BAB V

BEBERAPA DISTRIBUSI PELUANG DISKRIT

DAN KONTINU

Tujuan Instruksional Umum:

Mahasiswa dapat memahami bentuk-bentuk distribusi diskrit dan kontinu dan penggunaannya dalam
statistic.

Tujuan Instruksional Khusus:

Mahasiswa dapat menjelaskan bentuk-bentuk distribusi peluang diskrit dan kontinu, mahasiswa dapat
menentukan / menganalisa atau memodelkan distribusi peluang pada variable acak hasil experiment.

5.1. Distribusi Peluang Diskrit.

A. Distribusi Seragam (Uniform Distribution)
Distribusi ini merupakan distribusi yang paling mudah dari distribusi peluang diskrit yang ada
dimana setiap nilai variable acak diskrit diasumsikan berpeluang sama. Jika variable acak X
diasumsikan bervariabel X1, X2, Xk, …………………………dengan peluang yang sama, maka
distribusi seragam diskrit dinyatakan:
F(x;k) = 1/k x = X1, X2 …………………… Xk
Contoh soal:
Sebuah dadu dilemparkan sekali, setiap unsure dalam ruang contoh S = {1,2,3,4,5,6} terjadi
dengan peluang 1/6. Oleh karena itu distribusi peluang seragam, f(X;6) = 1/6; X = 1,2,3,4,5,6

Mean dan variansi dari distribusi seragam diskrit f(x,k) adalah:

k K
µ = ∑ X i /k dan σ = ∑ ¿¿ ¿
2

i=1 i=1

K K
µ = E(X) = ∑ X 1 f ( X i ; k ) = ∑ X i /k
i=1 i=1

1
 K
X 21
σ = E(X )=µ =∑
2 2 2
−μ
i=1 k

∑ X 21−Kμ
= i – ¿¿
K

Contoh soal:
Pada contoh soal diatas diperoleh:
µ = (1/6)(1+2+3+4+5+6)=3,5
σ2=¿ ¿

B. Distribusi Binominal
Suatu eksperimen merupakan ekperimen binominal bila memiliki sifat-sifat sebagai berikut:
1. Eksperimen tersebut terdiri dari n trial yang berulang.
2. Setiap trial memuat 2 hasil yang mungkin terjadi, diklarifikasikan sebagai sukses atau
gagal.
3. Peluang sukses, dinotasikan dengan p, konstan untuk setiap trial.
4. Trial-trial tersebut, bebas dengan lainnya.

Bila setiap percobaan binomial mempunyai peluang sukses sebesar p dan gagal sebesar q =
1-p, maka distribusi peluang dari variable acak binomial yang merupakan jumlah yang sukses
dalam n percobaan bebas adalah:
B(x,n,p) = n px qn-x : x = 0,1,2,…………….n
x

Contoh soal:
Kemungkinan seseorang penderita kanker bisa sembuh dengan suatu pengobatan tertentu
0,4. Tentukan peluang 2 orang dari 10 orang yang berobat tersebut sembuh?
Jawab:
N = 10; x=2; p=0,4; q=1-0,4=0,6

B(2;10; 0,4)= (102 )(0,4) (0,6) =0,121

2 8

2
Contoh Soal:
Kemungkinan seseorang penderita penyakit darah bisa sembuh 0, jika 15 orang penderita
diketahui berpenyakit ini, tentukan peluang.
(a) Sedikitnya 10 orang sembuh.
(b) Dari 3 sampai dengan 8 orang yang sembuh.
(c) Tepat 5 orang yang sembuh.
Jawab:
a) Pr (X<10) = 1 – Pr(X<10)
9
= 1 – ∑ b(X ; 15 ; 0,4)
x=0

