Kemampuan Akhir

Mahasiswa mampu menghitung distribusi probabilita berdasarkan jenisnya

Indikator
Setelah mempelajari bab ini mahasiswa diharapkan mampu:
1. Menjelaskan pengertian variabel random dan distribusi probabilita
2. Menghitung distribusi probabilita diskrit; distribusi binomial, distribusi
Poisson
3. Menghitung distribusi probabilita kontinu; distribusi normal dan standar

Hubungan Indikator dan Kemampuan Akhir

Setelah mempelajari bab ini diharapkan mahasiswa mampu menghitung
distribusi probabilita sesuai dengan jenisnya. Dengan memahami berbagai
konsep yang meliputi pengertian variabel random, distribusi probabilita,
selanjutnya mahasiswa dapat menghitung probabilita diskrit (distribusi
binomial, distribusi poisson), dan probabilita kontinu (distribusi normal dan
standar).

Deskripsi Singkat Bab III

Bab III membahas tentang konsep serta perhitungan berbagai jenis
distribusi serta berbagai aplikasinya di bidang bisnis.

Pengantar
Penentuan nilai probabilita (peluang) suatu kejadian seringkali terjadi dalam
suatu kegiatan (eksperimen) yang merupakan suatu kumpulan kejadian
yang mungkin terjadi.Terjadinya banyak peluang ini dapat bersifat diskrit
maupun kontinyu. Penentuan dari berbagai pola kemungkinan peluang
terjadinya keseluruhan peristiwa dalam suatu kejadian akan menentukan
pendekatan analisis selanjutnya dalam penerapan statistik induktif.

Statistik Induktif Untuk Bisnis 37

3.1 Pengertian Variabel Acak (Random) dan Distribusi Peluang
(Probabilita)
Variabel acak (random) adalah variabel yang nilainya merupakan bilangan
yang ditentukan oleh terjadinya hasil suatu percobaan.
Misalnya, pada percobaan pelemparan sekeping uang logam sebanyak empat kali
memiliki ruang sampel sebagai berikut :
S = {gggg, ggga, ggag, gagg, aggg, ggaa, gaga, agga, agag, aagg, gaag, gaaa,
agaa, aaga, aaag, aaaa}
Bila kita hanya tertarik pada berapa kali sisi gambar muncul, maka nilai
numeriknya 0, 1, 2, 3, 4 dapat diberikan pada setiap titik sampel. Jika munculnya
sisi gambar diberi notasi “X”, maka frekuensi dan probabilitanya dapat dituliskan
sebagai berikut :

Frekuensi
Probabilita
Keterangan
p(X)
X = 0, artinya sisi gambar tidak muncul pada 4 kali 1
1 =0 , 06
pelemparan (aaaaa) 16
X = 1, artinya sisi gambar muncul 1 kali pada 4 kali 4
4 =0 , 25
pelemparan (gaaa, agaa, aaga, aaag) 16
X = 2, artinya sisi gambar muncul 2 kali pada 4 kali
pelemparan (ggaa, gaga, agga, agag, aagg, 6 6
=0 , 38
gaag) 16
X = 3, artinya sisi gambar muncul 3 kali pada 4 kali 4
4 =0 , 25
pelemparan (ggga, ggag, gagg, aggg) 16
X = 4, artinya sisi gambar muncul 4 kali pada 4 kali 1
1 =0 , 06
pelemparan (gggg) 16
J u m l a h 16 1,00

Probabilita munculnya sisi gambar diatas dapat digambar grafik batang atau
histogramnya, seperti dibawah ini.

Statistik Induktif Untuk Bisnis 38

 Gambar 7. Histogram Peluang (Probabilita) Munculnya Sisi Gambar

ρ( X )

0,40 –

0,35 –

0,30 –

0,25 –

0,20 –

0,15 –

0,10 –

0,05 –

0,00 X
0 1 2 3 4

Dalam hal ini, X = 0, 1, 2, 3, dan 4 disebut variabel acak (random).

