BAB 3

POPULASI, SAMPEL, DISTRIBUSI TEORITIS

Setelah mempelajari bab ini, diharapkan Anda mampu untuk:

1. Menjelaskan Arti Distribusi Teoritis

2. Menjelaskan Arti Harapan Matematis
3. Menjelaskan Arti Distribusi Hypergeometris

14
 POPULASI, SAMPEL, DISTRIBUSI TEORITIS

Populasi:
Kumpulan dari seluruh elemen yang memiliki satu atau beberapa ciri atau Karakteristik yang sama.

Sampel:
Kumpulan Elemen yang merupakan bagian Kecil dari Populasi.

A. DISTRIBUSI TEORITIS

1. Fungsi Probabilitas Distribusi Teoritis

F (x) = P (x) ; f (x)  0 ; ∑x =1

2. Rata-rata Distribusi Teoritis

 = E (x)

k
 (x) = ∑ Xi . F (Xi)
i =1

 = rata-rata atau mean

3. Varians

k
2 2
( x ) = ∑ ( Xi-μ ) .f(Xi)
i=1

k = Jumlah bilangan yang bergerak mulai dari 1

I 2 = Simbol Varians

4. Deviasi Standar

k
I= √∑ i=1
(Xi-μ)2 .f(Xi)

Contoh:
X adalah jumlah dari dua dadu atau sepasang dadu yang dilempar.
Hitunglah:
1. f (X = 4)
2. f (X = 2)
3. Rata-rata Distribusi Teoritis
4. Varians dan Deviasi Standar

Jawab :
1 3
f (x = 4) = P (x =4) = (1,3) (3,1) (2,2) = 3 x =
36 36

1
f (x = 2) = P (1, 1) =
36

15
3. Rata-rata Distribusi Teoritis

1
X = 2 (1, 1) f (X = 2) =
36
2
X = 3 (1, 2) (2, 1) f (X = 3) =
36
3
X = 4 (1, 3) (3, 1) (2, 2) f (X = 4) =
36
4
X = 5 (1, 4) (4, 1) (2, 3) (3, 2) f (X = 5) =
36
5
X = 6 (1, 5) (5, 1) (2, 4) (4, 2) (3, 3) f (X = 6) =
36
6
X = 7 (1, 6) (6, 1) (2, 5) (5, 2) (3, 4) (4, 3) f (X = 7) =
36
5
X = 8 (2, 6) (6, 1) (3, 5) (5, 3) (4, 4) f (X = 8) =
36
4
X = 9 (3, 6) (6, 2) (4, 5) (5, 4) f (X = 9) =
36
3
X = 10 (4, 6) (6, 4) (5, 5) f (X = 10) =
36
2
X = 11 (5, 6) (6, 5) f (X = 11) =
36
1
X = 12 (6, 6) f (X = 12) =
36

µ = ∑ xi . f (xi)

1 2 3 4 5 6 5 4 3 2 1
μ = 2. + 3. + 4. + 5. + 6. + 7. + 8. + 9. + 10. + 11. + 12.
36 36 36 36 36 36 36 36 36 36 36
252
= =7
36

4. I 2 = ∑ ( Xi-μ )2 .f(Xi)
1 2 3 4 5 6
= ( 2-7 )2 . + ( 3-7 )2 . + ( 4-7 )2 . + ( 5-7 )2 . + ( 6-7 )2 . + ( 7-7 )2 .
36 36 36 36 36 36
2 5 2 4 2 3 2 1
+ (11-7)2 2
+ ( 8-7 ) . + ( 9-7 ) . +(10-7) . . + (12-7) .
36 36 36 36 36
210
= = 5,83
36

Deviasi Standar:
I = √ 5,83
= 2,41

B. HARAPAN MATEMATIS

Mathematical Expectation
Jika “P” merupakan Probabilita dari seseorang untuk memperoleh sesuatu jumlah “U” maka harapan
Matematisnya adalah “U.P”.

