MAKALAH STATISTIK KESEHATAN

“Konsep Probabilitas dan Distribusi Probabilitas”

Dosen Pembimbing :

Catur Puspawati, ST., MKM

Endang Uji Wahyuni, SKM., MKM

Disusun Oleh:

KELOMPOK 8

1. Alycia Gita Roshi P2.31.33.1.17.043

2. Indah Permata Sari P2.31.33.1.17.053
3. Jihan Afifah Fauziyah P2.31.33.1.17.054
4. Rafli Teguh Imani Putra P2.31.33.1.17.078

TINGKAT 3 PROGRAM STUDI DIV SANITASI LINGKUNGAN

POLITEKNIK KESEHATAN KEMENKES JAKARTA II
Jln. Hang Jebat III/F3 Kebayoran Baru Jakarta 12120
Telp. 021.7397641, 7397643
2020
A. Konsep Probabilitas

Probabilitas adalah pengukuran peluang suatu peristiwa yang mungkin terjadi

secara random atau sembarangan. Artinya bahwa peristiwa tersebut sebelumnya
tidak direncanakan atau diketahui terlebih dahulu. karena peristiwa yang sudah
direncanakan bukan termasuk peristiwa random. tetapi peristiwa beraturan dan
ada kemungkinan pasti terjadi.

1. Pandangan Klasik / Intuitif

Didalam pandangan klasik ini probabilitas atau peluang adalah harga

angka yang menunjukkan seberapa besar kemungkinan suatu peristiwa
terjadi, diantara keseluruhan peristiwa yang mungkin terjadi.

Contoh:

 Sebuah mata uang logam mempunyai sisi dua (H dan T), kalau mata
uang tersebut dilambungkan satu kali, peluang untuk keluar sisi H
adalah ½.

 Sebuah dadu untuk keluar mata ‘lima’ saat pelemparan dadu tersebut
satu kali adalah 1/6 (karena banyaknya permukaan dadu adalah 6).

Rumus :
Keterangan :

X  P = Probabilitas
P (E) = N  E = Event (Kejadian)
 X = Jumlah kejadian yang diinginkan (peristiwa)
 N= Keseluruhan kejadian yang mungkin terjadi

2. Pandangan Empiris / Probabilitas Relatif

Dalam pandangan ini probabilitas berdasarkan observasi, pengalaman,

atau kejadian (peristiwa) yang telah terjadi.

Rumus :

LimX
P (E) = N
 Contoh :

 Pelemparan 50x coin -> 25x keluar sisi H, maka dikatakan P(H) = 50%

 Dari 10.000 hasil produksi, 200 rusak -> P(rusak) = 2% = 0,02

3. Pandangan Subjektif

Didalam pandangan subjektif probabilitas ditentukan oleh pembuat

pernyataan

Contoh :

 Seorang mahasiswa meyakini bahwa kalau ada kesempatan untuk

mendapatkan beasiswa berprestasi, yang akan menerima beasiswa
adalah dirinya (misalnya diyakininya = 90% = 0,90).

 Seorang pembina pramuka menyatakan keyanikannya (95%) bahwa

anak asuhnya akan memenangkan perlombaan dalam lomba baris
berbaris.

Kebenaran dari probabilitas subjektif ini sangat tergantung kepada orang

yang menentukannya, tetapi walaupun demikian teori probabilitas dapat
membantunya.

B. Konsep Dasar Peluang

Untuk membantu melihat dan menilai karakteristik pokok Sekumpulan data,

telah dipelajari Bagaimana menyajikan dan meringkas data. tujuan utama
mempelajari data tidak hanya untuk meringkas dan menyajikan data, tetapi juga
untuk melakukan analisis agar dapat menyerap informasi yang terkandung di
dalam sampel data itu dan mengambil kesimpulan terhadap populasi yang
merupakan asal usul tempat tersebut.