Definisi lain menyatakan, bahwa variabel acak (random) adalah suatu fungsi yang
nilainya berupa bilangan nyata yang ditentukan oleh setiap unsur dalam ruang
sampel.
Apabila suatu ruang sampel mengandung jumlah titik sampel yang terhingga atau
suatu barisan unsur yang terbatas, maka ruang sampel itu disebut ruang sampel
diskrit atau dikenal dengan variabel acak (random) diskrit.
Pada prakteknya, variabel random diskrit digunakan untuk data yang diperoleh
dari hasil perhitungan, misalnya jumlah penduduk, banyak produk yang rusak,
banyak kecelakaan di suatu daerah dan lain sebagainya.
Apabila suatu ruang sampel mengandung jumlah titik sampel tak terhingga atau
suatu barisan unsur yang tidak terbatas, maka ruang sampel itu disebut ruang
sampel kontinu atau dikenal dengan variabel acak (random) kontinu.
Pada prakteknya, variabel random kontinu digunakan untuk data yang diukur,
misalnya tinggi, bobot atau berat, suhu, jarak dan lain sebagainya

Statistik Induktif Untuk Bisnis 39

Sedangkan himpunan semua pasangan berurutan {x , p(x)} atau {0 ; 0,06},
{1 ; 0,25}, {2 ; 0,38}, {3 ; 0,25}, {4 ; 0,06} disebut dengan fungsi probabilita
atau distribusi probabilita.
Distribusi peluang (probabilita) dengan nilai variabel acak (random) diskrit
disebut distribusi probabilita diskrit.
Distribusi peluang (probabilita) dengan nilai variabel acak (random) kontinu
disebut distribusi peluang (probabilita) kontinu.

3.2 Distribusi Peluang (Probabilita) Diskrit

Distribusi peluang (probabilita) diskrit yang dikemukakan dalam buku ini
adalah : distribusi Binomial, dan Poisson.
3.2.1. Distribusi Binomial
Distribusi Binomial adalah distribusi peluang (probabilita) dari suatu
variabel random yang bersifat diskrit. Distribusi binomial juga disebut sebagai
distribusi Bernoulli karena berasal dari hasil eksperimen atau percobaan yang
dilakukan oleh James Bernoulli (1654 – 1705) yaitu ahli matematika dari Swiss.
Model dari percobaan Bernoulli memiliki ciri-ciri, sebagai berikut :
1. Setiap percobaan bersifat bebas (independent), artinya peristiwa yang satu
tidak mempengaruhi peristiwa yang lain.
2. Dalam setiap percobaan terdapat hanya dua hasil kejadian yang saling lepas
atau saling meniadakan (mutually exclusive).
Suatu ruang sampel mengandung dua unsur, yaitu peristiwa sukses dan gagal
3. Probabilita sukses pada tiap percobaan haruslah sama atau bersifat tetap dan
dinyatakan dengan notasi “p“. Sedangkan probabilita gagal dinyatakan
dengan “q atau (1- p)“.
Apabila sebuah eksperimen terdiri dari n percobaan Bernoulli dengan
probabilita sukses (p) dan gagal (q) pada tiap-tiap percobaan, maka fungsi peluang
(probabilita) variabel random X dapat dinyatakan sebagai berikut :

b(x |n, p) = ( ¿ x n ) p x q( n− x ) (3.1)

Statistik Induktif Untuk Bisnis 40

 n

atau p( X =x ) = C x
x
p q
( n− x )

(3.2)

Dimana :
n)
(¿ x = C x = Kombinasi
n!
n = ; x=1, 2, 3, . .. .. . .. ,n
C x x ! ( n−x )!
Tanda : “!” dibaca faktorial
Misalnya :
4

Bila n = 4, x = 0, maka C 0

4! 4! 4.3.2.1 1
= = = = =1
0 ! (4−0)! 0 ! 4 ! (1)(4.3.2.1) 1
4

Bila n = 4, x = 1, maka C 1

4! 4! 4 . 3. 2.1 4
= = = = =4
1 ! ( 4−1)! 1 ! 3 ! (1)(.3 .2. 1) 1
4

Bila n = 4, x = 2, maka C 2

4! 4! 4. 3.2.1 12
= = = = =6
2 ! ( 4−2)! 2 ! 2 ! (2.1)(2.1) 2
4

Bila n = 4, x = 3, maka C 3

4! 4! 4 .3 . 2. 1 4
= = = = =4
3 ! (4−3 )! 3 ! 1 ! (3. 2. 1)(1) 1
4

Bila n = 4, x = 4, maka C 4

4! 4! 4 .3 . 2. 1 1
= = = = =1
4 ! (4−4 )! 4 ! 0 ! (4 .3 . 2. 1)(1) 1

Rata-rata bagi distribusi binomial adalah :

Statistik Induktif Untuk Bisnis 41

 μ=n. p
(3.3)

Simpangan baku (deviasi standar) nya adalah :

σ=√ n. p.q
(3.4)
Contoh 3.1. Jika sekeping uang logam dilempar sebanyak 4 kali, maka berapa :
a). Peluang (probabilita) munculnya 2 sisi gambar. b). Peluang (probabilita)
paling sedikit 2 sisi gambar yang muncul. c). rata-rata dan simpangan baku
munculnya sisi gambar.