= 1 – 0,9662
= 0,0338

8
b) Pr(3≤x≤8) = ∑ b(X ; 15 ; 0,4)
x=3

8 2
= ∑ b(X ; 15 ; 0,4)-∑ b(X ; 15 ; 0,4)
x=0 x=0

= 0,9050 – 0,0271
= 0,8779

c) Pr(X=5) = b(5;15;0,4)
5 4
= ∑ b(X ; 15 ; 0,4)-∑ b(X ; 15 ; 0,4)
x=0 x=0

= 0,4032 – 0,2173
= 0,1859

3
 Mean dan variasi dari distribusi binomial b(x;n;p) adalah:
µ=np dan σ2=npq

C. Distribusi Multinomial
Jika setiap percobaan terdapat k kejadian yang mungkin terjadi ; E1,E2………, Ek dengan
peluang p1,p2,…..pk, maka distribusi peluang variable acak x1,x2,…..xk yang menyatakan
banyaknya kejadian E1,E2,…….Ek pada n trial bebas adalah:
X1 X2 X K
F(X1,X2,……………,XK; P1,P2,……………PKN) - ( X . XN . X )
1 2 K
=
P1 P 2 P K
K K
Dimana ∑ X i = n dan ∑ P1 = 1
i=1 i=1

Contoh soal:
Jika sepasang dadu dilempar 6 kali. Berapakah peluang diperoleh jumlah 7 atau 11 dua kali,
angka kembar 1 kali dan kombinasi lainnya 3 kali?
Jawab:
Bila E1 = kejadian diperoleh jumlah 7 atau 11
E2 = kejadian diperoleh angka kembar
E3 = kejadian selain E1 dan E2

P1=Pr(E1)=2/9; P2=Pr(E2)=1/6; P1=Pr(E1)=11/18

X1=2; X2=1 dan X3, maka peluang yang dikehendaki i:
2 3
6 2 1 11
F(2,1,3; 2/9, 1/6, 11/18, 6) = ( 2,1,3 ) ( ) ( )( )
9 6 18

2 3
6! 2 1 11
=
2! .1 ! .3 ! 9 ( ) ( )( )
6 18

D. Distribusi Hipergeometrik
Sifat-sifat yang dimiliki oleh eksperimen hipergometrik:
1. Sampel acak berukuran n diambil dari populasi berukuran N.

4
2. K dan N obyek tersebut diklarifikasikan sebagai sukses dan N – K diklarifikasikan sebagai
gagal.
Bila X yang menyatakan banyaknya yang sukses pada eksperimen hipergeometrik disebut
sebagai variable acak hipergeometik.

Rumusan Distribusi hipergeometrik:

Distribusi peluang dari variable acak hipergeometrik X jumlah yang sukses pada contoh acak
berukuran n yang terpilih dari N buah obyek yang berisi k buah yang sukses dan N-k yang
gagal adalah:

k N−k
H(x; N ; n ; k) =
( x )( n−x )
; X = 0,1,2,………….n
N
(n )
Mean dan Variansi dari distribusi hipergeometrik
H(x;N;n,k) adalah:
k
µ=n
N
k k
σ2=n
N
1−(N )( NN −n
−1 )

untuk n yang relative sangat kecil dibandingkan N, maka eksperimen hipergeometrik akan
mendekati eksperimen binominal dengan = p kN mean dan variansinya juga mendekati
perumusan berikut:

k
µ = np = n
N
k k
σ2 = npq = n
N (
1−
N )
Contoh soal:
Suatu komite dari 5 orang dipilih secara acak dari 3 orang ahli kimia dan 5 orang ahli fisika.
Tentukan distribusi peluang bagi jumlah ahli kimia dalam komite?

5
Jawab:
3 5
Pr(X=0) =
( 0 )( 5 ) 1

(85 ) 56
3 5
Pr(X=1) =
( 1 )( 4 ) 15

(85) 56
3 5
Pr(X=2) =
( 2 )( 3 ) 30

( 85 ) 56
3 5
Pr(X=3) =
( 3 )( 2 ) 10
8 56
( 5)
X 0 1 2 3
1(X) 1/56 15/56 30/56 10/56

Contoh soal:
Sebuah kotak berisi 40 buah komponen akan diterima jika berisi tidak lebih dari 3 komponen
yang rusak. Prosedur pengambilan sampelnya, adalah memilih 5 komponen dan
menolaknya jika sebuah barang yang rusak diketemukannya. Tentukan peluang diperoleh 1
barang yang rusak dalam sampel, jika kotak tersebut berisi 3 barang rusak?
Jawab:
N=5; N=40; k=3; x=1

3 37
H (1;40;5,3) =
( 1 )( 4 )
= 0,3011
40
(5)
Contoh Soal:
Seseorang pembuat ban mobil melaporkan bahwa diantara 5000 ban yang dikirimkan
terdapat 1000 ban yang sedikit cacat.

