Pengajaran
1
• RAP dan Pengantar
Distribusi Peluang
• Variabel / Peubah Acak
• Variabel Acak Diskrit dan
Kontinu
• Distribusi Peluang Diskrit
dan Distribusi Peluang
Kontinu
2
• Distribusi Bernoulli
• Distribusi Binomial
• Distribusi Normal
• Tabel Distribusi
Normal Z
3
• Pendugaan Parameter Rata-rata
(μ)
• Pendugaan Proporsi (p)
2
• Pendugaan Ragam (𝜎 )
• Pendugaan Selisish Rata-rata
• Pendugaan Selisish Proporsi
• Pendugaan Selisish Rata-rata
• Pendugaan Selisish Proporsi
4
• Kuis 2
• Bahan materi pertemuan
10 – 12
5
• Uji Hipotesa Rata-rata untuk 1
Populasi
• Uji Hipotesa Proporsi untuk 1
Populasi
• Uji Hipotesa Rata-rata untuk 2
Populasi
• Uji Hipotesa Proporsi untuk 2
Populasi
• Uji Pengamatan Berpasangan
6
1. Referensi Buku
o Dasar-dasar Statistika (Suntoyo Yitnosumarto)
o Teori dan Aplikasi dalam Statistik
(Sudaryono)
2. Tabel Distribusi (Difotokopi jadikan 1 bendel
beri nama, NIM dan nomor urut utk Tugas
dan Kuis / UAS)
o Binomial
o Binomial Kumulatif
8
9
PENGANTAR
DISTRIBUSI PELUANG
Pada aplikasi di kehidupan sehari-hari,
distribusi peluang sangat berguna untuk
menganalisis terjadinya suatu peristiwa atau
kejadian
Jika kejadian bersifat berhingga maka
distribusi peluangnya berbeda dengan kejadian
yang tak berhingga
Dari peristiwa seorang ibu yang melahirkan
Ada dua kemungkinan jenis kelamin yaitu Laki-
laki (L) atau Perempuan (P)
Jika peluangnya masing-masing untuk melahirkan
L dan P adalah ½ ruang sampel dari peristiwa
ini :
Untuk 1 orang anak :
S = {L, P}
Untuk 2 orang anak :
S = {LL, LP, PL, PP}
Untuk tiga orang anak :
S = {LLL, LLP, LPL,PLL, LPP, PLP, PPL, PPP}
Untuk empat orang anak :
S = {LLLL, LLLP, LLPL,LPLL, PLLL, LLPP, LPLP, LPPL,
PLLP, PLPL, PPLL, LPPP, PLPP, PPLP, PPPL, PPPP}
Bila disajikan dalam bentuk tabel sbb
Tabel 1
Jumlah Susunan Titik Peluang L
L Sampel
0 PPPP 1 1/16 = 0,0625
1 LPPP, PLPP, PPLP, PPPL 4 4/16 = 0,25
2 LLPP, LPLP, LPPL, PLLP, PLPL, PPLL 6 6/16 = 0,375
3 LLLP, LLPL, LPLL, PLLL 4 4/16 = 0,25
4 LLLL 1 1/16 = 0,0625
Jumlah 16 1,00
Misalkan dari Tabel 1
Jumlah anak laki-laki yang lahir variabel X
Setiap nilai X = (0, 1, 2, 3, 4) mempunyai
hubungan dengan sebuah nilai peluang
variabel X disebut variabel acak
Variabel acak biasanya dinotasikan dengan
huruf kapital, sedangkan nilai-nilainya
dituliskan dengan huruf kecil (x)
Variabel acak ada 2 :
1. Variabel acak diskrit
2. Variabel acak kontinu
JikaTabel 1 disusun kembali dalam notasi
variabel acak akan diperoleh Tabel 2
Tabel Distribusi Peluang Variabel X
Tabel 2
X P(X)
0 0,0625
1 0,25
2 0,375
3 0,25
4 0,0625
JUMLAH 1,000
Sebuah distribusi peluang dikatakan sudah
terbentuk jika semua peluang dari setiap
variabel acak berjumlah satu
Notasi baru untuk penulisan peluang dapat
dituliskan menjadi
P(X=0) = 0,0625
P(X=1) = 0,25
dan seterusnya
Variabel acak diskrit berhubungan dengan hasil
sebuah peristiwa yang ruang sampelnya
terhingga dan terhitung
Distribusi peluangnya disebut distribusi peluang
variabel acak diskrit distribusi peluang
diskrit
Umumnya berhubungan dengan pencacahan
terhadap suatu objek atau indvidu tidak
mungkin dikatakan jumlah laki-laki = ½ atau ¼
Beberapa contoh variabel diskrit :
1. Jumlah kendaraan yang melewati
persimpangan jalan
2. Jumlah kecelakaan per minggu
Variabel acak kontinu didefinisikan sebagai suatu
variabel yang nilai-nilainya berada dalam ruang sample
takterhingga
Variabel acak kontinu mempunyai sebuah harga dimana
harga-harga x dibatasi oleh - < x <
Variabel acak kontinu diilustrasikan sebagai titik-titik
dalam sebuah garis