Dasar logika dari proses pengambilan inferensi statistik tentang suatu

populasi dengan analisis data sampel adalah probabilitas. sebagai contoh,
probabilitas yang rendah menunjukkan kecilnya kemungkinan suatu peristiwa
akan terjadi. Dalam mengambil kesimpulan atau informasi dari Sekumpulan data
perlu dilakukan percobaan atau sampel.
 Konsep probabilitas berhubungan dengan pengertian eksperimen atau
percobaan yang menghasilkan hasil yang tidak pasti. Artinya, eksperimen yang
diulang-ulang dalam kondisi yang sama akan menghasilkan hasil yang dapat
berbeda-beda. istilah eksperimen yang digunakan di sini tidak terbatas pada
eksperimen dalam laboratorium tetapi eksperimen sebagai prosedur yang
dijalankan pada kondisi tertentu dimana kondisi itu dapat diulang-ulang sebanyak
kali pada kondisi yang sama, dan setelah selesai prosedur itu berbagai hasil dapat
diamati.

Eksperimen adalah proses pengumpulan data tentang suatu fenomena yang

menunjukkan adanya variasi di dalam hasil.

Berikut beberapa definisi dan contoh yang sering digunakan dalam proses
eksperimen :

1. Ruang sampel

Ruang sampel adalah himpunan yang elemen-elemennya merupakan

hasil yang mungkin terjadi dari suatu eksperimen. ruang sampel ditulis
dengan lambang s. Jika suatu eksperimen di mana a1, a2, a3, a4, a5..........an.
menunjukkan semua hasil yang terjadi, maka ruang sampel dituliskan
sebagai berikut S = a1, a2, a3, a4, a5..........an)

2. Titik sampel

Titik sampel adalah semua elemen yang ada di dalam suatu ruangan
sampel, yaitu a1, a2, a3, a4, a5..........an.

3. Peristiwa/kejadian/event

Peristiwa adalah himpunan bagian dari suatu ruang sampel. peristiwa

ditulis dengan lambang huruf besar A, B, seterusnya dan dituliskan peristiwa
yang mungkin muncul dalam hasil. Misalnya hanya a2, a4 sebagai hasil
peristiwa, maka dituliskan :

A = hasil yang diterima (a2, a4)

 Contoh penggunaan Definisi diatas adalah sebagai berikut :
1. Eksperimen : pelemparan sebuah dadu
Hasil : mata dadu yang tampak
Ruang Sampel : S = ( 1,2,3,4,5,6)
Suatu peristiwa :
 Titik ganjil yang tampak (1,3,5)
 Titik genap yang tampak (2,4,6)
2. Eksperimen : empat pekerja sama-sama terkena pencemaran
(polusi) udara
Hasil : dicatat apakah jadi sakit S atau tidak sakit T
Ruang Sampel : (SSSS, SSST, SSTS, STSS, TSSS, SSTT, STST,
STTS,TSST, TSTS, TTSS, STTT, TSTT, TTST, TTTS,
TTTT) S = 2x2x2x2 = 24 = 16
Suatu peristiwa :
 Semua pasien sakit (SSSS)
 Ada dua orang yang sakit (SSTT, STST, STTS, TSST, TSTS,
TTSS)

Operasi ini dapat digambarkan denga diagram Venn berikut :

A B A∪ B Ac
A

A∪ B A∩B AC
Asas Perhitungan Probabilitas

Nilai probabilitas yang dilambangkan dengan ”P” berada antara nilai 0 dan 1.
Rumusnya adalah sebagai berikut :

0≤P≥1

Nilai probabilitas selalu menghasilkan nilai yag positif, tidak pernah negatif.

P (x/n) → bilangan positif (+)

Contoh :

Probabilitas (peluang) keluar angka ganjil dalam 1 kali pelemparan sebuah dadu.

Jawab :

ganjil
P( )
matadadu 3

6=½

Jadi peluang (probabilitas) keluarnya angka ganjil pada pelemparan 1 kali sebuah
dadu adalah ½ bilangan positif (+) . 0 ≤ ½ ≥ 1

Asas dalam perhitungan probabilitas memiliki 2 macam perhitungan yaitu :

1. Hukum Pertambahan

Dalam hukum pertambahan terdapat 2 kondisi yang harus diperhatikan yaitu

apakah kedua peristiwa tersebut saling meniadakan “atau” dapat terjadi bersama.
Kedua kondisi ini disebut sebagai peristiwa mutually exclusive ataupun non
mutually exclusive.

a. Kejadian mutually exclusive (peristiwa saling terpisah = disjoint)

Dua peristiwa dikatakan mutually exclusive apabila satu peristiwa terjadi

akan meniadakan peristiwa yang lain untuk terjadi, atau dikatakan peristiwa
tersebut saling meniadakan.

