MAKALAH STASTIKA

Discrete Probability Distribulions

Oleh :

Renaldy Wira Kusuma 201710350311138

Suhasti Nabila 201710350311144
Nasrudin 201710350311150
Teguh Wahyu Tri Pamungkas 201710350311156
Damalola Yudiarfa 201710350311170

JURUSAN PETERNAKAN

FAKULTAS PERTANIAN PETERNAKAN

UNIVERSITAS MUHAMMADIYAH MALANG

2018

i
 DAFTAR ISI

DAFTAR ISI...........................................................................................................................ii
KATA PENGANTAR...........................................................................................................iii
BAB I PENDAHULUAN.......................................................................................................1
1.1 Latar Belakang............................................................................................................1
1.2  Rumusan Masalah.......................................................................................................2
1.3 Tujuan...........................................................................................................................2
BAB II PEMBAHASAN........................................................................................................3
2.1 Peluang.........................................................................................................................3
2.2. Pengertian Distribusi..................................................................................................4
1. Distribusi Seragam.....................................................................................................5
2. Distribusi Binomial....................................................................................................7
3. Distribusi Multinomial...............................................................................................8
4. Distribusi Hipergeometrik.......................................................................................10
BAB III PENUTUP..............................................................................................................13
3.1 Kesimpulan................................................................................................................13
3.2 Saran...........................................................................................................................13
DAFTAR PUSTAKA...........................................................................................................14

ii
 KATA PENGANTAR

Segala puji bagi Allah SWT. Tuhan semesta alam yang telah memberikan
segala rahmat dan kenikmatan serta kasih sayang-nya kepada kita sehingga dengan
nikmat itu kami bisa menyusun dan menyelesaikan makalah ini untuk memenuhi
nilai tugas dari mata pelajaran STATISTIKA jurusan PETERNAKAN Universitas
Muhammadiyah Malang (UMM) sesuai dengan yang kami harapkan.

Sholawat serta salam semoga tetap tercurahkan kepada Nabi muhammad

SAW. Manusia pilihan Allah yang memiliki jiwa perjuangan yang gigih, berani,
tegas, namun penuh kelembutan yang diberikan amanat untuk menyebarkan agama
islam kepada seluruh umat manusia, yang sampai sekarang masih dapat kita nikmati
secara bersama-sama betapa indahnya Agama islam ini.

Dalam penyusunan makalah ini, kami mengucapkan banyak terima kasih yang
sebesar-besarnya kepada Dosen pembimbing yang telah membantu kami dalam
penyusunan makalah ini dan kepada teman-teman, serta semua pihak yang secara
tidak langsung membantu kami dalam menyusun makalah ini hingga selesai.

Semoga makalah ini dapat memberikan wawasan yang lebih luas dan menjadi
sumbangan pemikiran kepada para pembaca. Kami sadar bahwa makalah ini masih
banyak kekurangan dan jauh dari sempurna. Untuk itu, kami meminta masukan
kepada para Dosen pembimbing demi perbaikan pembuatan makalah kami di masa
yang akan datang dan mengharapkan kritik dan saran dari para pembaca.