Penyelesaian
Diketahui ; n = 4, p = ½, q = 1- p = 1- ½ = ½ dan
bila X = munculnya sisi gambar, maka :
a). Peluang munculnya 2 sisi gambar atau p( X =2) adalah :
n

p( X =x) = C x p x q(n−x )

4 1 1 6
p( X =2) = C 2 (
1 2
2)
1
( 2 )( 4−2)
=6 ( )( )=
4 4 16 = 0,38

b). Peluang paling sedikit 2 sisi gambar yang muncul atau p( X ≥2) adalah :

p( X ≥2)= p( X=2 )+ p ( X=3 )+ p( X=4 )

4 4
p( X =3)= C 1 3
3 (2 ) (
1 ( 4−3 )
2)
= (4)
1
( 8 )( 2 )
1
= 16 = 0,25
4 1
p( X =4 )= C 1 4
4 (2 )
1
( 2 )( 4−4 ) = (1)
1 1
( 16 )( 2 )0 = 16 =
0,06

Statistik Induktif Untuk Bisnis 42

 Jadi p( X ≥2)= p( X=2 )+ p ( X=3 )+ p( X=4 ) = 0,38 + 0,25 + 0,06 =
0,69

c). Rata-rata dan simpangan baku munculnya sisi gambar pada pelemparan
sekeping uang logam sebanyak 4 kali adalah :

1
μ= n. p= 4( 2 )=2

1 1
√
σ =√ n. p .q= 4( 2 )( 2 )
=1

Contoh 3.2. Menurut keterangan manajer produksi pada sebuah perusahaan

bahwa peluang sebuah produk dapat diperbaiki dari kerusakan total adalah 60%.
Bila terdapat 10 bauah produk rusak total, maka berapakah peluang (probabilita) 5
produk tersebut dapat diperbaiki total.

Penyelesaian
Diketahui ; p = 0,60; q = 1– 0,60 = 0,40; n = 10 dan
bila X = produk rusak,
probabilita) 5 produk dari 10 produk dapat diperbaiki total atau
maka peluang (

p( X =5) adalah :
n

p( X =x) = C x p x q(n−x )
10
p( X =5) = C 5 ( 0 , 60)5 ( 0 , 40 )( 10−5 )

10 !
= (0,60)5 (0 , 40 )5
5! (10−5 )!

= 252 (0,07776)(0,01024) = 0,201

3.2.3. Distribusi Poisson

Statistik Induktif Untuk Bisnis 43

 Apabila parameter n ternyata lebih besar dari 50 sedangkan peluang
(probabilita) kecil sekali (p < 0,1), maka perhitungan probabilita variabel random
lebih tepat menggunakan “Distribusi Poisson”.
Distribusi ini dipakai untuk menentukan probabilita bagi banyaknya sukses yang
tertentu persatuan waktu, ketika peristiwa atau kejadian sukses tersebut bersifat
independen dan rata-rata banyaknya sukses persatuan waktu selalu tetap. Peluang
(probabilita) variabel random X dirumuskan, sebagai berikut :

X −μ
μ .e
f (X) =
X!
(3.5)

Keterangan : X = Peristiwa/kejadian sukses

μ = Rata-rata kejadian sukses ( μ= n. p )
e = Bilangan konstan 2,71828 ......

Contoh 3.3. Menurut pengalaman manajemen suatu Yayasan Badan Penerbit,

rata-rata seorang dari 100 orang sarjana ekonomi yang berdiam di kota-kota
Indonesia yang tertentu akan mengirim wesel untuk minta berlangganan majalah
“Ekonomi dan Keuangan”. Bila Yayasan Badan Penerbit mengadakan sales
promotion dengan jalan mengirim masing-masing 60 surat untuk berlangganan
yang telah dibubuhi perangko kepada sarjana-sarjana yang berdiam di kota-kota
yang bersangkutan. Berapa probabilita Yayasan Badan Penerbit itu akan
menerima kembali surat permintaan untuk berlangganan sebanyak : 0, 1, 2, 3, 4
buah surat dari sarjana ekonomi yang berdiam kota-kota yang bersangkutan.

