MAKALAH

DISTRIBUSI BINOMIAL

Oleh :

Suhendra (1826201030)
Wahyudi Setiawan (1826201008)
Cindy Eka Pratiwi (1826201039)
Abdul Aziz (1826201007)
Rafi prayogi (1826201063)
Bagus Ardani (1826201048)
Al Idris (1826201032)
Eko Budian L P (1826201038)
Dwi Rana Kusuma (1826201065)
Nova Ajinda Rahman (1826201055)
M. Nuryatna (1826201009)

TEKNIK INDUSTRI
UNIVERSITAS MUHAMMADIYAH TANGERANG
2019
i
 KATA PENGANTAR

Puji dan syukur penulis panjatkan kehadirat Allah SWT, berkat

limpahan rahmat dan karunia-Nya. penulis dapat menyelesaikan salah satu
tugas mata kuliah Probabilitas dan Statistika yaitu makalah yang betemakan
“Distribusi Binomial”.
Penulis sampaikan ucapan terima kasih kepada yang terhormat Ibu
Frena Fadhila yang telah banyak memberikan ilmu kepada penulis. Mungkin
tanpa beliau penulis tidak akan bisa menyelesaikan tugas ini.
Dengan makalah ini maka penulis mohon kritik dan saran yang
membangun. Dengan begitu akan menjadi maklum adanya bila terdapat
kesalahan.

Tangerang, 13 Desember 2019

Penulis,

ii
 DAFTAR ISI
KATA PENGANTAR ......................................................................................................... i
DAFTAR ISI ...................................................................................................................... ii
BAB I PENDAHULUAN
1.1 Latar Belakang Masalah ....................................................................................... 1
1.2 Rumusan Masalah .................................................................................................. 2
1.3 Tujuan ......................................................................................................................... 3
BAB II PEMBAHASAN
2.1 Definisi Probabilitas .............................................................................................. 4
2.2 Manfaat Probabilitas dalam Penelitian.......................................................... 5
2.3 Menghitung Probabilitas atau Peluang Suatu Kejadian .......................... 6
2.4 Definisi Distribusi Binomial ............................................................................... 7
2.5 Ciri-ciri Distribusi Binomial ............................................................................. 10
2.6 Penerapan Distribusi Binomial ....................................................................... 11
2.7 Contoh Soal Distribusi Binomial dan Cara Penyelesaiannya .............. 11
BAB III KESIMPULAN
4.1 Kesimpulan ............................................................................................................. 19
DAFTAR PUSTAKA ...................................................................................................... 20

ii
i
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Baik di dalam dunia engineering, ekonomi, sosial budaya maupun dunia
teoritis (termasuk dunia komputer tentunya), kita sering menghadapi suatu yang
sering disebut sebagai “ketidakpastian”. Ketidakpastian terjadi akibat keterbatsan
manusia itu sendiri di dalam dunianya dalam
mengukur/menghitung/menalar/melamar sesuatu hal yang lebih baik yang akan
datang maupun yang ada di depan mata, termasuk yang telah terjadi.
Sudah sejak awal dari awal zaman, ketidakpastian diantisipasi manusia
dengan berbagai cara. Ada yang bersifat prophecy dan supranatural, ada pula yang
lebih rasional dengan mempelajari periodisitas (pengulangan) gejala alam untuk
mengurangi tingkat ketidakpastian itu hingga sampai ke tingkat yang lebih
manageble. Namun, ketidakpastian itu tetap mewarnai kehidupan manusia karena
ketidakpastian itu mungkin menjadi faktor pemicu dinamika roda kehidupan itu
sendiri. Dengan kata lain, walau ketidakpastian itu seringkali menjadi sumber
kesulitan, tetapi juga sekaligus merupakan blessing.
Teori probabilitas bisa dikatakan merupakan salah satu ilmu untuk
“mengukur” ketidakpastian hingga ke tingkat yang lebih manageble dan
predictable. Teori probabilitas digunakan bukan hanya untuk hal-hal yang praktis,
bahkan juga untuk hal- hal yang teoritis ketika model-model matematis tidak
dapat lagi disusun secara komprehensif untuk memecahkan suatu masalah.
Apalagi dunia engineering yang pada umumnya memerlukan pertimbangan yang
lebih singkat dan pragmatis sangat mengandalkan konsep-konsep di dalam teori
probabilitas.
Metode statistika adalah “muka” dari teori probabilitas. Metode statistika
digunakan untuk melakukan pengukuran kuantitatif yang aproksimatif akan suatu
hal. Konsep metodologis yang digunakan di dalam metode statistika
dikembangkan berdasarkan teori probabilitas. Dalam penggunaannya, hasil
pengukuran statistika sudah dapat dianggap memadai. Namun, untuk memahami
apa yang ada di balik angka-angka hasil perhitungan statistika tersebut
memerlukan pemahaman mengenai model probabilitas yang digunakannya, yang

