MODUL STATISTIK I

(IND 113)

MODUL SESI 6
VARIABEL RANDOM DAN KONSEP DISTRIBUSI PROBABILITAS
(PART I)

DISUSUN OLEH
RIZKA BRITANIA, S.T., M.T.

UNIVERSITAS ESA UNGGUL

2020

Universitas Esa Unggul

http://esaunggul.ac.id
0 / 15
 VARIABEL RANDOM DAN KONSEP DISTRIBUSI PROBABILITAS
(PART I)

A. Kemampuan Akhir yang Diharapkan

Setelah mempelajari modul ini, diharapkan mahasiswa mampu memahami
konsep random variable dan distribusi probabilitas diskrit.

B. Uraian

Pada Modul 05 sebelumnya, kita telah menyelesaiakan pembahasan

mengenai konsep dasar probabilitas. Konsep dasar probabilitas pernting untuk
dipahami karena fenomena statistik tidak lepas dari prinsip probabiltias. Hal ini
disebabkan kejadian-kejadian yang ada pada umumnya tidak memiliki sifat
deterministic, sehingga memiliki unsur probabilitas di dalamnya.

Pada Modul 06 ini akan dibahas mengenai konsep variabel random dan
konsep dasar distribusi probabilitas. Pembahasan ini akan dibagi ke dalam dua
modul; Modul 06 membahas mengenai konsep variabel random dan distribusi
proababilitas diskrit, sementara Modul 07 membahas mengenai konsep distribusi
probabilitas kontinus. Gambar 1 menunjukkan pembagian pembahasan subtopic
yang dimaksud.

Modul 06

Modul 07

Gambar 1. Pembagian pembahasan Subtopik 6 dan 7

Universitas Esa Unggul

http://esaunggul.ac.id
1 / 15
I. Konsep Variabel Random

Statistik berkaitan dengan pembuatan inferensi (kesimpulan/penaksiran)

terkait populasi dan karakteristik populasi. Eksperimen dilakukan dengan hasil
yang berbeda-beda. Contoh, eksperimen statistik dimana tiga komponen
elektronik dites. Hasil tes dapat menyatakan bahwa kondisi komponen tersebut
defect atau non defect, sehingga dapat dituliskan:

S = {NNN, NND, NDN, DNN, NDD, DND, DDN, DDD);

Dimana
N : hasil tes menunjukkan komponen Non defect
D: hasil tes menunjukkan komponen defect

Pada umumnya, analis ingin mengkaji misal jumlah defect yang terjadi.
Oleh karena itu, ruang sampel pada contoh di atas dapat diberikan nilai numerik,
yaitu 0,1,2, atau 3. Nilai dari nilai numerik tersebut tentunya random, ditentukan
dari eksperimen yang dilakukan. Nilai tersebut dapat dilihat sebagai nilai yang
diasumsikan oleh variabel random X, jumlah komponen defect yang diperoleh
saat tiga komponen elektronik dites.
Variabel random adalah suatu fungsi bernilai riil yang didefinisikan pada
ruang sample. Biasanya variabel random dinyatakan dengan huruf capital, misal X,
dan nilai dari variable random dinyatakan dalam huruf kecil, misal x. Nilai
variabel random yang muncul tergantung dari output percobaan. Oleh karena itu,
setiap variabel random memiliki nilai probabilitas.

Contoh:

1. Misal pada percobaan pelemparan dua buah dadu, kita ingin melihat
jumlah angka yang terbentuk dari hasil pelemparan kedua dadu. Jumlah
angka tersebut kita sebut X, merupakan suatu variabel random.

Universitas Esa Unggul

http://esaunggul.ac.id
2 / 15
  Misal X = 2, berarti output saat dadu satu dan dadu dua mengeluarkan
mata dadu yang dijumlah adalah dua. Dalam hal ini hanya ada 1
kemungkinan, yaitu saat dadu satu keluar 1, dan dadu dua keluar 1.
Oleh karena itu probabilitas P(X=2) = 1/36, dimana 36 adalah total
seluruh kemungkinan outcome percobaan.