Penyelesaian
1
Diketahui ; p
= 100 = 0,01 , n = 60, μ= n. p=60 (0 ,01)=0,6 ,

e−0,6 = 2,71828−0,6 = 0,54881 dan

bila X = Yayasan Badan Penerbit akan menerima kembali surat permintaan untuk
berlangganan dari sarjana ekonomi

Statistik Induktif Untuk Bisnis 44

maka :

- Probabilita yayasan Badan Penerbit menerima 0 buah (tidak menerima) surat

permintaan berlangganan adalah :

X −μ
μ e
f (X) =
X !

(0,6 )0 e−0,6 1(0 , 54881)

f (0) = = =0 , 54881=0 ,55
0! 1
- Probabilita yayasan Badan Penerbit menerima 1 buah surat permintaan untuk
berlangganan adalah :

(0,6)1 e−0,6 (0,6 )(0 ,54881 )

f (1 ) = = =0 , 32929=0 , 33
1! 1
- Probabilita yayasan Badan Penerbit menerima 2 buah surat permintaan untuk
berlangganan adalah :
2 −0,6
(0,6 ) e (0 , 36 )(0 ,54881 )
f (2 ) = = =0 , 09879=0 , 10
2! 2
- Probabilita yayasan Badan Penerbit menerima 3 buah surat permintaan untuk
berlangganan adalah :
3 −0,6
(0,6 ) e ( 0 ,216 )(0 , 54881)
f (3 ) = = =0 , 01975=0 ,02
3! 6

- Probabilita yayasan Badan Penerbit menerima 4 buah surat permintaan untuk

berlangganan adalah :
4 −0,6
(0,6 ) e (0 , 1296)(0 , 54881)
f (4 ) = = =0 , 00296=0 , 003
4! 24

3.3 Distribusi Peluang (Probabilita) Kontinyu

Variabel random kontinu muncul bila data percobaan kita didefinisikan
pada suatu ruang sampel yang kontinu. Oleh karena itu, bila kita mengukur

Statistik Induktif Untuk Bisnis 45

interval waktu, bobot, tinggi, volume, dan lain sebagainya, maka populasi kita
dapat dinyatakan dengan suatu variabel kontinu.
Distribusi probabilita dengan nilai suatu variabel random kontinu dinamakan
distribusi probabilita kontinu.
Distribusi probabilita kontinu yang paling penting dalam bidang statistika adalah
distribusi normal atau distribusi Gaus, yang merupakan landasan bagi sebagian
besar teori statistik induktif atau infrensial.
Distribusi normal memiliki fungsi probabilita yang dinamakan fungsi kepekatan
probabilita atau fungsi kepekatan saja dan grafik dari distribusi normal disebut
kurva normal.
Distribusi atau kurva normal dengan nilai-nilai variabel random kontinu “X”
dinamakan distribusi atau kurva normal umum.
Sedangkan distribusi atau kurva normal dengan nilai-nilai variabel random
kontinu “Z” dinamakan distribusi atau kurva normal Standar.

3.3.1. Distribusi atau Kurva Normal Umum

Fungsi kepekatan dari distribusi atau kurva normal umum dituliskan
sebagai berikut :

2
x−μ
1 − 12 ( )
f (x )= σ
σ √2π e ; untuk - ∞ < x < ∞
(3.6)

Dimana :
X = Variabel random kontinyu
π = Bilangan konstan yang nilainya sama dengan 3,14159
e = Bilangan Euler yang nilainya sama dengan 2,71828
μ = Rata-rata hitung
σ = Simpangan baku

Sedangkan grafik atau kurva normal umum memiliki ciri-ciri, sebagai berikut :