4
artinya perlu kembali ke teori probabilitas. Tanpa pemahaman tersebut,
seringkali statistika digunakan untuk melegitimasi suatu kebohongan (dikenal
sebagai kebohongan statistika) ketika statistika digunakan sementara model dasar
probabilitas yang terkait tidak sesuai atau relevan dengan situasi yang sebenarnya.
Simulasi dan teori antrian dapat dikatakan juga sebagi turunan dan teori
probabilitas. Dengan simulasi maka perilaku suatu sistem atau rancangan dapat
dipelajari. Teori probabilitas digunakan dalam menentukan perilaku secara lebih
kuantitatif dari apa yang disimulasikan. Teori antrian merupakan hasil
pengembangan lanjutan konsep probabilitas dan di dalamnya masih berbicara
mengenai model-model probabilitas.
Namun, kembali ke pembicaraan awal, yaitu bahwa probabilitas hanyalah
suatu sistematika ilmu untuk mempelajari ketidakpastian. Seakurat-akuratnya
model probabilitas yang digunakan, tetap saja ketidakpastian itu masih ada walau
dengan kadar yang amat tipis. Dan ketidakpastian yang tipis itu pada gilirannya
dapat menghasilkan hasil yang ekstrim. Jadi penting bagi kita memahami apa yang
bisa diberikan oleh teori probabilitas dan turunan-turunannya. Dalam statistik
probabilitas dikenal dengan distribusi.
Salah satu jenis distribusi variabel random diskrit yang paling sederhana
adalah distribusi binomial. Distribusi Binomial adalah distribusi untuk proses
Bernoulli. Distribusi ini dikemukakan pertama kali oleh seorang ahli
matematika bangsa Swiss yang bernama J. Bernoulli (1654-1705).

1.2 Rumusan Masalah

Berdasarkan latar belakang masalah tersebut di atas, maka masalah pokok
yang di rumuskan untuk makalah ini adalah:
1. Apa itu probabilitas?
2. Apa manfaat probabilitas dalam penelitian?
3. Bagaimana cara menghitung probabilitas dalam suatu kejadian?
4. Apa itu distribusi binomial?
5. Apa saja ciri-ciri dari distribusi binomial?
6. Bagaimana penerapan distribusi binomial?

5
1.3 Tujuan
Tujuan pembuatan makalah ini selain untuk melengkapi tugas mata kuliah
Probabilitas dan Statistika, yaitu untuk mengetahui probabilitas lebih jauh, mulai
dari cara menghitungnya, dan memahami konsep distribusi binomial yang
merupakan bagian dari probabilitas itu sendiri.

6
 BAB II
PEMBAHASAN

2.1 Definisi Probabilitas

Dalam kehidupan sehari-hari kita sering dihadapkan dengan beberapa
pilihan yang harus kita tentukan memilih yang mana. Biasanya kita dihadapkan
dengan kemungkinan-kemungkinan suatu kejadian yang mungkin terjadi dan kita
harus pintar- pintar mengambil sikap jika menemukan keadaan seperti ini,
misalkan saja pada saat kita ingin bepergian, kita melihat langit terlihat mendung.
Dalam keadaaan ini kita dihadapkan antara 2 permasalahan, yaitu kemungkinan
terjadinya hujan serta kemungkinan langit hanya mendung saja dan tidak akan
turunnya hujan. Statistic yang membantu permasalahan dalam hal ini adalah
probabilitas.
Probabilitas didefinisikan sebagai peluang atau kemungkinan suatu
kejadian, suatu ukuran tentang kemungkinan atau derajat ketidakpastian suatu
peristiwa (event) yang akan terjadi di masa mendatang. Rentangan probabilitas
antara 0 sampai dengan 1. Jika kita mengatakan probabilitas sebuah peristiwa
adalah 0, maka peristiwa tersebut tidak mungkin terjadi. Dan jika kita mengatakan
bahwa probabilitas sebuah peristiwa adalah 1 maka peristiwa tersebut pasti
terjadi. Serta jumlah antara peluang suatu kejadian yang mungkin terjadi dan
peluang suatu kejadian yang mungkin tidak terjadi adalah satu, jika kejadian
tersebut hanya memiliki 2 kemungkinan kejadian yang mungkin akan terjadi.

