TOPIK 5

PROBABILITAS DAN DISTRIBUSI PROBABILITAS

A. PROBABILITAS
Probabilitas digunakan sebagai dasar penarikan sampel atau proses “sampling”. Salah
satu tujuan dari statistic adalah menerik kesimpulan mengenai kerakteristik populasi
beradasarkan informasi yang diperoleh dari sampel. Oleh karena sampel hanya
mediakan sedikit informasi atau sebagian informasi tentang populasi, maka
diperlukan suatu metode untuk menarik kesimpulan yang berlaku pada populasi
yaitu metode “peluang” atau probabilitas.
Berdasarkan pada kejadian yang tidak pasti. Probabilitas merupakan suatu
kemungkinan atau peluang.keputusan dalam statistic adalah peluang atau
probalibilitas yang diyakini benar dan mempunyai peluang untuk salah.
Rumus: P (E)= X
N
Keterangan
P: Probablilitas
E: Event/Kejadian
X: jumlah kejadian yang diinginkan
N: kesulutahan kejadian yang mungkin terjadi

B. KONSEP DALAM PROBABILITAS

1. Pendekatan klasik
Merupakan harga angka yang menunjukkan vesar kemungkinan peristiwa terjadi
dari kesuluruhan peristiwa. Tiap kemungkinan hasil sudah jelas sebelum
percobaan dilakukan.
Mislanya:
Dalam pelemparan dadu, kita sudah mengetahui ada 6 angka yang mungkin
keluar (1,2,3,4,5,6), maka probabilitas keluarnya angka 1 pada 1 kali pelemperan
dadu dapat langsung dihitung tanpa melakukan percobaan berualang-ulang yaitu
P (1) = 1
6
2. Pendekatan empiris/ probabilitas relatif
Merupakan probabilitas berdasarkan observasi/pengalaman kejadian yang telah
terjadi. Probabilitas ini hanya dapat dihitung setelah dilakukan percobaan
berulang-ulang (samel yang memadai)
Mislanya:
Probabilitas seorang pasien yang mengalami bedah jantung untuk meninggal di
RS harapan kita. Hal ini tidak dapat dihitung tanpa melaukan pengamatan pada
sejumlah pasien yang dioperasi (mislanya 1000 pasien) dan menghitung junlah
yang meninggal jika dari 1000 pasien , 50 meninggal maka,
P (mati) = 50/1000= 0,05 (0,5%)

3. Pendekatan subjektif
Probbailitas berdasarkan keyakinan , subjektif seseorang, tidak berdasarkan data
penelitian. Sering kali digunakan dalam bidang bisnis, dan manajemen.
Misalnya:
Seoarang dokter yang sedang mencari lokasi untuk tempat praktek akan
memperteimbangkan probabilitas dia memperolah banyak pasien di tempat
tersebut.

C. HUKUM PROBABILITAS

Dalam penelitian yang dipakai adalah probabilitas realatif yang berkaitan dengan
hokum-hukum probablitias yaitu:
1. Hukum komplementer
Jika probabilitas terjadinya kejadian A adalah P (A), maka probabilitas tidak
terjadinya A,
P (A‾)=1-P (A)
2. Hukum penjumlahan
Jika ada 2 kejadian yang tidak mungkin terjadi bersama-sama, maka
probabilitas kejadian A atau B, P (A atau B) = P (A) + P (B). kejadian yang
tidak mungkin terjadi bersama-sama disebut kejadian Mutually exlusive
Mislanya: Golongan Darah
Hasil pengujian gol darah pada 100 mahasiswa:
 45 mhs goldar O, 10 mhs goldar AB, 31 mhs Goldar A, 14 mhs Goldar B. jika
seorang mahasiswa diambil secara acak dan dipriksa golongan darahnya,
berapa probabilitas mahasiswa tersebut memiliki goldar A atau B ?
P (A atau B) = P (A) + P (B) = 0,31 + 0,14 = 0,45
Golongan darah A dan B tidak dapat terjadi bersama-sama maka dinamakan
Mutually exlusive.
Jika 2 kejadian yang dapat terjadi berssamaan atau non Mutually exlusive
maka
P (A atau B) = P(A) +P (B) – P (A dan B)
Mislanya:
Pada 1000 sampel belita, 150 oarang menderita diare, 200 oarang menderiata
ISPA dan 50 oarang menderita diare dan ISPA, berapa probabilitas seseoarang
belita menderita diare atau ISPA?
P(D atau I)= P (D) + P (I) – P (D dan I)
P (D atau I)= 0,15 + 0,20 =0,30
Diare dan ISPA dapat terjadi secara bersamaan pada satu orang balita jadi
dinamakan non Mutually exlusive.

