dalam distribusi binomial?
2. Apa notasi distribusi binomial?
3. Bagaimana penggunaan distribusi binomial?

1.3 Tujuan
Adapun tujuan dari penulisan makalah ini adalah selain untuk memenuhi tugas mata
kuliah Metode Statisitka, juga untuk lebih memahami materi tentang distribusi binomial.

1
 BAB II
PEMBAHASAN
2.1 Ikhtisar
Model distribusi binomial mengulangi pilihan antara dua alternatif. Sebagai contoh,
akan memberikan probabilitas memperoleh 5 Ekor saat melempar 10 koin atau probabilitas
sebuah tikus memilih 10 kali keluar dari 20 cabang yang benar dari labirin 3-cabang. Tes
binomial menggunakan distribusi binomial untuk memutuskan apakah hasilnya dari
percobaan menggunakan variabel biner (juga disebut dikotomik ) dapat dikaitkan dengan efek
yang sistematis. Uji tanda diterapkan sebelum / sesudah desain dan menggunakan tes
binomial untuk mengevaluasi jika arah perubahan antara sebelum dan sesudah perlakuan
adalah sistematik.

2.2 Distribusi Binomial

Distribusi binomial memodelkan percobaan di mana mengulangi hasil biner yang
dihitung. Masing-masing hasil pasangan disebut percobaan bernoulli, atau hanya percobaan
sederhana. Sebagai contoh, jika kita melemparkan 5 koin, masing-masing hasil biner sesuai
dengan H atau T, dan hasil dari eksperimen bisa menghitung banyaknya T keluar dari 5
percobaan.

2.2.1 Notasi dan definisi

Kita sebut Y variabel acak menghitung banyaknya hasil percobaan, N jumlah
percobaan, P probabilitas memperoleh hasil percobaan pada setiap percobaan
dan C banyaknya hasil yang diingikan. Sebagai contoh, jika kita melemparkan 4 koin dan
menghitung banyaknya Kepala, Y menghitung banyaknya kepala keluar ,N= 4,
1
dan P =2. Jika kita ingin mencari probabilitas mendapatkan 2 kepala keluar dari 4, maka C =

2. Dengan notasi ini, probabilitas mendapatkan hasil C Keluar dari percobaan N diberikan
oleh rumus
𝑁
Pr(𝑌 = 𝐶) = ( ) × 𝑃𝐶 × (1 − 𝑃)𝑁−𝐶 1
𝐶
𝑁
Syarat ( ) memberikan banyaknya kombinasi elemen C dari sebuah ensemble N, hal itu
𝐶
disebut "binomial N, dan C", dan dihitung sebagai
𝑁 𝑁!
( ) = 𝐶!(𝑁−𝐶)! 𝑑𝑖𝑚𝑎𝑛𝑎 𝑁! = 1 × 2 … × 𝑁 2
𝐶

2
Sebagai contoh, jika probabilitas memperoleh 2 kepala ketika melempar 4 koin dihitung
sebagai:
𝑁
Pr(𝑌 = 2) = ( ) × 𝑃𝐶 × (1 − 𝑃)𝑁−𝐶
𝐶
4
= ( ) 𝑃2 (1 − 𝑃)4−2 3
2
= 6 × 0,52 × (1 − 0,5)2
= 6 × 0,54 = 0,3750

Mean dan standar deviasi dari distribusi binomial sama dengan

𝜇𝑌 = 𝑁𝑥𝑃 𝑑𝑎𝑛 𝜎 = √𝑁 × 𝑃 × (1 − 𝑃) 4
Distribusi binomial bertemu dengan distribusi normal untuk nilai-nilai besar N (praktis,
1
untuk P =2 dan N = 20, pertemuan di satu titik dicapai).

2.3 Uji Binomial

Uji Binomial menggunakan distribusi binomial untuk memutuskan apakah hasil dari
sebuah percobaan di mana kita menghitung banyaknya salah satu satu dari dua alternatif telah
terjadi. Misalnya, kita minta 10 anak-anak untuk memberi nama "keewee" atau "koowoo"
untuk sepasang boneka identik kecuali untuk ukurannya, dan bahwa kita memprediksi bahwa
anak-anak akan memilih keewee untuk boneka kecil. Kita menemukan bahwa 9 anak-anak
dari 10 memilih keewee. Dapatkah kita menganggap bahwa anak-anak memilih secara
sistematis? Untuk menjawab pertanyaan ini, kita perlu mengevaluasi probabilitas
memperoleh 9 keewees atau lebih dari 9 keewees jika anak-anak memilih secara acak. Jika
kita menunjukkan probabilitas ini dengan p, kita menemukan (dari Persamaan 1) bahwa:
𝑝 = Pr(9 𝑑𝑎𝑟𝑖 10) + Pr(10 𝑑𝑎𝑟𝑖 10)
10 9 (1 10
=( )𝑃 − 𝑃)10−9 + ( ) 𝑃10 (1 − 𝑃)0
9 10
5
= (10 × 0,59 × 0,51 ) + (1 × 0,510 × 0,50 )
= 0,009766 + 0,000977
= 0,01074