2.2 Manfaat Probabilitas dalam Penelitian

Manfaat probabilitas dalam kehidupan sehari-hari adalah membantu kita
dalam mengambil suatu keputusan, serta meramalkan kejadian yang mungkin
terjadi. Jika kita tinjau pada saat kita melakukan penelitian, probabilitas memiliki
beberapa fungsi antara lain:
1) Membantu peneliti dalam pengambilan keputusan yang lebih tepat.
Pengambilan keputusan yang lebih tepat dimaksudkan tidak ada keputusan
yang sudah pasti karena kehidupan mendatang tidak ada yang pasti kita
ketahui dari sekarang, karena informasi yang didapat tidaklah sempurna.
2) Dengan teori probabilitas kita dapat menarik kesimpulan secara tepat atas

7
 hipotesis yang terkait tentang karakteristik populasi. Menarik kesimpulan
secara tepat atas hipotesis (perkiraan sementara yang belum teruji
kebenarannya) yang terkait tentang karakteristik populasi pada situasi ini
kita hanya mengambil atau menarik kesimpulan dari hipotesis bukan
berarti kejadian yang akan datang kita sudah ketehaui apa yang akan
tertjadi.
3) Mengukur derajat ketidakpastian dari analisis sampel hasil penelitian dari
suatu populasi.

Contoh:
Ketika diadakannya sensus penduduk 2000, pemerintah mendapatkan data
perbandingan antara jumlah penduduk berjenis kelamin laki-laki berbanding
jumlah penduduk berjenis kelamin perempuan adalah memiliki perbandingan 5:6,
sedangkan hasil sensus pada tahun 2010 menunjukan hasil perbandingan jumlah
penduduk berjenis kelamin pria berbanding jumlah penduduk berjenis kelamin
wanita adalah 5:7. Maka pemerintah dapat mengambil keputusan bahwa setiap
tahunnya dari tahun 2000 hingga 2010 jumlah wanita berkembang lebih pesat
daripada jumlah penduduk pria.

2.3 Menghitung Probabilitas atau Peluang Suatu Kejadian

Jika tadi kita hanya memperhatikan peluang suatu kejadian secara
kualitatif, hanya memperhatikan apakah kejadian tersebut memiliki peluang besar
akan terjadi atau tidak. Disini kita akan membahas nilai dari probabilitas suatu
kejadian secara kuantitatif. Kita bisa melihat apakah suatu kejadian berpotensi
terjadi ataukah tidak.
Misalkan kita memiliki sebuah koin yang memiliki muka gambar dan
angka,jika koin tersebut kita lemparkan keatas secara sembarang, maka kita
memiliki 2 pilihan yang sama besar dan kuat yaitu peluang munculnya angka dan
peluang munculnya gambar. Jika kita perhatikan secara seksaama, pada satu koin
hanya terdiri dari satu muka gambar dan satu muka angka, maka peluang
munculnya angka dan gambar adalah sama kuat yaitu ½. 1 menyatakan hanya
satu dari muka pada koin yang mungkin muncul, entah itu gambar maupun angka
sedangkan 2 menyatakan banyaknya kejadian yang mungkin terjadi pada

8
pelemparan koin, yaitu munculnya gambar + munculnya angka.
Jika kita berbicara tidak lagi 2 kejadian yaitu menyangkut banyak kejadian
yang mungkin terjadi, mengingat dan dari hasil pengumpulan dan penelitian data
diperoleh suatu rumus sebagai berikut. Jika terdapat N peristiwa, dan n A dari N
peristiwa tersebut
membentuk kejadian A, maka probabilitas A
𝑛
adalah : P(A) = 𝑁

dimana n = banyaknya kejadian

N= kejadian seluruhnya/peristiwa yang mungkin terjadi
Contoh 1:
Suatu mata uang logam yang masing-masing sisinya berisi gambar dan angka
dilemparkan secara bebas sebanyak 1 kali. Berapakah probabilitas munculnya
gambar atau angka?
Jawab :
n=1; N=2
𝑛
P(gambar atau angka) =
𝑁
1
= atau 50%
2

Dapat disimpulkan peluang munculnya gambar atau angka adalah sama besar.