Contoh :

 Permukaan sebuah koin

 Permukaan dadu
 Kelahiran anak laki atau perempuan pada seorang ibu dengan kehamilan
tunggal

Untuk suatu kejadian yang mutually exclusive, peristiwa terjadinya A

dan B merupakan gabungan antara peristiwa A dan peristiwa B, dimana
tidak terdapat irisan antara peristiwa A dan B (saling asing). Maka
probabilitas untuk kondisi seperti ini adalah penggabungan kemungkinan
probabilitas keduanya.

P (A ∪ B) = P (A) + P (B)
A B
P (A∩B) = 0

Contoh :

1. Probabilitas untuk keluar mata 2 atau mata 5 pada pelemparan satu kali
sebuah dadu adalah…

Jawab : P (2 ∪ 5) = P(2) + P(5)

1 1
 
6 6
2

6

2. Ada 5 orang kandidat untuk dikirim ke tempat suatu Kejadian Luar Biasa
(KLB) diare (sebut saja A B C D E), tetapi yang akan dikirim hanya 1
orang. Probabilitas D atau E yang akan dikirim adalah…

Jawab : P (D ∪ E) = P(D) + P(E)

1 1
 
5 5
2

5
 b. Perisiwa non mutually exclusive (joint)

Dua peristiwa atau lebih dapat terjadi bersama – sama (tetapi tidak
selalu bersama)

Contoh :

 Penarikan kartu As dan berlian

 Seorang laki – laki dan dokter

Untuk peristiwa non mutually exclusive, peristiwa terjadinya A dan B

merupakan gabungan antara peristiwa A dan peristiwa B. Akan tetapi, karena
ada elemen yang sama dalam peristiwa A dan B, gabungan peristiwa A dan B
perlu dikurangi peristiwa dimana A dan B memiliki elemen yang sama.
Dengan demikian, probabiliras pada keadaan dimana terdapat elemen yang
sama antara peristiwa A dan B probabilitas A atau B adalah probabilitas A
ditambah probabilitas B dikurangi probabilitas elemen yang sama dalam
peristiwa A dan B.

A AB B

P ( A ∪ B ) =P ( A )+ P ( B )−P( A ∩ B)
Contoh :
Pada penarikan satu kartu dari satu set kartu bridge, peluang akan terambilnya kartu
as atau berlian adalah :
4
 P (as) =
52
13
 P (berlian) =
52
 Ada sebuah kartu as dan berlian :
4 13 1 16
P(as) + P (berlian) – P (as ᴒ berlian ) = + − =
52 52 52 52
 Berikut merupakan gambar 3 peristiwa yang terjadi antara peristiwa A, B,
dan C, dimana terdapat beberapa elemen yang sama antara A dan B, A dan C, begitu
pula dengan B dan C. Antara A, B, dan C juga terdapat elemen yang sama sehingga
untuk probabilitas pada ketiga peristiwa ini adalah probabilitas A ditambah
probabilitas B ditambah probabilitas C dikurangi probabilitas elemen yang sama
antara A dan B dikurangi probabilitas elemen yang sama antara A dan C dikurangi
probabilitas elemen yang sama antara B dan C. Dikurangi probabilitas elemen yang
sama antara A, B, dan C.