Malang, 27 Maret 2018

Penyusun

iii
iv
 BAB I

PENDAHULUAN

1.1 Latar Belakang

Sejauh ini teori peluang yang kita bicarakan hanya sebatas pada suatu peristiwa
tertentu atau tentang kemungkinan terjadinya peristiwa dengan nilai peluang
tertentu. Padahal masih ada nilai-nilai peluang dari peristiwa lainnya yang bisa
ditentukan. Nilai-nilai peluang tambahan yang demikian bisa membentuk suatu
distribusi yang disebut sebagai distribusi peluang. Sebagai contoh, ketika melempar
sebuah dadu, kita bisa menghitung peluang dari seluruh peristiwa yang mungkin
yakni munculnya angka 1, 2, 3, 4, 5 dan 6 yang masing-masing memiliki peluang
1/6.
Teori peluang bukan bahan baru lagi bagi anda, karena teori ini sudah anda
pelajari dalam Matetatika tingkat SMP maupun SMA. Teori peluang ini juga dikenal
teori probabilitas atau teori kemungkinaan.
Peluang banyak digunakan dibidang lain, selain bidang Matematika. Ahli fisika
menggunakan peluang untuk mempelajari macam-macam gas dan hukum panas
dalam teori atom. Ahli biologi mengaplikasi teknik peluang dalam ilmu genetika dan
teori seleksi alam. Dalam dunia bisnis teknik peluang digunakan untuk pengembalian
keputusan.
Peluang merupakan teori dasar stastistika, suatu disiplin ilmu yang
mempelajari pengumpulan, pengaturan, perhitungan, penggambaran dan
penganalisisan data, serta penarikan kesimpulan yang valid berdasarkan
penganalisisan yang dilakukan dan pembuatan keputusan yang rasional.
Makalah ini membahas tentang pengertian dan aturan dalam peluang. Dalam
mempelajarinya anda diharapkan dapat menggunakan konsep permutasi, kombinasi
dan peluang untuk menyelesaikan masalah dalam Matematika atau bidang lain
Banyak masalah yang disinggung dan harus diselesaikan dengan cara yang
mudah dan sederhana namun dalam waktu yang singkat, oleh karena itu metode yang
terdapat di bagian statistik dapat mempermudah jalannya proses pemecahan masalah.
Salah satu contoh penerapannya dalam menyelesaikan masalah metode
statistik menggunakan peluang sebagai pendekatan pada hasil sebuah masalah, hal ini

1
dapat diaplikasikan pada kehidupan sehari-hari sebagai satu pendekatan
menyelesaikan suatu masalah dalam pilihan.

1.2  Rumusan Masalah

Adapun rumusan masalah pada makalah ini , antara lain :
1.   Apa yang dimaksud distribusi normal dan cara kerjanya ?
2.   Bagaimana cara kerja pengujian normalitas?
3.   Apa itu Distribusi student dan penerapannya?
4.   Apa yang dimaksud Pengujian Chi-Kuadrat?
5.   Apa yang dimaksud Distribusi F?

1.3 Tujuan
Adapun tujuan dalam pembuatan makalah ini adalah sebagai berikut :
1. Mengetahui pengertian dan cara kerja distribusi normal.
2. Mengetahui cara kerja pengujian normalitas.
3. Mengetahui pengertian distribusi student dan penerapannya.
4. Mengetahui pengertian yang dimaksud distribusi F.

2
 BAB II
PEMBAHASAN

2.1 Peluang
Peluang atau yang sering disebut sebagai probabilitas dapat dipandang sebagai
cara untuk mengungkapkan ukuran ketidakpastian/ ketidakyakinan/ kemungkinan
suatu peristiwa terjadi atau tidak terjadi. Untuk menyatakan suatu ketidakpastian atau
kepastian diperlukan permodelan matematis yang secara teoritis dinyatakan dengan
sebaran atau distribusi. Nilai probabilitas suatu kejadian dalam suatu percobaan
tersebar di antara 0 dan 1 atau antara 0% dan 100%. Jika probabilitas/peluang suatu
kejadian A terjadi dilambangkan dengan notasi P(A) maka, probabilitas [bukan A]
atau komplemen A, atau probabilitas suatu kejadian A tidak akan terjadi, adalah 1-
P(A). Secara sederhana peluang suatu kejadian terjadi atau tidak dapat
direpresentasikan pada tabel 10.1 berikut.
Tabel 10.1 peluang suatu kejadian terjadi atau tidak

TIPE REPRESENTASI PERISTIWA TERJADI PERISTIWA TIDAK

TERJADI
Presentase 100 % 0%
Bilangan Bulat 1 0
Notasi Peluang P [A] 1-P [A]

Pada aplikasi di kehidupan sehari-hari, peluang distribusi sangat berguna untuk

menganalisis terjadinya suatu peristiwa atau kejadian, jika kejadian bersifat berhingga
maka objek sebarannya berbeda dengan kejadian yang tak berhingga. Objek dari
sebaran peluang adalah variabel acak dimana objek ini merupakan suatu fungsi yang
mengaitkan suatu bilangan real pada setiap unsur dalam ruang sampel. Jenis-jenis
sebaran perlu dipahami sebagai dasar penentuan uji kebolehjadian. Dan dalam
hubungannya dengan pengujian objek percobaan, pemilihan sebaran akan
mempermudah penghitungan peluang. Ditinjau dari objek kajian peluang distribusi
akan dikenal istilah peubah acak yang diklasifikasikan dalam kelompok besar yaitu