“U” dapat merupakan jumlah barang atau uang harapan matematisnya probabilita.

Au = ∑U.P

16
P = Probabilita

Contoh:
Sebuah Rumah yang ingin diasuransikan ditaksir memiliki Probabilita sebesar 0,004 untuk terbakar
dalam jangka waktu setahun. Sebuah perusahaan asuransi menjual polis asuransi kepada pemilik
rumah di atas sebesar Rp. 200.000.000,- setahun dengan premi sebesar Rp. 250.000,-. Berapa
besar keuntungan yang diharapkan perusahaan asuransi tersebut?

Jawab:
Dalam kasus Asuransi ada dua kemungkinan:
1. Kemungkinan Terbakar :
U1 = - (200.000.000 - 250.000 )
P1 = 0,004

2. Kemungkinan Tidak Terbakar

U2 = 250.000,-
P2 = 1 - 0,004
= 0,996

A (U) = E (x) disebut Expected Gain

A (U) = U1 . P1 + U2 . P2
= - (200.000.000 - 250.000) x 0,004 + 250.000 x 0,996
= - 799.000 + 249.000
= Rp. -550.000 (Rugi)

C. DISTRIBUSI PROBABILITA HYPERGEOMETRIS

Bila sebuah Populasi “N” memiliki sejumlah “K” unsur yang sama, dan “N K” unsur lain yang sama
dan bila sejumlah “n” unsur dipilih secara Random (acak) tanpa Pemulihan atau Pengembalian, maka
Probabilita Unsur yang Terpilih akan terdapat “K” unsur menjadi :

K N–K
k n–k
F (k) =
N
n

( ) = Kombinasi

{ nX }= nX!! ( n-x ) !
N = Jumlah dari seluruh Populasi yang dihitung
n = Unsur yang akan dipilih
K = Memiliki jumlah unsur yang sama
k = Probablita yang dikehendaki

Contoh :
Dalam sebuah peti terdiri dari 6 Bola Merah dan 4 Bola Kuning dimasukkan, kemudian diacak. Bila
tiga Bola dipilih secara random (acak) dari dalam peti tersebut. Hitunglah Probabilitanya, bila
diperoleh:
1. Dua (2) Bola Merah?
2. Satu (1) Bola Merah dan dua (2) Bola Kuning?

Jawab:
1. N = 10 K=6 6M
4K

17
 n=3 k=2

K N -K
F (k ) =
{ k } { n -k }

{ Nn }
6 4
F (k ) =
{ 2 } {1}

{ 103 }
6! 4!
×
2! 4! 1! 3!
=
10!
3! 7!
6.5.4.3.2.1 4.3.2.1
×
2.1. 4.3.2.1 1. 3.2.1
=
10.9.8.7.6.5.4.3.2.1
3.2.1. 7.6.5.4.3.2.1
60
=
120
= 0,5

Note:
0! = 1
Nilai “k” tidak boleh besar dari “n” (n > k)

6 4
2.
F ( 1M, 2K ) =
{ 1 } { 2 }
10
6! 4!
{ 3 }
×
1! 5! 2! 2!
=
10!
3! 7!
6.5.4.3.2.1 4.3.2.1
×
1, 5.4.3.2.1 2.1, 2.1
=
10.9.8.7.6.5.4.3.2.1
3.2.1, 7.6.5.4.3.2.1
6×6 36
= = = 0,3
120 120

18
SOAL LATIHAN

1. Apabila hujan terus menerus, seorang penjual payung akan untung Rp. 8.000,- seharinya, tetapi
apabila cuaca baik dia akan rugi Rp. 2.000,- seharinya. Berapa harapan matematiknya, apabila
probabilita akan hujan adalah 0,4?
2. Proyek waduk serba guna di Tulung Agung sebagai berikut:

Fungsi Probabilita Cash Flow (Rp. 1 Juta)

0,20 500
0,40 600
0,10 400
0,30 700

Hitunglah rata-rata Cash Flow Proyek tersebut?

19