 Misal X = 4, dapat diperoleh saat:

Sehingga total ada 3 kemungkinan,

P(X=4) = 3/36

2. Dua buah bola diambil secara berurutan tanpa pengembalian dari sebuah
kantung berisi 4 bola merah, dan 3 bola hitam. Misal Y adalah jumlah bola
merah yang terambil, maka:

3. Seorang staf ingin mengembalikan helm proyek milik 3 pekerja yang

sebelumnya memakainya. Jika Smith, Jones, dan Brown dalam urutan
tersebut menerima 1 dari tiga helm, buatlah daftar titik sampel yang
mungkin untuk urutan pengembalian helm. Tentukan nilai m dari variabel
random M yang menyatakan pasangan (helm dan pemiliknya) yang sesuai.

Universitas Esa Unggul

http://esaunggul.ac.id
3 / 15
 Jawab :
Jika S, H, dan B merupakan notasi untuk helm miliki Smith, Jones, dan
Brown, maka susunan yang mungkin dari pengembalian helm dan jumlah
pasangan yang tepat adalah:

Keterangan:
 pada SJB : setiap orang menerima helm sesuai miliknya sehingga
jumlah pasangan yang sesuai, m = 3;
 pada SBJ : hanya Smith yang menerima helm sesuai miliknya,
m=1;
 pada BJS : hanya John yang menerima helm sesuai miliknya, m=1;
 pada JSB : hanya Brown yang menerima helm sesuai miliknya,
m=1;
 pada JBS : tidak ada yang menerima hel sesuai miliknya, m=0;
 pada BSJ : tidak ada yang menerima hel sesuai miliknya, m=0;

Pada beberapa kondisi, terkadang variabel random yang dimiliki merupakan suatu
kategori, bukan angka. Jika demikian, kita menggunakan variable dummy untuk
mewakilinya.

Contoh:

4. Bagian gudang barang jadi menerima produk dari lantai produksi, dan
dicek apakah produk defect atau tidak. Maka variable Random X dapat
didefinisikan :

Universitas Esa Unggul

http://esaunggul.ac.id
4 / 15
 Dalam hal ini, angka 1 dan 0 merupaakan variable dummy yang dimaksud.
Variabel random dimana angka 0 dan 1 digunakan untuk menjelaskan nilai
dari dua kemungkinan disebut variabel random Bernoulli. Contoh: seorang
analis menggunakan metode sampling untuk menentukan apakah batch
produksi diterima atau ditolak. Sampling dilakukan pada 10 item dari
suatu lot yang berisi 100 item yang memiliki 12 item defect. Misal X
adalah variabel random yang meyatakan jumlah item yang ditemukan
defect dalam sample. Terdapat 10 item dalam sampel. Hal ini berarti,
variabel random dapat memiliki nilai antara 0,1,2…9,10.

5. Suatu sampling plan melibatkan sampling untuk item-item dari suatu

proses produksi, dilakukan pengecekan hingga suatu item yang defect
ditemukan. Proses pengecekan tergantung pada berapa banyak item yang
diobservasi. Misal X adalah variabel random yang dinyatakan sebagai
jumlah item yang diobservasi hingga suatu item defect ditemukan. N
menyatakan nondefect, dan D menyatakan defect. Ruang sample dapat
berupa:

S = {D}, jika X = 1, yang berarti adalah item pengecekan pertama

memberikan hasil defect;
S = {ND}, jika X = 2, yang berarti adalah item pengecekan pertama
memberikan hasil non defect, dan item pengecekan kedua memberikan
hasil defect;
S = {NND}, jika X = 3, yang berarti adalah item pengecekan pertama dan
kedua memberikan hasil non defect, dan item pengecekan ketiga
memberikan hasil defect; dst