Dengan asumsi tingkat α = 0,05, kita dapat menyimpulkan bahwa anak tersebut tidak
menjawab secara acak.

3
 1
2.3.1 𝑃 ≠ 2
1
Tes binomial dapat digunakan dengan nilai P yang berbeda dari Misalnya,
2

probabilitas p memiliki 5 tikus memilih Pintu keluar yang benar dari 4 kemungkinan pintu di
1
labirin, menggunakan nilai P =4 dan adalah sama dengan

𝑝 = Pr(6 𝑑𝑎𝑟𝑖 6) + Pr(5 𝑑𝑎𝑟𝑖 6)

6 6
= ( ) 𝑃6 (1 − 𝑃)6−6 + ( ) 𝑃5 (1 − 𝑃)6−5
6 5
6
1 1 3
= 46 + 6 × 45 × 4
1 18
= 46 + 46

= 0,0046

Dan kita akan menyimpulkan bahwa tikus yang menunjukkan referensi signifikan untuk pintu
yang benar.

2.4 Besar N: Pendekatan Normal

Untuk nilai N yang besar, sebuah pendekatan normal dapat digunakan untuk distribusi
binomial. Dalam hal ini, p diperoleh dengan mengitung dahulu skor Z. Misalnya, bahwa kita
telah bertanya boneka Pertanyaan untuk 86 anak-anak dan 76 dari mereka memilih
keewee. Menggunakan Persamaan 4, kita dapat menghitung Z -score terkait sebagai
𝑌−𝜇𝑌 76−43
𝑍𝑌 = = = 7,12 7
𝜎𝑌 4,64

Probabilitas yang terkait dengan nilai Z menjadi lebih kecil dari α = 0,001, kita dapat
menyimpulkan bahwa anak-anak tidak menjawab secara acak.

2.5 Uji Tanda

Uji tanda digunakan dalam desain pengukuran berulang mengukur sebuah variabel
dependen pada pengamatan yang sama sebelum dan setelah beberapa perlakuan. Ini menguji
jika arah perubahan adalah acak atau tidak. Perubahan itu dinyatakan sebagai variabel biner
mengambil nilai-nilai + Adalah variabel dependen yang lebih besar untuk observasi yang
diberikan setelah perlakuan dan - jika itu lebih kecil. Ketika ada tidak berubah, Perubahan
dikodekan 0 dan diabaikan dalam analisis. Sebagai contoh, andaikan bahwa kita mengukur
banyaknya permen dimakan pada dua hari yang berbeda oleh 15 anak-anak, dan bahwa kita
membuka anak-anak ke sebuah film menunjukkan bahaya dari makan gula terlalu banyak

4
antara kedua hari ini. Pada hari kedua, dari 15 anak-anak ini, 5 makan dengan jumlah
permenyang sama, 9 makan kurang, dan 1 makan lebih. Dapatkan kita pertimbangkan bahwa
film mengurangi konsumsi permen? Masalah ini setara dengan membandingkan 9 hasil
1
positif terhadap satu negatif dengan P =2. Dari Persamaan 5, kita mendapatkan bahwa hasil

tersebut memiliki nilai p kecil yang α = 0,05 dan kita simpulkan bahwa film itu mengubah
perilaku anak-anak.

5
 BAB III
PENUTUP
3.1 Kesimpulan
Distribusi Binomial seringkali digunakan untuk memodelkan jumlah keberhasilan
pada jumlah sampel n dari jumlah populasi N. Distribusi ini banyak digunakan pada masalah
yang mungkin bernilai benar atau salah, gagal atau sukses, dan lain sebagainya. Untuk
nilai N yang besar, biasanya dipakai pendekatan normal dapat digunakan untuk distribusi
binomial dengan mengitung dahulu skor Z untuk memperoleh p.

6
 DAFTAR PUSTAKA

Abdi, Herve.2007.The Binomial Distribution The Binomial and Sign Tests.Dallas:University

of Texas
Sudjana.2001.Metoda Statistika.Bandung:Tarsito