6
Jika seseorang membeli 10 ban secara acak dari distributor berapa kumungkinan diperoleh 3
barang yang cacat?
Karena n=10 relatif sangat kecil dibandingkan N=5000, maka kita dapat dekati dengan
eksperimen binominal, jadi:
H(3;5000;10;1000) ∞ b(3;10;0,2)
3 2
= ∑ b(x ; 10; 0,2)- ∑ b(x ; 10; 0,2)
x=0 x=0

= 0,8791 – 0,6778
= 0,2013

Distribusi hipergeometrik dapat diperluas pada kasus dimana N obyek tersebut terbagi
dalam k partisi yaitu A1, A2, ………….. Ak. Bila kita tertarik pada distribusi peluang suatu
contoh acak berukuran n yang berisi X1 unsur dari A1, X1 unsur dari A2,……………… dan X1
unsur dari Ak maka distribusi peluang tersebut bisa kita tuliskan dengan f(X1, X2,…….. Xk; a1,
a2, …………….. ak; N; n).

Untuk memperoleh perumusan umum, kita melihat bahwa ada ( Nn ) sampel yang bisa
terbentuk dari pengambilan n obyek dari N buah.
a1
Selain itu ada ()
x1
cara dalam memilih X1 dari obyek-obyek yang ada pada A1 dan masing-

masing kita dapat memilih ( ax )

2

2
cara dalam penyusunan X2 dan seterusnya sampai dengan

ak
()
xk
cara dalam pengambilan Xk, sehingga peluang yang dikehendaki akan didefinisikan

sebagai berikut:

Pengembangan Distribusi Hipergeometrik.

Jika N objek dapat dipartisikan kedalam K sel, A1, A2, ……………….. Ak, dimana masing-masing
berisi a1, a2,………………ak, unsure maka distribusi peluang variable acak X1, X2, ………….. Xk,

7
 yang merupakan jumlah unsure yang terpilih dari A1, A2,……………..Ak, dalam contoh soal
berukuran n adalah:

a1 a a 3
( x 1) ( x 2) ( x 3 )
2

f(X1, X2, …………..; a1, a2, …………………… ak, N, n) =

( Nn )
k k
Dimana ∑ x 1=n dan ∑ ai=N
i=1 i=1

Contoh soal:
Suatu kumpulan terdiri dari 10 orang dalam studi kasus Biologi. Kumpulan tersebut terdiri
dari 3 orang dengan golongan daran O, 4 orang dengan golongan darah A, dan 3 orang
dengan golongan darah B.
Bila diambil contoh acak yang terdiri dari 5 orang, berapakah peluang diperoleh 1 orang
dengan golongan darah O, 2 orang dengan golongan darah A, dan 2 orang dengan golongan
darah B?
Jawab:
X1 = 1; X2 = 2; X3 = 2; a1 = 3; a2 = 4; a3 = 3; N = 10; n = 5
3 4 3
f(1, 2, 2, 3, 4, 3, 10, 5) =
( 1 )( 2 )( 2 ) 3
=
( 5 ) 14
10

E. Distribusi Poisson.
Sifat-sifat yang dimiliki eksperimen poisson sebagai berikut:
1. Jumlah sukses yang terjadi pada selang waktu tertentu atau daerah khusus bebas
dengan selang waktu atau daerah khusus yang lain.
2. Peluang diperoleh 1 skses pada selang waktu yang pendek sebanding dengan selang
waktu dan tidak tergantung pada jumlah yang sukses diluar selang tersebut (begitu juga
untuk daerah maka sebanding dengan ukuran daerah tersebut).

8
3. Peluang diperoleh lebih dari 1 sukses yang terjadi pada selang waktu yang pendek
diabaikan.

Jumlah yang sukses pada eksperimen poisson disebut variable acak poisson jadi, secara
ringkas kita menyatakan sifat eksperimen poisson adalah homogenitas dan independence
(bebas). Distribusi peluang variable acak poisson X, yang merupakan banyaknya yang sukses
pada selang waktu atau daerah yang diberikan adalah:

e−μ μ ❑x
P (X ; µ ) = ; x = 0, 1, 2, ……………………….
x!