Universitas Esa Unggul

http://esaunggul.ac.id
5 / 15
I.1 Variabel Random Diskrit dan Kontinu

Outcome atau hasil dari suatu percobaan dapat bersifat terbatas (finite),
maupun tidak terbatas (infinite). Jika suatu ruang sample berisi sejumlah
kemungkinan yang terbatas (finite), disebut ruang sample diskrit. Jika suatu ruang
sample berisi sejumlah kemungkinan yang tidak terbatas (infinite), disebut ruang
sample kontinu. Yang dimaksud dengan ruang sampel tidak terbatas misalnya,
ketika seorang analis ingin mengukur jarak tempuh mobil dengan menggunakan
5L bensin. ‘Jarak’ merupakan ukuran yang dikaji yang memiliki level akurasi
tertentu, sehingga ruang sampel nya tidak terbatas, karena bisa saja level akurasi
sebatas 1 desimal maka hasilya misal 60.4 km, atau sebatas 2 desimal maka
hasilnya misal 60.43 km, dst.
Variabel random diskrit adalah ketika kemungkinan output percobaan
dapat dihitung , seperti contoh 1,2, dan 3 di atas. Biasanya data output merupakan
data yang dihitung (countable data), seperti jumlah defect, jumlah bola merah, dll.
Variabel random kontinu adalah ketika kemungkinan output percobaan dapat
memiliki seluruh nilai dalam suatu interval. Biasanya data output merupakan data
pengukuran, seperti tinggi, berat, jarak, dll.

Contoh variabel random kontinu;

6. X adalah variabel random yang didefinisikan sebagai waktu tunggu dalam
jam, antara kedatangan antar pasien di rumah sakit, maka variabel random
X adalah seluruh nilai x dimana x > 0.

II. Distribusi Probabilitas Diskrit

Variabel random diskrit mengasumsikan memiliki probabilitas yang pasti

pada setiap nilainya. Contoh, dalam percobaan melempar sebuah koin sebanyak 3
kali, variable random X merepresentasikan jumlah gambar yang muncul, misal A
adalah angka, dan G adalah gambar, maka output eksperimen yang mungkin
muncul adalah:

Universitas Esa Unggul

http://esaunggul.ac.id
6 / 15
 GGG GAG
GGA AAG
GAA AGG
AAA AGA

Untuk x = 2 (muncul gambar sebanyak 2 kali), maka dapat terjadi saat GGA,
GAG, dan AGG, sehingga probabilitasnya adalah 3/8.

II.1 Probability Mass Function atau Fungsi Distribusi Probabilitas Diskrit

Biasanya, semua kemungkinan variable random X direpresentasikan

dalam suatu formula. Formula tersebut dapat berbentuk suatu fungsi, atau suatu
nilai x yang dinotasikan dalam f(x), g(x), r(x), dll. Oleh karena itu, kita dapat
menuliskan f(x) = P(X=x), yaitu probabilitas X bernilai x. Himpunan pasangan
berurut (x,f(x)) disebut fungsi probabilitas atau probability mass function
(pmf), atau distribusi probabilitas dari variabel random diskrit X, jika untuk
tiap outcome yang mungkin berlaku karakteristik sebagai berikut:

Contoh:

7. Dalam pengiriman 20 laptop ke toko retail, terdapat 3 laptop yang rusak.

Jika suatu sekolah melakukan pembelian secara random dua laptop, berapa
distribusi probabilitas untuk tiap kemungkinan laptop rusak terbeli?

Jawab:
Misal X adalah variable random (dimana nilainya, x) yang merupakan
jumlah laptop yang rusak yang terbeli. Sehingga nilai x adalah antara 0, 1,

Universitas Esa Unggul

http://esaunggul.ac.id
7 / 15
 atau 2. Dengan menggunakan prinsip kombinasi, kita dapat menghitung
probabilitas laptop rusak yan terbeli.

a. Tidak ada laptop rusak yang terbeli (x = 0)

b. Terbeli 1 laptop rusak (x = 1)

c. Semua laptop yang dibeli rusak (2 laptop) (x= 2)

Sehingga distribusi probabilitasnya adalah :

Universitas Esa Unggul

http://esaunggul.ac.id
8 / 15
II.2 Cumulative Distribution Function untuk Variabel Diskrit
Ada kalanya yang dibutuhkan adalah mengetahui probabilitas suatu
variabel random X akan kurang dari sama dengan suatu nilai riil x, atau dapat
ditulis :