3
peubah acak diskrit dan kontinyu, dimana masing-masing peubah memiliki beberapa
jenis distribusi. Pada sebarang jenis percobaan yang kita lakukan maka setiap proses
yang melalui proses pengukuran akan mendapatkan suatu kemungkinan-
kemungkinan. Kemungkinan

Distribusi Peluang Diskrit Page 2

Pada percobaan akan menghasilkan suatu hasil numerik. Bilangan tersebut dapat
dipandang sebagai nilai yang diperoleh suatu peubah acak.

2.2. Pengertian Distribusi

Peluang Diskrit Jika suatu ruang sampel mengandung titik yang berhingga
banyaknya atau sederetan angka yang banyaknya sebanyak bilangan bulat, maka
ruang sampel itu disebut ruang sampel diskrit sedangkan peubah acak yang
didefinisikan pada ruang sampel tersebut adalah variabel acak diskrit. Variabel acak
diskrit X menentukan distribusi peluang apabila untuk nilai-nilai 𝑋 = 𝑥1,2,…,𝑥𝑛
terdapat peluang p (𝑥𝑖) sehingga:
∑(𝑥𝑖) = 1, 𝑛 𝑖−1
p(x) disebut fungsi peluang untuk variabel acak X pada harga X = x Suatu nilai
yang diharapkan akan menjadi kejadian dapat dipandang sebagai nilai harapan atau
dinyatakan dengan (X) dibaca “ekspektasi”. Dimana nilai harapan suatu peubah acak
dapat diperoleh dengan mengalikan tiap nilai peubah acak tersebut dengan
peluangnya dan menjumlahkan hasilnya .
∈ (𝑋) = ∑𝑥𝑖.𝑝(𝑥𝑖)
Jenis distribusi peluang diskrit antara lain Distribusi Seragam (Uniform),
Distribusi Binominal, Distribusi Multinominal, Distribusi Hypergeometrik, Distribusi
Poisson.

4
1. Distribusi Seragam (Uniform) Diskrit Edhy Sutanta (2005:74) menyatakan setiap
kejadian mempunyai probabilitas atau peluang yang sama/ seragam (uniform).
Sedangkan menurut Budiyono (2009: 97) Distribusi uniform diskret merupakan
distribusi variabel random diskret yang mengasumsikan bahwa semua nilai
mempunyai kemungkinan yang sama untuk muncul.

Definisi 1: Bila peubah acak X mendapat harga x1, x2, ..., xn, dengan peluang
yang sama, maka distribusi seragam diskrit diberikan oleh :

1
P ( x) =
n
Keterangan :
Distribusi Peluang Diskrit Page 3

(𝑥): Peluang terjadinya x

𝑥: harga variable
𝑛 ∶banyaknya data pengamatan / ukuran sampel

Teorema 1

Rataan distribusi seragam diskrit 𝑓(𝑥,𝑘) adalah

𝜇 = 𝐸(𝑥) = ∑ 𝑥.𝑃(𝑥), 𝑛 𝑖=1
dimana E(x)= Ekspektasi x
Varians distribusi seragam diskrit adalah
𝑑𝑎𝑛 𝜎2 = ∑(𝑥 −𝜇)2.𝑃(𝑥) 𝑘 𝑖=1

5
 Contoh : Untuk merencanakan persediaan suatu barang x, suatu toko serba ada
(Toserba) perlu memperkirakan jumlah permintaan harian terhadap barang x.
Menurut catatan penjualan, diketahui bahwa permintaan harian terhadap barang x
adalah berkisar di antara 0-5 unit. Permintaan ini memiliki fluktuasi secara acak,
sehingga tidak bisa ditentukan peluang permintaannya. Dalam hal ini, maka
permintaan terhadap barang x dapat dimodelkan mengikuti distribusi uniform. Untuk
empermudah penyelesaian contoh diatas, akan digunakan bantuan perhitungan seperti
ditampilkan pada Tabel 10.2.

