www.indrikusumadewi.

com
DISTRIBUSI
PROBABILITAS

Distribusi Probabilitas

Kunci aplikasi probabilitas dalam statistik adalah

memperkirakan terjadinya peluang/probabilitas
yang dihubungkan dengan terjadinya peristiwa
tersebut dalam beberapa keadaan.

Jika kita mengetahui keseluruhan probabilitas

dari kemungkinan outcome yang terjadi, seluruh
probabilitas kejadian tersebut akan membentuk
suatu distribusi probabilitas.
A PERANAN PROBABILITAS
Pembuatan model, analisis matematis, simulasi
komputer dan sebagainya, banyak didasarkan atas
asumsi-asumsi yang diidealisir, yang menyebabkan
informasi yang dihasilkan dari model kuantitatif
tersebut mungkin bisa mendekati atau mungkin jauh
dari yang sebenarnya.
Dalam pengembangan disain rekayasa banyak
keputusan terpaksa harus diambil tanpa memandang
kelengkapan atau mutu informasi tersebut. Dengan
demikian, keputusan tersebut diambil pada kondisi
ketidak pastian. Disamping itu, banyak fenomena
alamiah bersifat acak (random) atau tak tentu.
Oleh karenanya, kuantifikasi ketidak pastian dan
penilaian pengaruhnya pada perilaku dan
perancangan suatu sistim perlu melibatkan konsep
atau metode probabilitas (kemungkinan)
DISRIBUSI PROBABILITAS
 Bila serangkaian pengamatan atau
kejadian bersamaan dengan
probabilitasnya ditabelkan, maka akan
berbentuk distribusi probabilitas.
 Bila seluruh probabilitas tersebut
dijumlahkan , maka harganya sama
dengan 1 atau 100%
 Distribusi Teoritis Probabilitas

 Topik
 Distribusi teoritis Binomial
 Distribusi teoritis Poisson
 Distribusi teoiritis Normal
6

Distribusi Teoritis Probabilitas

Distr. Teoritis Probabilitas

Diskrit Kontinyu

Binomial Poisson Normal

7

Distribusi Binomial
 Ciri-ciri Distribusi Binomial
 Masing-masing percobaan hanya mempunyai dua
kemungkinan, misal sukses-gagal, sehat-sakit, hidup-
mati
 Hasil dari masing-masing percobaan adalah
independen antara satu dengan lainnya
 Probabilitas ‘sukses’ (disimbol dengan p) adalah tetap
antara satu percobaan dengan pecobaan lainnya
 Probabilitas ‘gagal’ (disimbol dengan q) adalah 1-p
 Probabilitas sukses biasanya adalah probabilitas yang
sering terjadi
8

Distribusi Binomial
 Rumus
n!
B(n, r )  p r (1  p) nr
r!(n  r )!
n=jumlah percobaan, r=jumlah ‘sukses’, n-r=jumlah ‘gagal’,
p=probabilitas sukses dan q=(1-p)=probabilitas gagal
 Contoh: Sepasang suami istri merencanakan punya
anak tiga. Berapa probabilitas untuk mendapatkan dua
laki-laki dan satu perempuan
 Jawab: n=3, r=2 (laki-laki) dan p=0.5
P(3,2) = [3!/(2!(3-2)!)] 0.52 (1-0.5)2-1=0.375
maka probabilitas untuk mendapatkan dua laki-laki dan
satu perempuan adalah 0.375
9

Distribusi Binomial

 Dari hasil penelitian disimpulkan bahwa prevalensi

anemia pada Ibu Hamil di Kecamatan X adalah 20%.
Ada sebanyak 10 Ibu Hamil yang dipilih secara random
yang bertempat tinggal di daerah binaan Puskesmas
Kecamatan X tersebut. Maka hitunglah berapa
probabilitas di antara 10 Ibu Hamil tersebut:
 Tidak ada yang anemia?

 Ada satu yang anemia?

 Paling banyak 2 orang ibu hamil yang anemia?

 Paling sedikit 3 orang yang anemia?