Statistik Induktif Untuk Bisnis 46

1. Berbentuk genta atau lonceng dengan sebuah puncak (unimodal).
2. Berbentuk simetris oleh sebab itu nilai rata-rata sama dengan median dan
modusnya.
3. Nilai rata-rata (mean) terletak di tengah-tengah.
4. Ujung dari kedua sisi kurva hanya mendekati (tidak akan memotong) dan
sejajar dengan sumbu horizontal.
5. Jarak antara titik yang satu dengan titik yang lain pada sumbu horizontal
adalah sebesar ± 1σ.
6. Ujung dari kedua sisi kurva mendekati sumbu horizontal pada± 3σ.
7. Luas daerah yang terletak di bawah kurva normal umum, tetapi di atas sumbu
∞
horizontal sama dengan 1 atau ditulis dengan p(−∞≤X≤∞)=∫−∞ f ( X) dX=1
Bentuk dari kurve normal umum disajikan pada gambar berikut ini :

Gambar 8. Kurva Normal Umum

‫׀‬ ‫׀‬ ‫׀‬ ‫׀‬ ‫׀‬ ‫׀‬ X

µ-3σ µ-2σ µ-σ µ+σ µ+2σ µ+3σ

8. Dua kurva normal umum dengan rata-rata yang‫ ׀‬sama tetapi simpangan baku
berbeda, maka kedua kurva pusatnya sama pada sumbu horizontal tetapi
tingginya berbeda. Sedangkan dua kurva normal dengan rata-rata yang
berbeda tetapi simpangan baku sama, maka kedua kurva pusatnya tidak sama
pada sumbu horizontal tetapi tingginya sama.

Gambar 9. Kurva Normal Umum

Dengan μ Sama dan σ Berbeda

Statistik Induktif Untuk Bisnis 47

 σ2
X
=

Gambar 10. Kurva Normal Umum Dengan μ Berbeda dan σ Sama

σ2

3.3.2. Distribusi atau Kurva Normal Standar

Distribusi normal dengan nilai tengah atau rata-rata (μ) sama dengan 0 dan
simpangan baku (σ) sama dengan 1 disebut distribusi normal standar dan
grafiknya disebut kurva normal stándar. Distribusi atau kurva ini menggunakan
variabel random Z dan fungsi kepekatannya sebagai berikut :

1 1
f (Z )= − Z2
√2π e 2

(3.7)

Ciri-ciri kurva normal standar sama dengan kurva normal umum kecuali pada
nilai rata-rata, simpangan baku dan variabel randomnya saja.
Luas daerah yang terletak di bawah kurva normal, tetapi di atas sumbu horizontal
∞
sama dengan 1 atau dapat juga ditulis dengan p(−∞≤Z≤∞)=∫−∞ f (Z) dZ=1.
Bentuk kurva normal standar disajikan pada gambar dibawah ini :

Gambar 11. Kurva Normal Standar

Statistik Induktif Untuk Bisnis 48

' ' ' ' ' '
 ‫׀‬ ‫׀‬ ‫׀‬ ‫׀‬ ‫׀‬ ‫׀‬ Z
-3 -2 -1 0 1 2 3

3.3.3. Luas Daerah Dibawah Kurva Normal

Kurva sembarangan distribusi probabilita kontinu dibuat sedemikian rupa
sehingga luas daerah dibawah kurva itu yang dibatasi oleh x = x1 dan x = x2 sama
dengan probabilita variabel random X mengambil nilai antara x = x 1 dan x = x2

atau p( x 1 <X <x 2 ¿ ¿ .

Gambar 12. Kurva Normal Dengan p( x 1 <X <x 2 ¿ ¿

X
x1 0 X2

Untuk menghitung luas kurva normal yang dibatasi oleh x = x 1 dan x = x2 atau

probabilita : p( x 1 <X <x 2 ¿ ¿ , maka terlebih dahulu nilai variabel random normal
X ditransformasikan menjadi nilai variabel random normal Z dengan rumus :

x−μ
z=
σ
(3.8)

Bila X berada diantara x = x1 dan x = x2, maka variabel random Z akan berada
diantara nilai-nilai padanannya, seperti :

Statistik Induktif Untuk Bisnis 49

 x 1− μ x 2− μ
z 1= z 2=
σ dan σ

Dengan demikian p( x 1 < X < x 2 ) = p( z 1 < Z< z 2 )

Kemudian nilai Z dapat dilihat pada tabel distribusi normal standar yang tersedia
dan dari sini ditemukan luas area (probabilita) yang dibatasi oleh z = z1 dan z = z2.

Contoh 3.4. Berapakah probabilita variabel random normal yang standar dengan
nilai antara 0 dan 1,96.