Tabel 10.2 Perhitungan untuk distribusi uniform

Probabilitas
∑𝑝𝑒𝑟𝑚𝑖𝑛𝑡𝑎𝑎𝑛 Permintaan 𝑥𝑃(𝑥) (𝑥 −𝜇)² (𝑥− 𝜇)²
𝑥 𝑃(𝑥) 𝑃(𝑥)
0 1 0 6,25 1,04166
6
1 1 1 2,25 0,37500
6 6
2 1 2 0,25 0,04166
6 6
3 1 3 0,25 0,04166
6 6
4 1 4 2,25 0,37500
6 6
5 1 5 6,25 1,4166
6 6
Jumlah 15 17,5 2,9166
6
Berdasarkan hasil perhitungan pada tabel 10.2 maka ekspektasi rata-rata permintaan

per hari terhadap barang x, adalah sebagai berikut :

n
15
𝜇 = 𝐸(𝑥) = ∑ x . P ( x )= =2,5 unit perhari
i=1 6

6
Sedangkan dengan pendekatan distribusi uniform, maka rata-rata permintaan per hari
terhadap barang x adalah sebgai berikut :
k
σ ²=∑ ( x−μ)2. P( x)
i=1

k
𝜎¿
√∑
i=1
(x−μ) 2. P( x) = √ 2,9166 = 1,7078 𝑢𝑛𝑖𝑡.

2. Distribusi Binomial
Distribusi binomial menggambarkan distribusi probabilitas variabel acak diskrit
yang hanya mempunyai dua nilai yang mengkin, misalnya berhasil atau gagal.
(Sutanta: 2005, 76). Budiyono (2009 : 98) juga mengatakan bahwa Distribusi peluang
binomial adalah distribusi peluang yang dihasilkan dari sebuah eksperimen yang
sering dilakukan berulang-ulang, yang setiap kali hasil ulangan mempunyai dua
kemungkinan hasil yang dapat disebut sukses dan gagal. Sudjana (2005 : 130) juga
berpendapat sama yaitu “ distribusi binom adalah distribusi yang dihasilkan dari
eksperimen yang hanya menghasilkan peristiwa A dan bukan A. Ciri-ciri atau
karakteristik distribusi binomial : a. Percobaan diulang sebanyak n kali b. Hasil
setiap ulangan dapat dikategorikan dalam 2 kelas. Misal : “berhasil” atau “gagal”,
“ya” atau “tidak”, “success” atau “failed” c. Peluang berhasil atau sukses
disimbolkan dengan p dan dalam setiap ulangan nilai p tetap, dimana p = 1 – q
sedangkan peluang gagal dinyatakan dengan q dimana q = 1 – p d. Banyaknya
keberhasilan dalam peubah acak disimbolkan dengan X e. Setiap ulangan bersifat
bebas (independent) satu dengan lainnya. f. Semakin banyak N maka peluang
terjadinya suatu kejadian tertentu semakin kecil. Perlu diingat bahwa kejadian yang
menjadi pertanyaan ataupun ditanyakan dari suatu permasalahan bisa dikategorikan
sebagai kejadian “sukses atau berhasil”.

7
 Definisi 2 Banyaknya sukses X dalam n usaha suatu percobaan binomial disebut
suatu peubah acak binomial. Untuk mencari peluang dengan distribusi binomial
digunakan rumus :

𝑃(𝑋)= ( NX ) p q
X N− X

Sedangkan koefisien binom dicari dengan rumus:

N = N!
( )
n n !(N −n)!
Sehingga didapatkan rumus :
N!
P ( X )= pX qN − X
n !( N −n)!

Dengan = 0,1,2,…,𝑁 ; 𝑁! = (𝑁 −1)(𝑁 −2)….1; dan 0! = 1 berdasarkan definisi,

dalam distribusi binom dikenal parameter rata-rata (𝜇) dan simpangan baku (𝜎) 𝑀𝑒𝑎𝑛
∶ = 𝑁𝑝
𝑆𝑎𝑛𝑑𝑎𝑟 𝐷𝑒𝑣𝑖𝑎𝑠𝑖 ∶ 𝜎 = √ Npq