Contoh 2:
Berapa peluang munculnya dadu mata satu pada satu kali pelemparan? Jika kita
tinjau pada sebuah dadu hanya memiliki 1 buah mata dadu bermata 1,
sedangkan pada dadu terdapat 6 mata yaitu mata 1 sampai mata 6.

𝑛 1
Maka P(A) = 𝑁 = 6

9
Probabilitas mempunyai beberapa aturan, diantaranya:
a) Jika n = 0 maka peluang terjadinya suatu kejadian pada keadaan ini
adalah sebesar P(A) = 0 atau tidak mungkin terjadi.
b) Jika n merupakan semua anggota N maka probabilitasnya adalah satu,
atau kejadian tersebut pasti akan terjadi.
c) Probabilitas suatu kejadian memiliki rentangan nilai.
d) Jika E menyatakan bukan peristiwa E maka berlaku.

2.4 Definisi Distribusi Binomial

Distribusi Binomial adalah suatu distribusi probabilitas yang dapat
digunakan bilamana suatu proses sampling dapat diasumsikan sesuai dengan
proses Bernoulli. Misalnya, dalam perlemparan sekeping uang logam sebanyak 5
kali, hasil setiap ulangan mungkin muncul sisi gambar atau sisi angka. Begitu pula,
bila kartu diambil berturut-turut, kita dapat memberi label “berhasil” bila kartu
yang terambil adalah kartu merah atau “gagal” bila yang terambil adalah kartu
hitam. Ulangan-ulangan tersebut bersifat bebas dan peluang keberhasilan setiap
ulangan tetap sama,yaitu sebesar ½..(Ronald E. Walpole).
Syarat Distribusi Binomial:
1. Jumlah percobaan merupakan bilangan bulat. Contoh melambungkan koin
2 kali, tidak mungkin 2½ kali.
2. Setiap eksperimen mempunyai dua outcome (hasil). Contoh: sukses atau
gagal, laki-laki atau perempuan, sehat atau sakit.
3. Peluang sukses sama setiap ekperimen. Contoh: Jika pada lambungan
pertama peluang keluar mata H/sukses adalah ½, pada lambungan
seterusnya juga ½. Jika sebuah dadu, yang diharapkan adalah keluar mata
lima, maka dikatakan peluang sukses adalah 1/6, sedangkan peluang gagal
adalah 5/6.Untuk itu peluang sukses dilambangkan p, sedangkan peluang
gagal adalah (1-p) atau biasa juga dilambangkan q, di mana q = 1-p.

2.5 Ciri-ciri Distribusi Binomial.

Distribusi Binomial dapat diterapkan pada peristiwa yang memiliki ciri-ciri
percobaan Binomial atau Bernoulli trial sebagai berikut :
1. Setiap percobaan hanya mempunyai 2 (dua) kemungkinan hasil: sukses

10
 (hasil yang dikehendaki) dan gagal (hasil yang tidak dikehendaki).
2. Setiap percobaan beersifat independen atau dengan pengembalian.
3. Probabilita sukses setiap percobaan harus sama, dinyatakan dengan p.
Sedangkan probabilita gagal dinyatakan dengan q, dan jumlah p dan q
harus sama dengan satu.
4. Jumlah percobaan, dinyatakan dengan n, harus tertentu jumlahnya.

2.6 Penerapan Distribusi Binomial

Beberapa kasus dimana distribusi normal dapat diterapkan yaitu:
1. Jumlah pertanyaan dimana anda dapat mengharapkan bahwa terkaan anda
benar dalam ujian pilihan ganda.
2. Jumlah asuransi kecelakaan yang harus dibayar oleh perusahaan asuransi.
3. Jumlah lemparan bebas yang dilakukan oleh pemain basket selama satu
musim.