Penyelesaian
Diketahui ; z1 = 0 dan z2 = 1,96,

maka p(0 < Z <1,96)=⋅¿⋅¿⋅¿⋅?

Gambar 13. Kurva Normal Dengan p( 0< Z< 1,96)

0,4750
Z
0 1,96

Dengan melihat tabel luas kurva normal standar yaitu baris ke 1,9 dan kolom

ke 0,06, maka p(0 <Z <1,96) = 0,4750, artinya 47,50% dari seluruh data
berada antara 0 sampai dengan 1,96

Contoh 3.5. Hitunglah : a). p(Z >0,7 ) , dan b). p(Z <−1,7 )

Penyelesaian

a). p( Z >0,7 )= ⋅¿⋅¿⋅¿⋅?

Statistik Induktif Untuk Bisnis 50

 Gambar 14. Kurva Normal Dengan p(Z >0,7 )

0,2420
Z
0 0,7

Jadi p(Z >0,7 ) = 0,5 – p(0<Z<0,7 ) = 0,5 – 0,2580 = 0,2420,

artinya 24,20% dari seluruh data berada diatas 0,7.

b). p(Z <−1,7 )=⋅¿⋅¿⋅¿⋅ ?

Gambar 15. Kurva Normal Dengan p(Z <−1,7 )

0,0446
Z
-1,7 0

Jadi p(Z <−1,7 ) = 0,5 - p(−1,7 <Z<0) = 0,5 – 0,4554 = 0,0446,

artinya 4,46% dari seluruh data terletak dibawah -1,7.

Contoh 3.6. Carilah probabilita variabel random normal yang standar dengan nilai
antara : a). -1 dan 1,
b). -2 dan 2,
c). -3 dan 3.

Penyelesaian

a). p(−1 <Z<1)=.......................?

Statistik Induktif Untuk Bisnis 51

 Jadi : p(−1 <Z <1 )= p(0<Z<1)+ p(−1<Z <0 ) = 0,3413 + 0,3413 =
0,6826,
artinya 68,26% dari seluruh data terletak antara -1 dan 1 (± 1σ ).

b). p(−2 <Z<2)=.......................?

Jadi : p(−2 <Z <2 )= p(0<Z <2)+ p(−2<Z <0) = 0,4772 + 0,4772 =
0,9544,
artinya 95,44% dari seluruh data terletak antara -2 dan 2 (± 2σ ).

c). p(−3 <Z<3)=.......................?

Jadi : p(−3 <Z<3 )= p(0 <Z <3 )+ p (−3<Z <0 ) = 0,4987 + 0,4987 = 0,
9974,
artinya 99,74% dari seluruh data terletak antara -3 dan 3 ( ± 3σ ).

Gambar 16. Kurve Normal Dengan p(−1 <Z <1 ) , p(−2 <Z <2 ) ,
dan p(−3 <Z<3 )

Z
-3 -2 -1 0 1 2 3

68,26%
95,44%
99,74%

Contoh 3.7. Apabila X merupakan variabel random yang berdistribusi normal

dengan rata-rata 50 dan simpangan baku 10. Hitunglah probabilita bahwa X
mengambil nilai antara 45 dan 62.

Statistik Induktif Untuk Bisnis 52

Penyelesaian
Diketahui ; μ = 50, σ = 10, x1 = 45, x2 = 62 dan
bila X = variabel random yang berdistribusi normal,
p(45 < X <62 )=⋅¿⋅¿⋅¿⋅?
maka :
x 1− μ 45−50
Z 1= = =
σ 10 - 0,5

x2 − μ 62−50
Z 2= = =
σ 10 1,2

: p(45 < X <62 )= p(−0,5<Z <1,2 )

Jadi

= p(0< Z <1,2)+ p(−0,5< Z <0 )

= 0,3849 + 0,1915 = 0,5764,

Dengan demikian probabilita bahwa X mengambil nilai antara 45 dan 62 adalah

0,5764 atau 57,64%.