𝑉𝑎𝑟𝑖𝑎𝑛𝑠 ∶ 𝜎2 = 𝑁 Contoh : Dalam pelambungan sebuah mata uang tiga kali,

didefinisikan X= banyaknya Angka yang muncul. Berapa peluangnya muncul 2 buah
Angka ? Jawab :
𝑝 = Peluang muncul angka pada satu pelambungan = 1 2
𝑁 = 3 (Banyaknya pelambungan, banyaknya pengulangan)
𝑋 = 2 (Banyaknya Angka yang diharapkan muncul)

P ( X )= N p X q N− X
( )
n

2 3
3
(𝑋 = 2) = 3 1 1− 1 ¯ =( 3 ) 1 1 =
2
( )( ) ( )
2 2 2 4 2 8 ( )( )

8
 3
Jadi peluang munculnya 2 buah Angka adalah .
8

3. Distribusi Multinomial
Distribusi multinomial merupakan distribusi variabel acak diskrit dimana suatu
percobaan dapat menghasilkan beberapa kejadian. Distribusi multinomial adalah
perluasan dari distribusi binomial (Sudjana, 2005 :132). Budiyono (2009 : 101)
menyatakan bahwa eksperimen binomial akan menjadi eksperimen multinomial jika
setiap percobaan menghasilkan lebih dari dua kemungkinan hasil. Dalam
pelambungan sebuah dadu misalnya, akan terjadi 6 kemungkinan, yaitu muncul mata
1,2,3,4,5, atau 6 (Spiegel, Murray R., 2004 : 35).
Misalkan sebuah percobaan menghasilkan kejadian E1, E2, ……… , Ek dengan
peluang 𝑝1,𝑝2,…,𝑝𝐾dan dilakukan percobaan sebanyak N kali maka peluang
terjadinya x1 peristiwa E1, x2 peristiwa E2, …… xk peristiwa Ek diantara N,
ditentukan oleh :

N!
(𝑋₁,₂,….., X K )= 𝑝₁ͯ¹ 𝑝₂ͯ²⋯ p K ͯ ᵏ
X ₁! X ₂ ! , … .. , X K !

Dimana 𝑋1 +𝑋2 +⋯+ 𝑋𝐾 = 𝑁

Distribusi ini merupakan perluasan distribusi binomial. Karena rumus diatas

adalah suku umum dalam ekspansi multinomial (𝑝₁ + 𝑝₂ +⋯+ p K )ᴺ. Contoh : Dalam
sebuah kotak terdapat 3 bola merah, 4 bola biru, dan 5 bola putih. Sebuah bola
diambil dari kotak tersebut, dilihat warnanya, kemudian dikembalikan lagi kedalam
kotak. Diambil sebuah bola lagi, dilihat warnanya, kemudian dikembalikan lagi
kedalam kotak. Hal demikian dilakukan sampai 6 kali. Dalam 6 kali pengambilan
tersebut, berapa peluangnya terdapat 1 bola merah, 2 bola biru, dan 3 bola putih ?
Jawab :
3 4 5
𝑥₁ = 1; 𝑥₂ = 2; 𝑥₃ = 3; = 6 ; 𝑝₁ = ; 𝑝₂ = ; 𝑝₃ =
12 12 12

9
 (1 𝑏𝑜𝑙𝑎 𝑚𝑒𝑟𝑎ℎ,2 𝑏𝑜𝑙𝑎 𝑏𝑖𝑟𝑢,𝑑𝑎𝑛 3 𝑏𝑜𝑙𝑎 𝑝𝑢𝑡𝑖ℎ)

6! 3 4 5
; ( )¹ ( ) ²( )³ = 0,121
1! 2 ! 3 ! 12 12 12

4. Distribusi Hipergeometrik
Definisi 3 Banyaknya sukses X dalam percobaan hipergeometrik disebut peubah
acak hipergeometrik. Budiyono (2009 : 102), menyatakan bahwa distribusi
hipergeometrik adalah distribusi dari eksperimen sampling tanpa pengambilan. Jika
sebuah variabel acak x menyatakan jumlah sukses dalam n percobaan / sampel dan
total jumlah sukses (Edhy Sutanta, 2005 :79). D diambil dari sebuah populasi
berukuran N, maka x dikatakan mengikuti distribusi hipergeometrik dengan fungsi
peluang dirumuskan sebagai berikut :

(D x)(N −D)
𝑝(𝑥) = (n−x )
(N n)

Keterangan :
P(x) : peluang x
D : pengambilan
N : populasi
n : banyaknya data pengambilan / sampel (Sutanta:2005,79

Dengan 𝑥 = 0,1,2,…,𝑛 dan faktor –faktor diruas kanan ditentukan oleh rumus :

( Nn )= n !(NN−n)!
!