Rumus Distribusi Binomial

𝑛!
𝑏(𝑥, 𝑛, 𝑝) = 𝐶𝑥𝑛 𝑝 𝑥 𝑞 𝑛−𝑥 = 𝑝 𝑥 𝑞 𝑛−𝑥
𝑥!(𝑛−𝑥)!

Keterangan:
x = 0,1,2,3,…,n
n = banyaknya ulangan
x = banyaknya keberhasilan dalam peubah
acak x p = peluang berhasil dalam setiap
ulangan
q = peluang gagal,
dimana q = 1-p dalam setiap ulangan

2.7 Contoh Soal Distribusi Binomial dan Cara Penyelesaiannya

1. Berdasarkan data biro perjalanan PT Mandala Wisata air, yang khusus
menangani perjalanan wisata turis manca negara, 20% dari turis menyatakan
11
sangat puas berkunjung ke Indonesia, 40% menyatakan puas, 25% menyatakan
biasa saja dan sisanya menyatakan kurang puas. Apabila kita bertemu dengan 5
orang dari peserta wisata turis manca negara yang pernah berkunjung ke
Indonesia, berapakah probabilitas :
a) Paling banyak 2 di antaranya menyatakan sangat puas.
b) Paling sedikit 1 di antaranya menyatakan kurang puas
c) Tepat 2 diantaranya menyatakan biasa saja
d) Ada 2 sampai 4 yang menyatakan puas.

Jawab :
Diketahui n = 5
Ditanyatakan:
a) Paling banyak 2 di antaranya menyatakan sangat puas (p(x) ≤ 2)
p = 0,20
b(0; 5; 0,20) = 𝐶05 . 0,200. 0,80 5−0
5!
= 0!(5−0)! 0,200 . 0,805−0

= 0,32768
b(1; 5; 0,20) =𝐶15 . 0,201. 0,80 5−1
5!
= 1!(5−1)! 0,201 0,805−1

= 0,40960
b(2; 5; 0,20) = 𝐶25 . 0,202. 0,80 5−2
5!
= 2!(5−2)! 0,202 0,805−2

= 0,20480

b(x; n; p) = b(0; 5; 0,20) + b(1; 5; 0,20) + b(2; 5; 0,20)

= 0.32768 + 0.40960 + 0.20480 = 0.94208
Maka hasil p(x) ≤ 2 = 0.94208

b) Paling sedikit 1 diantaranya menyatakan kurang puas (p(x)≥ 1)

P = 0,15
b(1; 5; 0,15) = 𝐶15 . 0,151. 0,85 5−1
12
 5!
= 1!(5−1)! 0,151 . 0,854

= 0,3915
b(2; 5; 0,15) =𝐶25 . 0,152. 0,85 5−2
5!
= 2!(5−2)! 0,152 0,853

= 0,1382
b(3; 5; 0,15) = 𝐶35 . 0,153. 0,85 5−3
5!
= 3!(5−3)! 0,153 . 0,852

= 0,0244
b(4; 5; 0,15) =𝐶45 . 0,154. 0,85 5−4
5!
= 4!(5−4)! 0,154 0,851

= 0,002
b(5; 5; 0,15) = 𝐶55 . 0,155. 0,85 5 – 5
5!
= 5!(5−5)! 0,155 0,850

= 0,0001
b(x; n; p) = b(1; 5; 0,15) + b(2; 5; 0,15) + b(3; 5; 0,15) + b(4; 5;
0,15) + b(5; 5; 0,15)
= 0.3915 + 0.1382 + 0.0244 + 0,0022 + 0,0002
= 0.5562

Atau
b(x≥ 1; 5; 0,15) = 1 – b (x = 0)
= 1 - 𝐶05 . 0,150 . 0,855−0
5!
= 1 - 0!(5− 0)! 0,150 . 0,855−0