A B

P ( A ∪ B ∪ C ) =P ( A )+ P ( B ) + P ( C )−P ( A ∩ B )−P ( A ∩C )−P (C ∩B )+ P ( A ∩B ∩C )

2. Hukum Perkalian

Dalam hukum perkalian terdapat dua kondisi yang harus diperhatikan apakah
kedua peristiwa tersebut saling bebas atau bersyarat. Dengan adanya peristiwa
bebas dan peristiwa bersyarat, maka perhitungan probabilitas untuk peristiwa itu
adalah hukum perkalian. Hukum perkalian sebenarnya untuk mengetahui
probabilitas peristiwa joint (intersect=irisan) antara dua peristiwa.

a. Peristiwa Bebas (Independent)

Dua peristiwa dikatakan bebas/independent apabila kejadian atau ketidak

jadian suatu peristiwa tidak memengaruhi peristiwa lain. Ini perlu dibedakan
dengan non mutually exclusive, pada independent suatu kejadian tidak akan
memengaruhi kejadian lainnya, sedangkan pada mutually exclusive,dua
kejadian tidak dapat muncul bersamaan.

Contoh :
1. Sebuah dadu dilambungkan dua kali, peluang keluarnya mata 5 untuk kedua
 kalinya adalah

1 1 1
Jawab : P(5 ∩5)= × =
6 6 36
2. Sebuah dadu dan sebuah koin dilambungkan bersama – sama, peluang
keluarnya hasil lambung berupasisi H pada koindansisi 3 pada dadu adalah

Jawab:
1
P(H )=
2
1
P ( 3 )=
6
1 1 1
P( H ∩3)= × =
2 6 12

b. Peristiwa Tidak Bebas (Conditional Probability = Peristiwa Bersyarat)

Dua peristiwa dikatakan bersyarat apabila kejadian atau ketidak jadian
suatu peristiwa akan berpengaruh terhadap peristiwa lainnya. Misalnya, dua
buah kartu ditarik dari set kartu bridge dan tarikan kedua tanpa memasukkan
kembali kartu pertama. Maka probabilitas kartu kedua sudah tergantung pada
kartu pertama yang ditarik.

Simbol untuk peristiwa bersyarat :

P ( B| A ) → probabilitas B pada kondisi A
Probabilitas bersyarat tidak terdapat pada peristiwa
• P ( A )=P ( A|B )

• P( B)=( B|A )
P( A ∩ B)=P( A)× P ( B| A )

Contoh :
Dua kartu ditarik dari satu set kartu bridge, peluang untuk yang tertarik keduanya
kartu as adalah…

Jawab:
4 4
• Peluang as I adalah → P (As I) =
52 52
 • Peluang As II dengan syarat As I sudah tertarik adalah
3 3
→ P ( As II| As I )=
51 51
• P ( As I ∩ As II )=P ( As I ) × P ( As II| As I )
4 3
= ×
52 51
1
=
221

Joint Probabilitas Dan Marginal Probabilitas

Dalam keadaan sehari – hari dua variable yang elemennya joint (kejadian joint,
patungan, irisan, interaksi) biasa disusun didalam tabel yang disebut table kontingensi
(tabel silang). Pada keadaan seperti ini akan terdapat probabilitas joint dan
probabilitas marginal

Tabel 1 Jumlah Pengunjung Puskesmas “PQR” menurut Jenis Kelamin dan Umur

Umur Wanita Laki - Laki Jumlah

¿ 30 ta h un 60 50 110

¿ 30 ta h un 80 10 90

Jumlah 140 60 200

• Probabilitas pengunjung wanita adalah 140/200 = 0,7 (probabilitas marginal)

• Probabilitas pengunjung berumur¿ 30 tahun adalah 110/200 = 0,55

(probabilitas marginal)

• Probabilitas seorang pengunjung wanita dan berumur¿ 30 tahunadalah 60/200

= 0,3 (joint probabilitas = interaksi).
Tabel 2 Jumlah Pengunjung Puskesmas “PQR” menurut Jenis Kelamin dan Umur

Kelamin

Nilai – nilai dari joint probabilitas dan marginal probabilitas setelah dihitung
berdasarkan pengamatan pada tabel :

• Joint probabilitas (Tabel 2) adalah nilai – nilai yang terdapat didalam sel table
seperti 0,3; 0,25; 0,4 dan 0,05. Nilai 0,3 menggambarkan probabilitas
terdapatnya wanita yang berumur dibawah 30 tahun. Nilai 0,25 menunjukkan
probabilitas terdapatnya pria yang berumur dibawah 30 tahun. Nilai 0,4
merupakan probabilitas terdapatnya wanita yang berumur diatas 30 tahun.
Nilai 0,05 menunjukkan probabilitas terdapatnya pria yang berumur diatas 30
tahun.