10

Distribusi Binomial

 Diketahui:
 p=0.2, q=1-p=1-0.2=0.8 dan n=10

 Ditanya:
 r = 0, r = 1, r ≤ 2, dan r ≥ 3

 Jawab
 P(n=10,r=0) = [10!/(10-0)! 0!] x (0.2)0 x (0.8)10-0= 0.107 (lihat tabel)

 P(n=10,r=1) = [10!/(10-1)! 1!] x (0.2)1 x (0.8)10-1= 0.376-0.107

= 0. 269 (lihat tabel)

 P(n=10,r ≤ 2) = P(r=0) + P(r=1) + P(r=2) = 0.678 (lihat tabel)

 P(n=10,r ≥ 3) = 1 – [P(r=0) + P(r=1) + P(r=2)] = 1 - 0.678 = 0.322

(lihat tabel)
11

TUGAS
Probabilitas seorang bayi tidak di
imunisasi polio adalah 0,2 (p). Pada suatu
hari di Puskesmas “X” ada 4 orang bayi.
Hitunglah peluang dari bayi tersebut 2
orang belum imunisasi polio.
12

Tabel Binomial Kumulatif

Tabel Distribusi Probabilitas Binomial Kumulatif

n=10 p
r 0.01 . . 0.2 . .
0 . . . 0.107 .
1 . . . 0.376 . .
n=10, p=0.2
dan x≤3
2 . . . 0.678 . .
3 . . . 0.879 . .
4 . . . 0.967 . . n=10, p=0.2
5 . . . 0.994 . . dan x≤6
6 . . . 0.999 . .
7 . . . 0.999 . .
8 . . . 1.000 . .
13

Distribusi Poisson
 Ciri-ciri Distribusi Poisson
 Sama seperti ciri-ciri distribusi binomial
 N perocabaan besar
 Probabilitas terjadinya suatu kejadian adalah kecil atau
kejadian yang jarang terjadi
 Percobaan dapat juga dalam selang waktu tertentu
 Rumus
r 
( e )
P(r ) 
r!
dimana: λ=np, e=2.71828 dan r=probabilitas yang dicari
14

Distribusi Poisson
 Dalam pelaksanaan Pekan Imunisasi Nasional Polio
(PIN) pertama, diketahui bahwa ada sebesar 0.1%
Balita yang mengalami panas setelah diimunisasi
Polio. Di suatu daerah diperkirakan ada sebanyak
2500 Balita yang akan diimunisasi dengan Polio
pada PIN kedua. Hitunglah berapa probabilitas
pada PIN kedua akan mendapatkan:
 Tidak ada balita yang mengalami panas?
 Paling banyak ada tiga balita yang panas?
 Minimal ada lima Balita yang panas?
15

Distribusi Poisson
 Diketahui:
 n= 2500, p=0.001, maka λ=2500 x 0.001 = 2.5
 Ditanya: r=0, r ≤ 3, r ≥ 5
 Jawab
 P(r=0) = [(2.5)0 x (2.71828)-2.5] / 0! = 0.082 (lihat tabel)

 P(r ≤ 3 ) = P(r=0) + P(r=1) + P(r=2) + P(r=3) = 0.758

(lihat tabel)

 P(r ≥ 5) = 1 – [P(r=0) +..... + P(r=4)] = 1 – 0.891 =

0.109 (lihat tabel)
16

Tabel Poisson Kumulatif

Tabel Distribusi Probabilitas Poisson Kumulatif

λ
r 0.1 . . 2.5 . 3.0
0 . . . 0.082 .
λ = 2.5
1 . . . 0.287 . . dan x≤3
2 . . . 0.544 . .
3 . . . 0.758 . .
4 . . . 0.891 . .
λ = 2.5
5 . . . 0.958 . .
dan x≤6
6 . . . 0.986 . .
7 . . . 0.996 . .
8 . . . 0.999 . .
9 . . . 1.000 . .
17

TUGAS
18

Distribusi Normal
Distribusi binomial dan poisson adalah
merupakan distribusi probabilitas yang bersifat
diskrit. Tetapi bila berhubungan dengan
variabel acak kontinue (panjang,waktu, dsb)
yang mempunyai jumlah nilai yang tak
berhingga, maka dibutuhkan distribusi

X
probabilitas kontinue.
Distribusi probabilitas kontinue yang
Mean paling
sering digunakan adalah distribusi normal,
Median
Mode
atau dikenal sebagai distribusi gauss.
Distribusi ini dicirikan dengan adanya :
Rerata (μ)
Simpangan baku(σ)
Terdapat 3 kurva Terdapat 3 kurva
normal dengan normal dengan rerata
rerata yang sama, yang berbeda,
namun simpangan namun simpangan
baku berbeda baku sama.
20

Distribusi Normal
f(X)
• ‘Bell Shape’
• Simetris
• Medan, Median dan
X
Mode sama 
Mean
Median
Mode
21

Distribusi Normal
f(X)
• Model Matematik Distribusi Normal 
1
1      2

f X  

X
2
e
2 2
f  X  : density of random variable X  X
  3.14159; e  2.71828
 : population mean
 : population standard deviation
X : value of random variable    X   
22

Distribusi Normal Standar

Standardized
Normal Distribution Normal Distribution

 Z 1

X 
Z 
X Z
 0
23

Distribusi Normal
X  6.2  5
Z   0.12
 10
Normal Distribution Standardized
Normal Distribution
  10
Z 1

6.2 X 0.12 Z
 5 Z  0
24

Distribusi Normal
f(X)
P c  X  d   ?