= 1 – 0,4437
= 0,5563

c) Tepat 2 diantaranya menyatakan biasa saja (p(x) = 2)

p = 0,25
b(2; 5; 0,25) = 𝐶25 . 0,252. 0,75 5−2
5!
= 2!(5−2)! 0,252 0,753

13
 = 0,2637

d) Ada 2 sampai 4 yang menyatakan puas (x ≤ 2 𝑥 ≤ 4)

p = 0,40
b(2; 5; 0,40) = 𝐶25 . 0,402. 0,60 5−2
5!
= 2!(5−2)! 0,402 0,603

= 0,3456
b(3; 5; 0,40) = 𝐶35 . 0,403. 0,60 5−3
5!
= 3!(5−3)! 0,403 0,602

= 0,2304
b(4; 5; 0,40) = 𝐶45 . 0,402. 0,60 5−4
5!
= 4!(5−4)! 0,402 0,601

= 0,0768
Jadi :
(x ≤ 2 𝑥 ≤ 4) = b(2; 5; 0,40) + b(3; 5; 0,40) + b(4; 5; 0,40)
= 0,3456 + 0,2304 + 0,0768
= 0,6528

Analisis masing – masing point :

a) Sebanyak paling banyak 2 dari 5 orang dengan jumlah 0.94208 atau 94,28%
yang menyatakan sangat puas adalah sangat besar.
b) Paling sedikit 1 dari 5 orang (berarti semuanya) dengan jumlah 0,5563 atau
55,63% yang menyatakan kurang puas dapat dikatakan cukup besar (karena
lebih dari 50%).
c) Tepat 2 dari 5 orang yang menyatakan biasa saja dengan jumlah 0,2637 atau
26,37% adalah kecil (karena dibawah 50%).
d) Ada 2 sampai 4 yang menyatakan puas dengan jumlah 0,6528% atau 65,28%
dapat dikatakan cukup besar.

14
 Analisis keseluruhan :
a. Persentase
Jika diambil persentase terbesar tanpa memperhatikan jumlah X, maka
persentase terbesar ada di point pertama (a) yaitu 94,28% yang menyatakan
sangat puas. Hal tersebut menandakan banyak turis manca negara yang
sangat menyukai Indonesia.
b. Nilai x
Jika dilihat dari jumlah x, maka perlu diperhatikan point kedua (b). Jumlah x
adalah paling sedikit 1 dari 5 orang (berarti x>=1) yaitu 55,63% yang
menyatakan kurang puas.Hal tersebut berarti kelima (semua) turis manca
negara kurang puas terhadap kunjungannya ke Indonesia.

2. Kepala bagian produksi PT. MITHOSIBA melaporkan bahwa rata-rata produksi

televisi yang rusak setiap kali produksi adalah sebesar 15 %. Jika dari total
produksi tersebut diambil secara acak sebanyak 4 buah televisi, berapakah
perhitungan dengan nilai probabilitas 2 ?

Jawab:
Diketahui : p (rusak) = 0,15;
q (baik) = 0,85;
n=5
Ditanyakan: perhitungan dengan probabilitas 2 (p(x)=2) ?
Jawab:
5!
b(2; 5; 0,15) = 𝐶25 . 0,152 0,855−2 = 0,152 . 0,853 = 0,0975
2!(5−2)!

Analisis:
Dengan jumlah 0,0975 atau 9,75% dari sampel acak sebanyak 4 buah
televisi dan rata – rata produk rusak setiap kali produksi adalah sebesar 15%,
dapat dikatakan kecil. Namun pada kenyataannya, meskipun dilihat secara
persentase kecil (hanya 9,75%) yang namanya produk rusak harus tetap
dikurangi atau bahkan dihilangkan untuk mengurangi kerugian.

15
3. Suatu perusahaan “pengiriman paket ” terikat perjanjian bahwa keterlambatan
paket akan menyebabkan perusahaan harus membayar biaya kompensasi. Jika
Peluang setiap kiriman akan terlambat adalah 0.20

Bila terdapat 5 paket, hitunglah probabilitas:

a) Tidak ada paket yang terlambat, sehingga perusahaan tidak membayar biaya
kompensasi? (p(x) = 0)
b) Lebih dari 2 paket terlambat? (p(x)> 2)
c) Tidak Lebih dari 3 paket yang terlambat?(x ≤ 3)

Jawab:
a) p(x) = 0
b(0; 5; 0,20) = 𝐶05 . 0,200 0,805−0
5!
= 0!(5−0)! 0,200 . 0,805