Pengukuran fisik seperti waktu atau panjang contoh
yang paling mudah dipahami
Misalkan para buruh di sebuah wilayah akan diukur tinggi
badannya. Jika menggunakan meteran dengan ketelitian
sentimeter tinggi setiap orang bisa dianggap sebagai
titik dalam meteran tersebut setiap ukuran X akan
berhubungan titik-titik yang jumlahnya sangat banyak
atau takterhingga
Distribusi peluangnya disebut distribusi peluang variabel
acak kontinu distribusi peluang kontinu
Adalah suatu ruang sampel yang mengandung
jumlah titik sampel yang terhingga atau suatu
barisan unsur yang tidak pernah berakhir tetapi
yang sama banyaknya dengan bilangan cacah
(Walpole,1993)
Distribusi probabilitas variabel acak diskrit yang
dikenal diantaranya
1. Distribusi Binomial
2. Distribusi Multinomial
3. Distribusi Binomial Negatif
4. Distribusi Geometrik
5. Distribusi Hipergeometrik
6. Distribusi Poisson
7. Distribusi Seragam Diskrit
Adalah variabel acak yang dapat memperoleh semua
nilai pada skala kontinu / interval
Ruang sampel kontinu adalah bila ruang sampel
mengandung titik sampel yang tak terhingga banyaknya
Distribusi probabilitas variabel acak kontinu yang dikenal
diantaranya
1. Distribusi Normal
2. Distribusi Eksponensial
3. Distribusi Gamma
4. Distribusi Beta
5. Distribusi Khi-Kuadrat
6. Distribusi Seragam Kontinu
7. Distribusi Weibull
8. Distribusi Pareto
9. Distribusi Gumbel
DISTRIBUSI BINOMIAL
Distribusi peluang binomial salah satu distribusi
peluang diskrit yang banyak menjelaskan mengenai
proses bisnis dan fenomena fisika
Ada empat kondisi yang harus dipenuhi :
1. Proses atau peristiwa harus dapat didefinisikan
hanya memiliki dua dan hanya dua peristiwa yang
saling eksklusif dan lengkap
2. Peluang terjadinya sebuah peristiwa harus sama
untuk setiap percobaan dan tidak boleh berubah-
ubah karena waktu dan jumlah percobaan
3. Setiap percobaan harus independen dengan
percobaan yang lain. Artinya sebuah percobaan
tidak dapat mempengaruhi percobaan lain
4. Jumlah percobaan harus bersifat diskrit
Contoh percobaan pelemparan sebuah dadu Setiap
dadu dilempar menghasilkan satu dari enam peristiwa
Hasil yang akan terjadi misalnya peristiwa
“munculnya angka empat” atau “angka bukan empat”
Jelas peristiwa yang saling eksklusif dan lengkap
karena “munculnya angka empat” dan “bukan angka
empat” akan tercakup dalam pelemparan sebuah
dadu KONDISI 1
Jika dadu yang dilempar adalah dadu yang fair
peluang munculnya angka dalam setiap percobaan
tidak akan berubah-ubah, peluang munculnya angka
empat adalah 1/6 KONDISI 2
Dadu tidak memiliki memori artinya dadu tidak
mengingat apa yang telah terjadi sebelumnya
Peluang munculnya angka empat pada pelemparan
dadu pertama kali = 1/6
Pelemparan yang kedua dan seterusnya peluangnya
tetap 1/6
Peluang ini tidak dipengaruhi oleh peristiwa
sebelumnya
Dalam teori peluang peristiwa ini saling
independen antara yang satu dengan lainnya
KONDISI 3
Distribusi yang bersumber dari Percobaan Bernoulli.
Percobaan Bernoulli adalah 1 (satu) percobaan yang
menghasilkan dua kemungkinan hasil Sukses dan Gagal
Contohnya pelemparan satu buah mata uang logam
terdapat 2 kemungkinan hasil yang bisa diperoleh dari satu
kali pelemparan Angka dan Gambar
Misalkan munculnya Angka kejadian yang Sukses
peluang munculnya = p
Munculnya Gambar dianggap kejadian yang Gagal
peluang munculnya = q atau 1−p.
Variabel acak X terkait percobaan tersebut
diberi nilai 1 dengan peluang p jika "Sukses" terjadi dan
diberi nilai 0 jika "Gagal" terjadi dengan peluang q atau
1−p
Variabel acak X dikatakan berdistribusi Bernoulli.