Tabel 3 Jumlah Pengunjung Puskesmas “PQR” menurut Jenis Kelamin dan Umur

Umur Wanita Laki - Laki Jumlah

¿ 30 ta h un     0,55
¿ 30 ta h un     0,45
Jumlah 0,7 0,3 1

Nilai – nilai dari joint probabilitas dan marginal probabilitas setelah dihitung
berdasarkan pengamatan pada tabel :

• Joint probabilitas (Tabel 2) adalah nilai – nilai yang terdapat didalam sel table
seperti 0,3; 0,25; 0,4 dan 0,05. Nilai 0,3 menggambarkan probabilitas
terdapatnya wanita yang berumur dibawah 30 tahun. Nilai 0,25 menunjukkan
 probabilitas terdapatnya pria yang berumur dibawah 30 tahun. Nilai 0,4
merupakan probabilitas terdapatnya wanita yang berumur diatas 30 tahun.
Nilai 0,05 menunjukkan probabilitas terdapatnya pria yang berumur diatas 30
tahun.
• Marginal probabilitas (Tabel 3) adalah nilai – nilai yang terdapat pada jumlah
per kolom dan baris seperti 0,7; 0,3; 0,55 dan 0,45. Nilai 0,7 menggambarkan
probabilitas pengunjung wanita. Nilai 0,3 menunjukkan probabilitas
pengunjung pria. Nilai 0,55 merupakan probabilitas pengunjung berumur
dibawah 30 tahun. Nilai 0,45 menunjukkan probabilitas pengunjung berumur
diatas 30 tahun.

Probabilitas Bersyarat Bukan Probabilitas Joint

Peluang seorang pengunjung adalah wanit adengan syarat berumur¿ 30 tahunadalah …

• P ( W |Berumur<30 tahun ) → rumus probabilitas bersyarat

P ( A ∩B )
• P ( A ∩ B )=P ( A ) × P ( B| A ) → P ( B| A ) =
P(A)

60
( 200 )
• P ( Wanita|Berumur< 30 tahun )=
( 140
200 )
( )
60
=
140
PERMUTASI/KOMBINASI

Dalam menghitung probabilitas dari beberapa kejadian, pertama harus

mengetahui beberapa kemungkinan terjadinya peristiwa tersebut.

a. DALIL I : (Kaidah umum pergandaan)

Jika setiap step (langkaj) dari suatu eksperimen menghasilkan (out come) k hasil
yang berbeda dan step ke-2 menghasilkan m hasil yang berbeda, maka kedua langkah
eksperimen akan menghasilkan k x m hasil.

Contoh :

• Satu koin dilambungkan 2 kali, maka hasilnya adalah 2x2 (ruang sampel)

• Sebuah dadu dilambungkan 3 kali, maka hasil ruang sampelnya adalah 6x6x6
 • Untuk sampai di gerbang UI depok seorang mahasiswa dapat melakukannya
dengan 3 cara (bus, kereta, angkot), dari gerbang UI sampai ke fakultas ada 4
cara (jalan kaki, bus kuning, ojek, numpang mobil teman), maka berapa cara
seorang mahasiswa akan sampai di fakultas ? ..... 3 x 4 = 12 cara

b. DALIL II → PERMUTASI
↓
URUTAN DIPETINGKAN
Rumus :
n!
n Pr¿
( n−r ) !
Keterangan :
• P = jumlah permutasi (urutannya dipentingkan)
• n = banyaknya objek
• r = jumlah anggota pasangan
• ! = Faktorial ( 3! = 3x2x1)
Contoh :
• Ada tiga cara efektif untuk pengobatan pasien Ca (kanker) yaitu bedah (B),
radiasi (penyinaran = P), dan kemoterapi (obat = O). Ada berapa carakah
dapat diobati seseorang yang menderita Ca jika kepada masing-masing pasien
hanya dua macam terapi yang bisa diberikan ?

Jawab:

• Untuk pengobatan in iurutannya diperlukan karena seseorang yang mendapat

terapi bedah dan penyinaran(B,P), akan berbeda dengan yang mendapat
penyinaran lebih dahulu baru di bedah (P,B).