3. Hukum bersyarakat (Conditional Probability)

Probabilitas dapat tidak berlaku umum atau hanya berlaku pada kondisi
tertentu saja (kondisional)
Misal:
Angka kematian bayi di Indonesia 35/1000 kelahiran hidup
seorang bayi lahir di RS pondok indah dari seorang ibu yang tinggal di
kemang. pengahsilan keluarga 15 juta/bulan, oakah resiko kematian bayinya
35/1000???
seoarang bayi lahir dipainggir hutan di papua dari seoarang ibu yang tinggal di
puncak wijaya, 100 KM dari puskesmas terdekat dengan penghasilan
keluarga 300 rb/bulan, apakah resiko kematian bayinya 35/1000??
apakah resiko bayinya meninggal sama dari kedua orang tersebut?
Ibu Bayi Jumlah
BBLR Normal
Anemia (+) 20 80 100
Anemia (-) 10 90 100

Jumlah 30 170 200

P (BBLR Anemia+) = 20/100 =0,20

P (BBLR Anemia -) = 10/100= 0,10
P (BBLR) = 30/200= 0,15
Misalnya:

kasus Infeksi nosocomial Jumlah

ya Tidak
Bedah 20 980 1000

Dalam 10 990 1000

Jumlah 30 1870 2000

Probabilitas pasien bedah untuk menderita infeksi nosocomial adalah

20/1000 sedangkan probabilitas yang sama untuk pasien dalam adalah
10/1000. Kedua probabilitas ini merupakan probabilitas bersyarat. Sedangkan
probabilitas seoarang pasien adalah pasien bedah dan menderiata infeksi
nosocomial adalah 20/2000. Probabilitas yang terakhir ini merupakan
probabilitas gabungan (join probability) yang juga berkaitan erat dengan
probabilitas bersyarat.
Hukum probabilitas bersayarat menggambarkan hubungan antara probabilitas
bersyarat dengan probabilitas gabungan
P (B/A) = P (Adan B)
P (A)
Hukum tersebut dibaca: probabilitas terjadinya B pada kondisi A sama dengan
probabilitas terjadinya A dan B dibagi probabilitas terjadinya A.
Pada contoh
P (infeksi bedah )= P (infeksi dan bedah)
P bedah
=20/2000 = 20/1000
 1000/2000

4. Hukum perkalian
Hukum perkalian pada probabilitas bersyararat merupakan kebalikan dari
rumus hubungan probabilitas bersyarat dengan probabilitas gabungan, dapat
dutuliskan
P (A dan B) = P (A) x P(B/A) = P (B) x P (A/B)
Probabilitas seorang pasien merupakan kasus bedah dan terkena infeksi dpat
dihitung : P (bedah)= 1000/2000 dan P (infeksi-Bedah) =20/1000 sehingga:
P (bedah dan infeksi)= 1000/2000 x 20/1000 = 20/1000

5. Hukum probabilitas bebas

Dua kejadian A dan B disebut dua kejadian bebas jika probabilitas A tidak
tergantung dari probabilitas B.
P (A dan B)= P (A)x P (B)
Hukum diatas hanya berlaku jika 2 kejaian saling bebas. Jika 2 kejadian tidak
dapat memenuhi hokum diatas, 2 kajadian tersebut bukan 2 kejadian bebas.
Missal: kita akan menguji apakah infeksi dan kasusu merupakan kejaian bebas
(apakah infeksi tidak bergantung pada kasus) dari tebel:
P (infeksi) = 30/2000, P (bedah) = 1000/2000, P (infeksi dan bedah)= 20/2000
Hasil: jika persamaan terpenuhi maka 2 kejadian bebas atau infeksi tidak
tergantung kasus, jika persamaan tidak memenuhi makan bukan kejadian
bebas atau infeksi bergantung pada kasus.
P (infeksi)x P (bedah)= 30/2000 x1000/2000=30/4000
Dari tebel terlihat P (infeksi dan bedah) =20/2000, hasil tidak sama.
Kesimpulan: kejadian infeksi dan kasus merupakan 2 kejadian yang tidak
saling bebas atau berarti kejaian infeksi bergantung dari kasus.
Dalam keadaan sebenarnaya, pada 2 kejadian yang bebas sekalipun kita jarang
menjumpai P (A dan B) persis sama dengan P (A)x P (B), jika perbedaan
relatif kecil kita menganggap 2 kejadian A dan B saling bebas.
Besar kecilnya perbedaan ini dihubungakan dengan uji statistic untuk beda
proporsi.
D. PERMUTASI
Probabilitas yang dihasilkan dengan memperhitungkan urutan.
Rumus:
nPr = n!
(n-r)!
Keterangan
P= jumlah permutasi
n= banyaknya objek
r=jumlah anggota pasangan
! =factorial (3!= 3x2x1), 0!=1, 1!= 1