Distribusi binomial muncul ketika Percobaan
Bernoulli diulang sebanyak n kali
Setiap pengulangan peluang sukses selalu
sama yaitu p begitu juga dengan peluang
gagal yaitu 1−p
Setiap pengulangan bebas terhadap pengulangan
berikutnya
x 0 1 1 1 2 2 2 3
X = variabel acak
Hasil = Ruang sampel = S
TTT / TTc dst = Titik-titik sampel
Misalkan ada informasi bahwa bahan
tersebut dipilih secara acak dari proses
yang dianggap menghasilkan 25% bahan
yang cacat, p = 0.25, maka
P(CTT) = (0.25)(0.75)(0.75) = 0.141
dengan cara yang sama didapatkan dist.
peluang X adalah
x 0 1 2 3
f(x) 0.422 0.422 0.141 0.016 Dist. Binomial
Suatu usaha Bernoulli dapat
menghasilkan sukses dengan peluang p
dan gagal dengan peluang q = 1-p,
maka distribusi binomial X, yaitu
banyaknya sukses dalam n usaha
Bernoulli adalah
n x n x
b( x; n, p) p q , x 0,1, 2,..., n
x
Ingat Distribusi Binomial Ilustrasi 3:
x 0 1 2 3
f(x) 0.422 0.422 0.141 0.016
3
b( x;3,0.25) (0.25) x (0.75)3 x , x 0,1, 2,3
x
Suatu suku cadang dapat menahan uji
goncangan tertentu dengan peluang ¾.
Hitunglah peluang bahwa tepat 2 dari 4 suku
cadang yang diuji tidak akan rusak!
Solusi:
n = 4; p = ¾ → q = ¼. Berapa P(X=2)?
2 2
2
3 4 3 1 4! 3 27
b 2; 4, . 4
4 2 4 4 2!2! 4 128
35
Untuk P(X < x) atau P(x1 < X < x2)
36
Peluang untuk sembuh seorang
penderita penyakit darah yang jarang
adalah 0.4. Bila diketahui ada 15
orang yang telah mengidap penyakit
tersebut, berapakah peluangnya: a)
paling sedikit 10 akan sembuh; b)
antara 3 sampai 8 yang sembuh; c)
tepat 5 yang sembuh!
37
X = # penderita yang sembuh;
n = 15; p = 0.4; q = 0.6.
48
Merupakan distribusi kontinyu yang paling
penting dalam statistika.
σ KURVA
NORMAL
x
μ
1. Grafik simetri terhadap garis tegak x = µ
2. Grafik selalu berada di atas sumbu x atau
f(x) > 0
3. Mempunyai satu nilai modus
4. Grafiknya mendekati sumbu x, tetapi tidak
akan memotong sumbu x, sumbu x
merupakan garis batas (asimtot)
5. Luas daerah di bawah kurva f(x) dan di atas
sumbu x sama dengan 1, yaitu P(-∞<x<∞) = 1
Distribusi peluang variabel acak normal X,
dengan rata-rata μ dan varians σ2, ialah
1 1/ 2 x /
2
n( x; , ) e , x
2
dengan 3.14159... dan e 2.71828....
σ1
σ1 σ2
σ2
x x
μ1 μ2 μ1= μ2
Luas di bawah kurva normal:
x2
P( x1 X x2 ) n( x; , )dx
x1
x2
1 1/ 2 x /
2
2
e
x1
dx
P( x1 X x2 ) luas arsiran
x
x1 μ x2
Secara matematis bentuk integral fungsi di
bawah kurva normal sangat sulit dipecahkan
secara langsung dengan teknik integral
x
Z
sehingga,
P( x1 X x2 ) P( z1 Z z2 )
σ=1
μ=0
x z
x1 x2 μ z1 z2
Dengan transformasi diperoleh
distribusi normal dengan rata-rata
µ = 0 dan simpangan baku σ = 1
atau ditulis N[0,1] disebut
distribusi normal standart
Luas kurva Distribusi Normal
Standar yang ditransformasi sudah
ditabelkan, sehingga
penghitungannya menjadi lebih
mudah
?
z
0 1,54
z
0 𝒁𝟎
z
0 1,54
?
Tabel P(Z < 𝒁𝟎 )
z
0 𝒁𝟎
z
0 1,54
?
Tabel P(Z > 𝒁𝟎 )
z
0 𝒁𝟎
b. P(-1,97<Z<0,86)
= P(-1,97<Z<0) + P(0<Z<0,86) ?
= P(0<Z<1,97) + P(0<Z<0,86)
=0,4756 + 0,3051
z
0 0.86
= 0,7807 -1.97
Dari pengiriman sebanyak 1.000 rim kertas koran
dengan berat 60 gr diketahui bahwa rata-rata tiap
rimnya berisi 450 lembar dengan standar deviasi 10
lembar. Jika distribusi jumlah kertas per rim tsb
berdistribusi normal, berapa persen dari rim kertas
itu yang berisi 455 lembar atau lebih ?
Diket : µ = 450, σ = 10
Misal : X = jumlah kertas per rim
X berdistribusi normal
Ditanyakan : P(X ≥ 455)
Transformasi nilai X Z :