3! 3 x2 x1
Maka:3P2= = =6
( 3−2 ) ! 1

Jadi, jumlah cara yang dapat dilaksanakan adalah : ( BP,BO, PB, PO, OB,
OP )

c. DALIL III → KOMBINASI

↓
 URUTAN TIDAK DIPETINGKAN

Rumus :
n!
nCr ¿
r ! ( n−r ) !
Keterangan :
• C = jumlah kombinasi (urutannya tidak penting)
• n = banyaknya objek
• r = jumlah anggota pasangan
• ! = Faktorial ( 3! = 3x2x1)
Contoh :
Tiga pasien digigit ular dan dibawa ke puskesmas. Di puskesmas hanya tersedia 2
dosis antiracun ular. Berapa kemungkinan pasangan yang akan diberikan 2 dosis
tersebut (pasiennya A,B,C) ?

C. Distribusi Probabilitas
Kunci aplikasi pobabilitas dalam statistic adalah memperkirakan terjadinya
peluang/probabilitas yang dihubungkan dengan terjadinya peristiwa tersebut dalam
beberapa keadaan.

Sebagai contoh kita ingin mengetahui probabilitas sebuah keluarga untuk memiliki
anak laki-laki dan perempuan. jika mengetahui keseluruhan probabilitas dari
kemungkinan outcome yang terjadi seluruh probabilitas kejadian tersebut akan
membentuk suatu distribusi probabilitas.

D. Jenis-Jenis Distribusi Probabilitas

1. Distribusi Binomial
Distribusi binomial adalah suatu distribusi probabilitas yang dapat digunakan
bilamana suatu proses sampling dapat diasumsikan sesuai dengan proses bernaulli
(menggambarkan fenomena dengan dua hasil atau outcome). penemu distribusi
binominal adalah James Bernaulli sehingga distribusi binomial dikenal sebagai
distribusi Bernaulli. Contoh, peluang sukses dan gagal sakit dan sehat dan
sebagainya.

Ciri-ciri distribusi Binomial, sebagai berikut :

1. Jumlah eksperimen merupakan bilangan bulat. Contoh : melambungkan koin 2

kali, tidak mungkin 2 ½ kali.

2. Setiap eksperimen mempunyai dua outcome (hasil). Contoh : sukses/gagal,

laki/perempuan, sehat/sakit, setuju/tidak setuju.

3. Peluang sukses sama setiap eksperimen.

4. Setiap eksperimen independen satu sama lain.

Rumus Distribusi Binomial

Keterangan :
• P = peluang berhasil dalam setiap eksperimen
• x = banyaknya keberhasilan dalam eksperimen 1,2,3,3, .........n
• Q = peluang gagal (1-P)
• n = banyaknya eksperimen
• b = simbol binomial
  

Maka probabilitas 2 orang bayi belum diimunisasi dalam 4 orang bayi adalah 0,154 /
154%

2. Distribusi Poisson
Dalam mempelajari distribusi Binomial kita dihadapkan pada probabilitas
variabel random diskrit (bilangan bulat) yang jumlah trial nya kecil (daftar
binomial), sedangkan jika dihadapkan pada suatu kejadian dengan p <<< dan
menyangkut kejadian yang luas n >>> maka digunakan distribusi Poisson.

Distribusi Poisson digunakan untuk menentukan peluang suatu kejadian yang

jarang terjadi, tetapi mengenai populasi yang luas atau area yang luas dan juga
berhubungan dengan waktu.
Penyelesaian dalam distribusi Poisson dilakukan dengan dua cara yaitu :

a. Rumus untuk menentukan probabilitas x pada sampel :

Keterangan :
• X = banyaknyaa keberhasilan dalam sampel (1,2,3,.....n)
• µ/ λ = (n.p) Rata-rata berhasil
e = bilangan natural = 2,71818
b. Menggunakan tabel distribusi Poisson
Contoh soal :
1. Diketahui probabilitas untuk terjadi shock pada saat imunisasi dengan
vaksinasi meningitis adalah 0,0005. Kalau di suatu kota jumlah orang yang
dilakukan vaksinasi sebanyak 4000 orang. Hitunglah peluang tepat tiga orang
akan terjadi shock!