Contoh
Ada 3 cara yang efektif untuk pengobatan pasien kanker yaitu bedah (B), radiasi
(R), dan kemotaerapi (O). ada berapa carakah dapat diobati sesoarng yang
menderita CA kalau masing-maing pasien hanya 2 macam terapi yang diberikan
Penyelesaian:
Untuk pengobatan, urutan diperlukan karena seorang yang mendapat terapi bedah
dan penyinaran (B, P) akan berbda yang mendapat penyinaran terlebih dahulu
baru dibedah (P,B)
Jadi 3 P 2
(BP,BO, PB, PO, OB,OP)

E. KOMBINASI
Probabilitas yang dihasilkan tanpa memperhitungkan urutan
nCr = n
r! (n-r)!
keterangan
c= jumlah kombinasi
n= banyaknya objek
r= jumlah anggota pasangan
!= Faktororial (3!= 3x2x1), 0!=1, 1!= 1
Contoh
 Tiga orang pasien digigit ilar dan dibawa ke puskesmas, puskesmas hanya tersedia
2 dosis anti racun ular, berapa kemungkinan pasangan yang akan diberikan 2 dosis
tersebut (pasien A, B,C)
Penyelesaian
2 oarang yang berpasangan misla AB sama dengan BA jadi urutan tidak ada
artinya maka digunakan kombinasi
3C2
(AB, AC,BC)

F. DISTRIBUSI PROBABILITAS
Distribusi probablilitas merupakan model untuk veraibel acak, menggambarkan
cara proababilitas tersebar pada semua nilai yang mungkin dari veriabel.
Contoh probabilitas untuk mempunyai anak

Jumlah anak Frekunsi Prob/peluang

0 5 0,11

1 10 0,22

2 15 0,33

3 8 0,18

4 7 0,16

Total 45 1

Penyelasian
Jadi peluang untuk:
a. Mempunyai anak 2= 0,33
b. Mempunyai anak kurang dari 3 = 0,66---------------------------0,33+ 0,22+ 0,11
c. Mempunyai anak paling tidak 2 (minimal 2)= 0,67--------------0,33+0,18+0,16
d. Mempunyai anak paling banyak 3 (maksimal 3) = 0,84---------0,11+0,22+ 0,33
e. Mempunyai anak sekurang-kurang 3 (misalnya 3)----------------0,18+0,16
G. BERMACAM- MACAM DISTRIBUSI TEORITIS
1. Distribusi Binomial (bernauli)
2. Distribusi paison
3. Distribusi normal (Gauss)
4. Distribusi Student (t’W gusset)
5. Distribusi Chi Square (X)
6. Distribusi Fisher (F) dll

1. DISTRIBUSI BINOMIAL
Distribusi probabilitas diskrit. Distribusi ini disebut juga Distribusi Bernauli
(penemu: James Bernauli). bernauli trial mempunyai 4 syarat:
a. Jumlah trial merupakan bilangan bulat
b. Setiap experiment mempunyai 2 outcome (hasil) sukses & gagal
c. Peluang sukses sama setiap eksperiment
d. Setiap experiment independen satu sama lain
Di dalam suatu experiment peluang sukses-----P, Peluang gagal =q
Contoh
Peluang keluarnya mata 4 pada pelemparan dadu satu kali =1/6. Peluang
bukan mata 4 adalah 1-1/6=5/6
Jumlah pasien tidak semubuh dalam suatu trial pengobatan 10 oarang dari
100 orang. Peluang tidak sembuh adalah (p) 10/100=0,1 dan peluang
sembuh adalah 0,9------------1-0,1=0,9
Peluang ibu hamil, memeriksakan kehamilan ke puskesmas 3/10, peluang
ibu tidak periksa ke puskesmas adalah 0,7----------------------1-3/10