10
 Apabila populasi besar dan sampel relatif kecil, pengambilan secara sampling
dilakukan tanpa pengembalian menimbulkan efek terhadap probabilitas sukses dalam
setiap percobaan kecil, untuk mendekati nilai probabilitas hipergeometrik dapat
digunakan konsep distribusi binomial, dengan syarat n≤ 0,05 N. Suatu percobaan
hipergeometrik memiliki sifat berikut: 1. Sampel acak ukuran n diambil dari N benda.
2. Sebanyak k benda dapat diberi nama sukses sedangkan sisanya, N – k diberi nama
gagal. Rataan dan variansi distribusi hipergeometrik ℎ(𝑥;𝑁,𝑛,𝑘) adalah

Teorema 4

nk N −n k
𝜇= 𝑑𝑎𝑛 𝜎2 = 𝑛. ¿)
N N−1 N

Contoh : Suatu kotak memuat 100 bola dan 5 diantaranya merah. Jika 10 bola
diambil tanpa pengembalian, berapakah probabilitas mendapat paling sedikit 4
merah ? Jawab :

(D x)( N −D)
𝑝(𝑥) = (n−x )
( N n)

5 (100−5) 5 (100−5)
(𝑥 ≥ 4)+(𝑥 = 5) =
( 4)
+
(5 ) = 0,00025
(10−4) (10−5)
(100−10) (100−10)

11
12
 BAB III

PENUTUP

  3.1 Kesimpulan
Statistika dapat dibedakan sebagai statistika teoritis dan statistika terapan.
Statistika teoritis merupakan pengetahuan yang mengkaji dasar-dasar teori statistika,
teori penarikan contoh, distribusi, penaksiran dan peluang. Statistika terapan
merupakan penggunaan statistika teoritis yang disesuaikan dengan bidang tempat
penerapannya. Teknik-teknik penarikan kesimpulan seperti cara mengambil sebagian
populasi sebagai contoh, cara menghitung rentangan kekeliruan dan tingkat peluang,
menghitung harga rata-rata.
Tanpa menguasai statistika adalah tak mungkin untuk dapat menarik
kesimpulan induktif dengan sah. Statistika harus mendapat tempat yang sejajar
dengan matematika agar keseimbangan berpikir deduktif dan induktif yang
merupakan ciri dari berpikir ilmiah dapat dilakukan dengan baik. Statistika
merupakan sarana berpikir yang diperlukan untuk memproses pengetahuan secara
ilmiah. Statistika membantu untuk melakukan generalisasi dan menyimpulkan
karakteristik suatu kejadian secara lebih pasti dan bukan terjadi secara kebetulan.
   
3.2 Saran
Statistika mampu memberikan secara kuantitatif tingkat ketelitian dari
kesimpulan yang ditarik, yang pokoknya didasarkan pada azas yang sangat
sederhana, yakni makin besar contoh yang diambil maka makin tinggi pula tingkat
ketelitian kesimpulan. Sebaliknya makin sedikit contoh yang diambil maka makin
rendah pula tingkat ketelitiannya. Statistika juga memberikan kemampuan untuk
mengetahui suatu hubungan kausalita antara dua faktor atau lebih bersifat kebetulan
atau memang benar-benar terkait suatu hubungan yang bersifat empiris.

13
 DAFTAR PUSTAKA

Dudewicz, E.J. and Mishra, M. (1995). Statistika Matematika Modern. (Terjemahan

oleh R.K. Sembiring). Bandung: ITB.

Ross, S. (1996). Suatu Pengantar ke Teori Peluang. (Terjemahan oleh Bambang

Sumantri). Bogor: Jurusan Statistika FMIPA-IPB.

Sudjana. (1996). Metoda Statistika. Bandung: Tarsito.

14