 
 b. Menggunakan tabel Distribusi Poisson
P ( x ; µ) = P ( 3 ; 2.0)

0, 1804
3

2. Rata-rata seorang sekertaris baru melakukan lima kesalahan ketik per

halaman. Berapa peluang bahwa pada halaman berikut ia membuat :

a. Tidak ada kesalahan (x=0)

b. Tidak lebih dari 3 kesalahan (x ≤ 3)

c. Lebih dari 3 kesalahan ( x > 3)

 
Menggunakan tabel Poisson :
P ( x ; µ) = P ( 0 ; 5,0 )

x 5,0

0 0,0067

Menggunakan tabel Poisson :

P ( x ; µ)

P (0 ; 5,0) , P(1 ; 5,0) , P(2 ; 5,0) , P(3 ; 5,0)

x 5, 0

0 0, 0067

1 0, 0337

2 0, 0842

3 0, 1404
P (0 ; 5,0) + P (1 ; 5,0) + P (2 ; 5,0) + P (3 ; 5,0) = 0,0067 + 0,0337 + 0,0842 + 0,1404
= 0,2650
= 26,5%

• Menggunakan tabel Poisson (x>3)

P (x,µ) -> x = 4,5,6,7,8,9,10,11,12,13,14,15
µ=5
P = 0,1755 + 0,1755 + 0,1462 + 0,1044 + 0,0653 + 0,0363 + 0,0181 + 0,0082 +
0,0034 + 0,0013 + 0,0005 + 0,0002 = 0,735 = 73,5 %

3. Distribusi Normal

Distribusi Probabilitas normal merupakan salah satu distribusi yang paling penting
dalam statistika, yang menggambarkan dengan cukup baik gejala yang muncul di
alam, industri, perdagangan, dan sebagainya.

a. Distribusi Normal Umum

Distribusi normal umum adalah distribusi dari variabel acak kontinue.
Kadang-kadang Distribusi normal disebut juga sebagai distribusi Gauss.
Distribusi ini paling penting dan paling banyak digunakan dibidang statistika.
Rumus eksponensial untuk distribusi normal
2
−1 x− µ
1 2 ( σ )
n (x, µ, σ) = e
√2 πσ 2
untuk nilai x = ≈< x <≈ , e = 2,71818,
π= 3,14
Keterangan :
 µ = Rata - rata populasi
 σ = simpangan baku populasi
 σ 2 = Ragam populasi

Persamaan tersebut bila dihitung dan diplot pada grafik akan terlihat seperti
gambar berikut :

Sifat-sifat penting distribusi normal, sebagai berikut :

1. grafiknya selalu berada di atas sumbu x = µ
2. bentuknya simetris pada x = µ
3. mempunyai satu buah modus, yaitu pada x = µ
4. luas grafiknya sama dengan satu unit persegi, dengan perincian :
• kira-kira 68% luasnya berada di antara daerah µ - σ dan µ + σ
• kira-kira 95% luasnya berada di antara daerah µ - 2σ dan µ + 2σ
• kira-kira 99% luasnya berada di antara daerah µ - 3σ dan µ + 3σ

Bentuk distribusi normal ditentukan oleh µ dan σ.

1. Bentuk kurva normal µ1 = µ2 dan σ1 > σ2

(Kurva normal µ = µ dan σ > σ )

1 2 1 2
 Dari gambar di atas terlukis dua kurva normal dengan rataan sama tetapi
simpangan baku yang berbeda. Terlihat kedua kurva mempunyai titik baku
yang berbeda. Terlihat kedua kurva mempunyai titik tengah yang sama
pada sumbu datar, tetapi kurva yang memiliki simpangan baku lebih besar
tampak lebih rendah dan lebar.

2. Bentuk kurva normal µ1 < µ2 dan σ1 = σ2

(kurva normal μ1< μ2danσ 1 = σ 2)

Dari gambar di atas terlukis dua kurva normal dengan simpangan baku
sama tetapi rataan yang berbeda. Terlihat kedua kirva sama persis, tetapi
titik tengahnya terletak di tempat yang berbeda sepanjang sumbu datar.