Simbol untuk untuk suatu trial bernaui/binomial ------------------b (X,n, p)

Artinya: suatu probabilitas binomial (bernauli), banyaknya sukses yang akan

terjadi, pada n kali trial, diaman probabilitas sukes tiap trial adalah p

Contoh: probabilitas seorang bayi didak dimunisasi (0,2), kalu pada suatu hari
dipuskesmas ada sebanyak 5 bayi , hitunglah peluang 2 bayi belum
diimuniasasi

b ( X=2, n=5, P=0,2)---------------------b( 2,3,0,2)

rumus
 P (X)= n

X! (n-X)! * Px * (1-P) n-1

Keterangan

n= jumlah sampel

X= jumlah peluang

P= peluang

Contoh

Peluang lulus statistic 0,6 diambil sampel 7 mahasiswa hitung peluang:

a. Tidak ada yang lulus

b. Paling tidak 4 orang yang lulus
c. 4 orang tidak lulus

Jawab

a. Tidak ada yang lulus--------------P(X=0)

b. Paling tidak 4 oarng yang lulus----P(X≥4)= P(X:4) + (P (X:5) +P (X:6) +
P(X:7)

2. DISTRIBUSI POISSON

Disutu gerbang tol akan dilawati oleh ribuan mobil dalam satu hari kajadian
bahwa akan terjadi kecelakaan dari sekian bnyak mobil yang lewat.
Dikatakan bahwa kajadian seseorang akan meninggal karena shok pada waktu
disuntik vaksin meningitis 0,0005. Padahal vaksin tersebut diberikan kalu seorang
ingin pergi haji. Distribusi paison merupakan fungsi probabilitas
3. DISTRIBUSI NORMAL (GAUSS)
Paling bnayk digunakan dalam analisa statistic
De Moviren 1733---------------------limit distribusi Binomial
Laplace 1775-------------------------1809 Gauss-----mempublikasi--------distribusi
Gaus Lapace--------------- (N Gauss)
Variable random kontinu
Simatris
Seperti lonceng
Titik belok µ±o
Luas= Probability=1
f(X) distibusi kontinu----------------------akan sellau dapat dicari dengan
persamaaan funsi kurva normal(secara integral)--------------tetapi tidak paraktis
agar lebih praktis telah ada kurva normal dimana table ini menunjukkan luas
kurva normal dari satu nilai yang dibatasi nilai tertentu
kurva normal standar mempunya µ=0 dan o1----------N (0,1)
- untuk suatu sampel yang cukup besar terutam auntuk gajala alam seperti berat
badan, tinggi badan biasanya kurva yang dibentuk dari distribusi tersebut juga
sismatris dengan ×- tertentu dan Sd (simpagan baku) tertantu maka kurva
sismetris yang terjadi disebutkurva normal umum
- Untuk dapat menantukan pribablilitas didalam kurva normal umum, maka
nilai yang akan dicari dittasformasikan dulu ke nilai normal standar melalui
traformasi Z(deviasi relative)
Z= X-µ Z=X-X
O S

PRAKTIKUM

Suatu penelitian terhadap 150 orang laiki-laki yang berumur 40-60 tahun
didapatkan rata-rata kadar kelosterol meraka 215 mg%. dan simpangan baku
Sd=45mg%. hitunglah peluang kita mendapatkan seoarang yang kadar
kelosterolnya:

a. >250 mg%
b. <200 mg%
c. Antara 200-275% mg%
 Penyelasaian

a. Z= (250-215)/45=0,76------------tabel 0,2764 (P=0,5- 0,276=0,224, karena

diarea >250)
b. Z= (200-215)/45= - 0,33------------Tabel 0,1293 (maka P=0,5-0,1293=0,371,
karena diarea <250)
c. Z1= (200-215)/45= -0,33-----------Tabel 0,371 (P=0,129)
d. Z2=(275-215)/45= 1,33-------------Tabel 0,408 (P=0,408)+ P=0,537