Dimana : µ = rata-rata jumlah yang sukses pada selang waktu yang diberikan atau daerah
khusus tersebut.
E = 2,71828……. (bilangan alam)

Contoh soal:
Pada eksperimen dilaboratorium diperoleh rata-rata jumlah partikel radioaktif yang melalui
alat penghitung sebesar 4 dalam milidetik.
Berakah peluang diperoleh 6 partikel yang melalui counter dalam milidetik?
Jawab:
X = 6; µ = 4, dari table diperoleh:

6 6
e−4 4 6
P (6; 4) = = ∑ ¿ P ( x ; 4 )−¿ ∑ P(x ; 4)¿
6! x=0 x=0

= 0,8893 – 0,7851
= 0,1042

Contoh soal:
Rata-rata jumlah tanker yang singgah pada pelabuhan tertentu diketahui sebesar 10.
Fasilitas yang ada pada pelabuhan tersebut dapat menampung paling banyak 15 tanker
perhari.
Berapakah peluang pelabuhan tersebut tidak dapat menampung tanker lagi?

9
 Jawab:
X = jumlah tanker yang singgah perhari.

Pr (X > 15) = 1 – Pr (X ≤ 15)

15
= 1 – ∑ P (X ; 10)
x=0

= 1 – 0,9513
= 0,0487
Mean dan variansi dari distribusi poisson P (X; µ) keduanya sebesar µ.
Hubungan antara Distribusi Binominal dan Distribusi Poisson.
Bila X merupakan variable acak binominal dengan distribusi peluang b (x; n; p) n  ∞ , p 
0, dan µ = np konstan, b (x; n; p)  p(x; µ).

Dengan syarat diatas diperoleh:

e−μ μ ❑x
B(x; n, p) ¿ X = 0, 1, 2
x!

Contoh soal:
Pada suatu pabrik gelas tertentu diketahui terdapat kerusakan rata-rata 1 buah dari setiap
1000 buah yang diproduksi. Berapakah peluang diperoleh kurang dari barang cacat yang
berisi 8000 gelas?
Jawab:
N=8000; p=0,001; µ=np=8000(0,001)=8
6
Pr(x<7)=∑ P ( X ; 8000 ; 0,001)
x=0

6
≅ ∑ p (x ; 8)
x=0

= 0,3134

1.2. DISTRIBUSI NORMAL

10
Salah satu distribusi frekuensi yang paling penting dalam statistika adalah distribusi normal.
Distribusi normal berupa kurva berbentuk lonceng setangkup yang melebar tak berhingga pada
kedua arah positif dan negatifnya. Penggunaanya sama dengan penggunaan kurva distribusi
lainnya. Frekuensi relatif suatu variabel yang mengambil nilai antara dua titik pada sumbu datar.
Tidak semua distribusi berbentuk lonceng setangkup merupakan distribusi normal.

Pada tahun 1733 DeMoivre menemukan persamaan matematika kurva normal yang menjadi
dasar banyak teori statistika induktif. Distribusi normal sering pula disebut Distribusi Gauss
untuk menghormati Gauss (1777 – 1855), yang juga menemukan persamaannya waktu meneliti
galat dalam pengukuran yang berulang-ulang mengenai bahan yang sama.

Sifat dari variabel kontinu berbeda dengan variabel diskrit. Variabel kontinu mencakup semua
bilangan, baik utuh maupun pecahan. Oleh karenanya tidak bisa dipisahkan satu nilai dengan
nilai yang lain. Itulah sebabnya fungsi variabel random kontinu sering disebut fungsi kepadatan,
karena tidak ada ruang kosong diantara dua nilai tertentu. Dengan kata lain sesungguhnya
keberadaan satu buah angka dalam variabel kontinu jika ditinjau dari seluruh nilai adalah sangat
kecil, bahkan mendekati nol. Karena itu tidak bisa dicari probabilitas satu buah nilai dalam
variabel kontinu, tetapi yang dapat dilakukan adalah mencari probabilitas diantara dua buah
nilai.