Gambar 17. Kurva Normal Dengan p(45 < X <62) = p(−0,5<Z <1,2 )

0,5764

X
45 50 62
‫׀‬ ‫׀‬ ‫׀‬ Z
-0,5 0 1,2

Contoh 3.8. Andaikata lagi X adalah sebuah variabel random berdistribusi normal
dengan  = 10 dan 2 = 4. Berapa probabilita bahwa X memiliki suatu nilai antara
7 dan 14 .
Penyelesaian

Statistik Induktif Untuk Bisnis 53

Diketahui ; μ = 10, σ2 = 4 atau σ = √4 = 2, x1 = 7, x2 = 14 dan
bila X = variabel random berdistribusi normal,

maka ; p(7 < X <14 ¿=⋅¿⋅¿⋅¿⋅? ¿

x1− μ 7−10
Z 1= = =
σ 2 - 1,5
x2 − μ 14−10
Z 2= = =
σ 2 2

: p(7 < X <14 ¿=p (−1,5<Z <2)¿

Jadi

= p(−1,5<Z< 0)+ p(0<Z <2)

= 0,4332 + 0,4772 = 0,9104,

Dengan demikian probabilita bahwa X memiliki suatu nilai antara 7 dan 14 adalah
0,9104 atau 91,04%.

Gambar 18. Kurva Normal Dengan p(7 < X <14 ¿=p (−1,5<Z <2)¿

0,9104
X
7 10 14
‫׀‬ ‫׀‬ ‫׀‬
Z
-1,5 0 2

3.3.4. Penerapan Kurva Normal

Beberapa dari sekian banyak masalah yang dapat diselesaikan dengan
distribusi normal akan diuraikan dalam contoh-contoh berikut.

Statistik Induktif Untuk Bisnis 54

Contoh 3.9. Sebuah perusahaan alat listrik memproduksi bohlam yang umurnya
menyebar normal dengan rata-rata 800 jam dan simpangan baku 40 jam.
Hitunglah probabilita sebuah bohlam hasil produksinya akan mencapai umur
antara 778 jam dan 834 jam.

Penyelesaian
Diketahui ; μ = 800 jam, σ = 40 jam, x1 = 778, x2 = 834 dan
bila X = Umur bohlam;

maka : p(7 78 jam<X < 834 jam )=⋅¿⋅¿⋅¿⋅?

x 1 −μ 778−800
Z 1= = =
σ 40 - 0,55
x2 − μ 834−800
Z 2= = =
σ 40 0,85

Jadi : p(778 <X <844 )= p(−0,55<Z<0,85)

= p(−0,55<Z <0 ) + p(0< Z< 0,85)

= 0,2088 + 0,3023 = 0,5111
Dengan demikian, probabilita dari seluruh bohlam yang dihasilkan
perusahaan tersebut mencapai umur antara 778 jam sampai dengan 834 jam
adalah 51,11%.

Gambar 19. Kurva Normal Dengan

p(778 <X <844 )= p(−0,55<Z<0,85)

0,5111

X
778 800 834
‫׀‬ ‫׀‬ ‫׀‬ Z
-0,55 0 0,85

Statistik Induktif Untuk Bisnis 55

Contoh 3.10. Perusahaan minuman teh botol setiap hari mengirim hasil
produksinya dengan kereta api ke luar kota. Rata-rata berat botol yang dikirim
sebesar 0,397 kg dan deviasi standar sebesar 0,005 kg. Apabila distribusi ukuran
berat ini merupakan distribusi normal, berapa persen teh botol yang dikirim
dengan kereta api memiliki berat lebih dari 0,400 kg.

Penyelesaian
Diketahui ; μ = 0,397 kg, σ = 0,005 kg, dan
bila X = Berat teh botol yang dikirim dengan kereta api,

maka : p( X >0,400 )=⋅¿⋅¿⋅¿⋅ ?

x− μ 0 , 400−0 , 397
Z= = =
σ 0 ,005 0,6

: p( X >0,400 )= p( Z> 0,6 )

Jadi

= 0,5 - p(0< Z< 0,6)

= 0,5 – 0,2257 = 0,2743.

Dengan demikian persentase teh botol yang dikirim dengan kereta api memiliki
berat lebih dari 0,400 kg. adalah 27,43%.