F(x) = P(X< x) untuk setiap nilai x yang riil

Dalam hal ini, F(x) disebut cumulative distribution function untuk variabel
random X. Fungsi ini merupakan jumlah dari seluruh nilai fungsi probabilitas
untuk nilai X sama dengan atau kurang dari x. Cumulative distribution function
F(x) dari suatu variabel random diskrit X dengan distribusi probabilitas f(x) ditulis
sebagai:

Dengan karakteristik:
1. 0 < F(x) < 1
2. F(x) adalah nondecreasing function
3. F(y) = 0 untuk tiap titik y yang lebih kecil dari nilai terkecil pada semesta X
4. F(z) = 1 untuk setiap titik z yang lebih besar dari nilai terbesar pada semesta X

Contoh:

8. Pada pelemparan sebuah koin sebanyak 3 kali maka outcome yang dapat
muncul adalah sbb dimana G adalah gambar, dan A adalah angka.
GGG GAG
GGA AAG
GAA AGG
AAA AGA

Misal x menyatakan kemunculan gambar dari pelemparan 3 koin tersebut,

maka:

Universitas Esa Unggul

http://esaunggul.ac.id
9 / 15
 x 0 1 2 3
f(x) 1/8 3/8 3/8 1/8

Maka cumulative distribution functionnya adalah;

F(0) = f(0) = 1/8
F(1) = f(0) + f(1) = 1/8 + 3/8 = 4/8
F(2) = f(0)+f(1)+f(2) = 1/8+3/8+3/8 = 7/8
F(3) = f(0)+f(1)+f(2) +f(3) = 1/8+3/8+3/8+1/8 = 1

Sehingga
0; untuk x < 0
1/8 ; untuk 0 < x < 1

F(x) = 4/8 ; untuk 1 < x < 2

7/8 ; untuk 2 < x < 3
1 ; untuk x > 3

9. Dari Contoh 8 di atas, dengan menggunakan fungsi cumulative mass

function, F(x), buktikan bahwa f(2) = 3/8.
Jawab:
f(2) = F(2) – F(1) = 7/ 8 – 4/8 = 3/8

II.3 Grafik

Misal suatu eksperimen memiliki fungsi distribusi probabilitas atau

probability mass function sebagai berikut:

x 0 1 2 3 4
f(x) 1/16 1/4 3/8 1/4 1/16

Universitas Esa Unggul

http://esaunggul.ac.id
10 / 15
 Maka plotting untuk probability mass function tersebut adalah:

Untuk probability mass function di atas, maka cumulative distribution

function yang dihasilkan adalah:

Hasil plotting untuk cumulative distribution function tersebut adalah:

Universitas Esa Unggul

http://esaunggul.ac.id
11 / 15
LATIHAN

1. Klasifikasikan apakah variabel random berikut termasuk diskrit atau

kontinu:
a. Jumlah mobil yang masuk tol dalam kota di Jakarta setiap minggu
b. Lama waktu pertandingan basket 1 quarter
c. Banyaknya susu yang diproduksi tahunan dari suatu peternakan

2. Pengiriman 10 ponsel memiliki 4 ponsel yang defect. Sebuah counter

membeli random 2 ponsel. Jika x adalah jumlah ponsel yang terbeli,
tentukan distribusi probabilitas X.

Kunci jawaban
1. a. diskrit
b. kontinu
c. kontinu

2. Tidak ada laptop rusak yang terbeli (x = 0)

3. Terbeli 1 laptop rusak (x = 1)

4. Semua laptop yang dibeli rusak (2 laptop) (x= 2)

Universitas Esa Unggul

http://esaunggul.ac.id
12 / 15
 Distribusi probabilitasn X:

x 0 1 2
f(x) 0.333 0.533 0.133

Universitas Esa Unggul

http://esaunggul.ac.id
13 / 15
Referensi:
Walpole, et al. 2011. Probability & Statistics for Engineers & Scientist 9th Ed.
Prentice Hall.
https://www.researchgate.net/publication/235986658_Students'_misconceptions_a
bout_random_variables

Universitas Esa Unggul

http://esaunggul.ac.id
14 / 15