3. Bentuk kurva normal µ1 < µ2 dan σ1 < σ2

(kurva normal µ1 < µ2 dan σ1 < σ2)

Dari gambar di atas terlukis dua kurva baik rataan maupun simpangan
baku berbeda. Terlihat jelas kedua kurva mempunyai titik tengah yang
 berbeda di sepanjang sumbu datar bentuknya mencerminkan dua nilai σ
yang berlainan.
Dapat disimpulkan bahwa Semakin besar nilai σ, maka semakin ladai
bentuk dari kurva, dan semakin keciil nilai σ, maka semakin lancip bentuk
dari kurva.

b. Distribusi Normal Standar

Distribusi Normal Standar adalah Distribusi normal dengan mean µ = 0 dan
standar deviasi σ = 1. Untuk dapat menentukan probabilitas di dalam kurva
normal umum (untuk suatu sampel yang cukup besar, terutama untuk gejala
alam seperti berat badan dan tinggi badan), nilai yang akan dicari
ditransformasikan dahulu ke nilai x menjadi nilai z.
Rumus:
X−µ
Z=
σ
Keterangan :
• Z = Luas distribusi normal
• X = data pengukuran
• Σ = Simpangan baku
• µ = rata-rata

(kurva distribusi normal standar)

Contoh soal :
Dari penelitian terhadap 150 unit accu yang diketahui umur rata-rata accu
selama 3 tahun dan simpangan baku = 0,5 tahun. Hitunglah peluang umur
accu :
 a. Umur accu > 4,2 tahun
b. Umur accu < 2,2 tahun
c. Umur accu antara 2,7 tahun 3,7 tahun

Jawab :

a. Umur accu > 4,2 tahun

Untuk mencari P ( x > 4,2 ), kita perlu menghitung luas bawah kurva normal
disebelah kanan dengan x = > 4,2 tahun.

Rumus :

X−µ 4,2−3
Z= = = 2,4
σ 0,5

Tabel Distribusi Normal

• P (x > 4,2) = P ( Z > 2,4) lihat pada tabel distribusi normal (2,4)

= 1 – (Z < 2,4)

= 1 – 0,9918 = 0,0082 = 0,82%

• Sehingga peluang umur accu di atas 4,2 tahun sebesar 0,82%

 (Kurva normal x > 4,2 tahun)

b. Umur accu <2,2 tahun

Untuk mencari P (x < 2,2), kita perlu menghitung luas di bawah kurva normal
disebelah kiri x < 2,2 tahun.

X−µ 2,2−3
Z= = = -1,6
σ 0,5

P ( X < 2,2) = P ( Z < -1,6)

= 0,0548

= 5,48%

Sehingga peluang umur accu di bawah 2,2 tahun sebesar 5,48%

(Kurva normal x<2,2 tahun)

 Tabel Distribusi Normal

c. Umur accu antara 2,7 tahun 3,7 tahun

2,7 < x < 3,7 tahun

Untuk mencari P ( X = 2,7 sampai 3,7) kita perlu menghitung luas bagian
bawah kurva normal dengan x1 = 2,7 tahun dan x2 = 3,7 tahun.

X−µ 2,7−3 X−µ 3,7−3

Z1 = = = -0,6 dan Z = = = -1,4
σ 0,5 σ 0,5

Sehingga :

P (2,7 < Z < 3,7)= P ( -0,6 < Z <1,4)

= P ( Z < 1,4) – P ( Z < -0,6)

= 0,9192 – 0,2743

= 0,6449

= 64,5%

Sehingga peluang umur accu antara 2,7 sampai 3,7 tahun sebesar 64,5%

Tabel Distribusi Frekuensi

 Daftar Pustaka

Siregar, Syofian. 2015. Statistika Terapan Untuk Perguruan Tinggi. Jakarta : PT

Kharisma Putra Utama.

Sunyoto, Danang. 2016. Statistika Deskriftif dan Probabilitas. Yogyakarta : PT Buku

Seru.

Sabri, Luknis. 2008. Statistik Kesehatan.