Gambar 20. Kurva Normal Dengan p( X >0,400 )= p( Z> 0,6 )

0,2743
X
0,395 0,400
‫׀‬ ‫׀‬ Z
0 0,6

Statistik Induktif Untuk Bisnis 56

3.4. SOAL-SOAL LATIHAN

1. RSH di Jakarta mencatat bahwa probabilita seorang pasien sembuh dari

hipertensi adalah 40%. Bila terdapat 15 pasien yang menderita hipertensi,
maka berapa probabilita 5, 6, 7 orang pasien yang sembuh.
2. Sebuah perusahaan industri yang memproduksi alat-alat plastik mengetahui
secara teknis bahwa 20% dari alat-alat plastik yang diproduksi oleh mesin
yang tertentu akan tidak memenuhi kualitas standar dan dianggap rusak. Jika
10 buah alat-alat plastik yang dihasilkan oleh mesin diatas dipilih secara
random dari seluruh hasil produksi, berapakah peluang (probabilita) :
a). 2 buah alat plastik diatas rusak.
b). 3 buah alat plastik yang rusak.
4. Peluang seorang pasien selamat dari suatu operasi jantung yang sulit adalah
0,9. Berapa peluang tepat 5 dari 7 orang yang mengalami operasi ini
berikutnya selamat?
5. Suatu studi dilakukan oleh George Washington Universty dan The National
Institute of Health mengenai prilaku terhadap obat penenang. Hasil; penelitian
menujukkan 70% percaya bahwa “obat penenang tidak menyembuhkan apa-
apa, hanya menunda kesulitan yang sebenarnya saja”. Sesuai hasil penelitian
ini, berapa peluang bahwa sekurang-kurangnya 3 dari 5 orang yang diambil
secara acak berikutnya berpendapat bahwa obat penenang tidak
menyembuhkan apa-apa, hanya menunda kesulitan yang sebenarnya saja?
6. Suatu survei terhadap penduduk kota menunjukkan bahwa 20% lebih
menyukai telepon berwarna putih daripada warna lainnya. Berapa peluang
bahwa dari 20 telepon yang dipasang berikutnya lebih dari separuhnya
berwarna putih?
7. Misalkan bahwa secara rata-rata 1 diantara 1000 orang membuat kesalahan
angka dalam melaporkan pajak pendapatannya. Bila 400 formulir diambil

Statistik Induktif Untuk Bisnis 57

 secara acak dan diperiksa. Berapa peluang ada 0, 1, 2, 3, 4 formulir yang
mengandung kesalahan?
8. Peluang bahwa seorang siswa yang berhasil lolos dari tes scoliosis
(membengkoknya tulang belakang) adalah 0,004. Di antara 1875 siswa yang
dites scoliosis, hitunglah peluang bahwa terdapat :
a). Kurang dari 5 siswa tidak berhasil lolos dari tes itu;
b). 8, 9, atau 10 siswa tidak berhasil lolos dari tes itu.
9. Bila diberikan sebuah distribusi normal dengan μ = 40 dan σ = 6, hitunglah :
a). Luas daerah di bawah 32 dan gambar kurva normalnya.
b). Luas daerah di atas 27 dan gambar kurva normalnya.
c). Luas daerah antara 42 dan 51 dan gambar kurva normalnya.
10. Diberikan sebuah peubah acak (variabel random) X dengan nilai tengah 18
dan simpangan baku 2,5. Htunglah :
a). p(X < 15)
b). p(17 < X < 21)
c). Gambar kurva normalnya.
11. Sebuah mesin minuman ringan diatur sedemikian rupa sehingga mengeluarkan
secara rata-rata 200 mililiter per gelas. Bila banyaknya minuman yang
dikeluarkan itu menyebar normal dengan simpangan baku 15 mililiter.
a). Berapa banyaknya gelas (dalam pecahan atau persentase) yang berisi lebih
dari 224 mililiter?
b). Berapa peluang sebuah gelas berisi antara 191 dan 209 mililiter?
c). Gambar kurva normalnya.
12. Sebuah perusahaan membayar karyawannya dengan rata-rata $ 7.25 per jam
dengan simpangan baku $ 0.6. Bila gaji itu kira-kira menyebar normal dan
dibayarkan sampai sen terdekat, maka :
a). Berapa persentase karyawan yang menerima gaji antara $ 6.75 dan $ 7.69
per jam.
b). Berapa persentase karyawan yang menerima gaji lebih dari $ 8.25 per jam.
c). Gambar kurva normalnya.
13. Sebuah jenis motor kecil
mempunyai umur rata-rata 10 tahun, dengan simpangan baku 2 tahun. Bila

Statistik Induktif Untuk Bisnis 58

 umur motor kecil itu menyebar normal, maka berapa peluang sebuah motor
kecil berumur lebih dari 14 tahun dan Gambar kurva normalnya..

Statistik Induktif Untuk Bisnis 59