= 0,32768

b) p(x) > 2
p(x) > 2 = 1−p(x)<2
= 1−p(x)=0 + p(x)=1 + p(x)=2
p(x) = 0
b(0; 5; 0,20) = 0,32768

p(x) = 1
b(1; 5; 0,20) = 𝐶15 . 0,201 0,805−1
5!
= 1!(5−1)! 0,201 . 0,804

= 0,4096
p(x) = 2
b(2; 5; 0,20) = 𝐶25 . 0,202 0,805−2
5!
= 2!(5−2)! 0,202 . 0,803

= 0,2048

16
 Jadi :
p(x) > 2 = 1 - 0,32768 + 0,4096 + 0,2048
= 1 – 0,94208
= 0,05792

c) p(x) ≤ 3
p(x) ≤ 3 = p(x) = 0 + p(x) = 1 + p(x) = 2 + p(x) = 3

p(x) = 0
b(0; 5; 0,20) = 0,32768

p(x) = 1
b(1; 5; 0,20) = 0,4096

p(x) = 2
b(2; 5; 0,20) = 0, 2048

p(x) = 3
b(3; 5; 0,20) = 𝐶35 . 0,203 0,805−3
5!
= 3!(5−3)! 0,203 . 0,802

= 0,0512
Jadi :
p(x) ≤ 3 = 0,32768 + 0,4096 + 0,2048 + 0,0512
= 0,99329

4. Manajer menentukan bahwa 4 transistor dari setiap perkumpulan besar harus uji
kualitas. Jika 2 atau lebih transistor rusak ditemukan, seluruh kumpulan akan
ditolak. Manajer ingin mengetahui probabilitas menolak seluruh kemampuan
transistor, jika dalam kenyataan, kumpulan mempunyai 20% barang rusak.

Jawab :
Penggunaan distribusi binomial memberikan jumlah integer yang tepat. Jadi apabila
kita memerlukan 2 atau lebih barang rusak, kita memerlukan untuk menghitung
probabilitas 2, 3 dan 4 barang rusak, yaitu
17
P(r ≥ 2) = P(r = 2) + P(r = 3) + P(r = 4)
Memasukkan nilai nilai P = 0,2, n = 4, q = 0,8 dan r = 2, 3, 4 kedalam hasil distribusi
binomial pada probabilitas 2 atau lebih barang rusak

p(r) = 2
b(2; 5; 0,2) = 𝐶25 . 0,22 0,85−2
5!
= 2!(5−2)! 0,22 . 0,83

= 0,1536
p(r) = 3
b(3; 5; 0,2) = 𝐶35 . 0,23 0,85−3
5!
= 3!(5−3)! 0,23 . 0,82

= 0,0256
p(r) = 4
b(4; 5; 0,2) = 𝐶45 . 0,24 0,85−4
5!
= 4!(5−4)! 0,24 . 0,81

= 0,0016
Jadi :
P(r ≥ 2) = 0,1536 + 0,0256 + 0,0016
= 0,1808

Berdasarkan hasil ini, kita dapat menghitung probabilitas “kurang dari 2 barang yang
rusak” sebagai berikut
P(r < 2) = P(r = 0) + P(r = 1)
= 1 - P(r = 2) + P(r = 3) + P(r = 4)
= 1 – 0,1808
= 0,8192

18
 BAB III
PENUTUP

3.1 Kesimpulan
Dari uraian di atas dapat disimpulkan bahwa probabilitas sangatlah
membantu manusia dalam mengambil sebuah keputusan. Misalkan untuk
memperkirakan apakah peluang lebih banyak gagal atatu sukses dari sebuah
usaha.
Distribusi binomial merupakan suatu performans dari suatu percobaan,
percobaan itu hanya memiliki dua macam keluaran yaitu “Sukses” atau “Gagal”.
Percobaan tersebut disebut dengan tindakan Bernoulli atau percobaan Bernoulli
(Bernoulli trial).

19
 DAFTAR PUSTAKA

http://sainsmatika.blogspot.com/2012/03/probabilitas-peluang.html
Walpole, Ronald E. 1988. Pengantar Statistika edisi ke-3. Jakarta : PT Gramedia
Pustaka Utama
Taylor III, Bernard W. 2001. Sains Manajemen Pendekatan Matematika untuk
Bisnis. Jakarta : Salemba Empat

20