X
c d
Luas lihat tabel Normal Standar
f(X)
X 
Z 
Z
0 ?
25

TABEL Z

Luas Distribusi Normal Standar 0 b

b 0.00 . 0.04 0.05 . 0.09
P(0 ≤ z ≤ b)
0.0 0.0000 . 0.0160 0.0199 . 0.0359
0.1 0.0398 . 0.0557 0.0596 . 0.0753
. . . . . . .
1.0 0.3413 . 0.3508 0.3531 . .0.3621
. . . . . . .
1.5 0.4332 . 0.4382 0.4394 . .0.4441
1.6 0.4452 . 0.4495 0.4505 . 0.4545
. . . . . . .
1.9 0.4713. . 0.4738 0.4750 . 0.4767
. . . . . .
2.5 0.4938 . 0.4945 0.4946 . 0.4952
. . . . . . .
3.0 0.4987. . 0.4988 0.4989 . 0.4990
26

Distribusi Normal

0.3413 0.4332

Z Z
0 1 0 1.5

0.3413 0.4332

Z Z
-1 0 -1.5 0 1.5
27

Distribusi Normal

0.5-0.3413=0.1587
0.5-0.4332=0.0668

0.3413 0.4332
Z Z
0 1 0 1.5

0.4332-0.3413=0.0919

Z
0 1 1.5
28

Distribusi Normal
 Diketahui bahwa nilai mahasiswa MA X angkatan
2013/2014 di FIK UMP berdistribusi normal dengan
nilai rata-rata sebesar 75 dan simpangan baku
sebesar 10. Hitunglah probabilitas mahasiswa akan
mendapatkan nilai sebagai berikut:
 Kurang dari 60
 Lebih dari 90
 Antara 65 sampai 85
 Bila ditentukan bahwa ada sebesar 15% mahasiswa akan
mendapatkan nilai A, maka hitunglah pada nilai terendah
berapa mulai diberikan nila A tersebut?
29

Distribusi Normal
 Diketahui: μ = 75 dan σ=10
 Ditanya: P(x ≤ 60)=?
X 
Z 
 75 = - 1.5
60
60 75 x
Z  10
P ( z ≤ -1.5) = 0.5 – 0.4332
-1.5 0 Z = 0.0668 (6.68% mahasiswa
dapat nilai kurang dari 60)
30

Distribusi Normal
 Diketahui: μ = 75 dan σ=10
 Ditanya: P(x ≥ 90)=?

X 
Z 
75 90 x  75 = 1.5
90
Z  10
P ( z ≥ 1.5) = 0.5 – 0.4332
0 1.5 Z = 0.0668 (6.68% mahasiswa
dapat nilai lebih dari 90)
31

Distribusi Normal
 Diketahui: μ = 75 dan σ=10. Ditanya: P(65 ≤ x ≤ 85)=?
85  75
Z1  10 = 1.0
65  75
Z2  10
= -1.0
65 75 85 Z
P ( -1.0≤ z ≤ 1.0) =
0.4332 0.4332
0.3413+0.3413 =0.6826
= 0.6826 (68.26% mahasiswa
dapat nilai antara 65 s/d 85)
Z
-1 0 1
32

Distribusi Normal

 Diketahui: μ = 75 dan σ=10. Ditanya: x=? Bila 15%

mahasiswa dapat nilai A

X  75
1.03 
10
15%
10.3=X – 75
35% atau X=64.7
0.3500
0 1.03 Z
Nilai terendah mahasiswa
dapat nilai A adalah 64.7
TUGAS
TERIMA
KASIH
PENUTUP

“Berakhirnya Kuliah Bukan Berarti

Terhentinya Proses Belajar; Sebab
Apa Yang Tidak Kita Ketahui Masih
Sangat Banyak Dibandingkan Dengan
Apa Yang Telah Kita Ketahui”