Bentuk kurva distribusi ini seperti lonceng yang mempunyai garis simetris melalui puncaknya.
Hal ini bisa dilihat pada gambar berikut:

Gambar Kurva normal

11
Pada tahun 1733, De Meivre mengembangkan perumusan matematis dan kurva normal begitu
pula Gauss (1777 – 1855) secara terpisah menurunkan perumusan dari pengamatannya
terhadap galat eksperimen. Perumusannya dapat dinyatakan sebagai berikut:

2
1
e−¿ 1 x−µ
N(x; µ, σ) =
√2 π σ ( ( ))
2 σ
- ∞ < x<∞

Dimana X merupakan variable acak normal dengan mean µ dan variansinya σ 2. Apabila kita
melihat persamaan normal diatas, lokasi puncak dan bentuk kurava tergantung dari µ dan σ.
Semakin besar nilai µ semakin ke kanan lokasi puncak kurva, sedangkan semakin besar nilai σ
semakin landai bentuk kurvanya.
Adapun sifat-sifat lain dari kurva normal sebagai berikut:
1. Luasan dibawah kurva sebesar Satu.
2. Kurva simetris terhadap garis tegak yang melalui puncaknya.
3. Median, mean dan modusnya sama sebesar µ.
4. Sumbu X merupakan garis asimtot.

Untuk menyatakan luasan pada suatu daerah tertentu dengan notasi peluang, kita lihat contoh
di bawah ini:

12
Oleh karena itu untuk mendapatkan luasan kurva normal dengan berbagai µ dan σ maka kita
perlu melakukan trnasformasi sebagai berikut:

Distribusi ini disebut distribusi normal baku.

Contoh soal:
Nilai ujian statistic mengikuti distribusi normal dengan rata-rata = 60 dan deviasi standart = 12.
Hitunglah:
a. Persentasi mahasiswa yang nilainya diatas 75.
b. Persentasi mahasiswa yang nilainya antara 55 dan 65.
c. Persentase mahasiswa yang nilainya dibawah 40.

Jawab:
µ = 60; σ = 12
x−µ 75−60
Z= = = 1,25
σ 12
Pr(X>75) = Pr(Z>1,25)

Nilai Z pada table = 0,8944 sehingga Pr (Z>1,25) 1 – Pr(Z<1,25) = 1 – 0,8944 = 0,1056 atau
10,56% mahasiswa yang mendapat nilai diatas 75.

x−µ 55−60
Z1 = = = -0,42
σ 12

13
 x−µ 65−60
Z1 = = = 0,42
σ 12

Nilai table kurva normal untuk Z = -0,42 = 0,3372 dan Z=0,42 = 0,6628
Pr(55<X<65) = Pr (-0,42<Z<0,42) = Pr(Z<0,42)-Pr(Z<-0,42)
= 0,6628 – 0,3372 = 0,3256 atau 32,56%

Dengan cara lain yang sama maka persentase mahasiswa yang mempunyai nilai dibawah 40
adalah 4,75%.

Hampiran Normal Terhadap Binomial

Peluang yang berkaitan dengan percobaan binomial dengan langsung dapat diperoleh dari
rumus binomial b(x; n; p) atau dari table binomial, bila nilai n kecil. Untuk nilai n yang besar
yang tidak tersedia dalam table binomial maka dapat dihitung dengan cara hampiran atau
pendekatan dengan menggunakan distribusi normal. Bentuk transformasi normal baku adalah:
x−np
Z=
√ npq

Contoh:
Suatu proses menghasilkan sejumlah barang yang cacat 10%. Bila 100 barang diambil secara
acak dari proses tersebut, berapakah peluang bahwa banyaknya yang cacat melebihi 13?
Jawab:
Banyaknya yang cacat berdistribusi binomial dengan parameter n = 100 dan p = 0,1. Karena
ukuran sampel besar maka dihitung dengan cara hampiran normal.
µ = n p = 100. 0,1 = 10
σ = √n p q = √ 100. 0,1. 0,9 = 3,0
untuk memperoleh peluang yang ditanyakan harus dicari luas sebelah kanan yaitu X = 13,5.
Harga Z yang sesuai dengan X = 13,5 adalah:

Z = 13,5 – 10
3,0

14
 = 1,167
Pr (X>13) = Pr (Z> 1,167) = 1 – 0,8784 = 0,1216

Distribusi Khi – Kuadrat (χ2)

Bila s2 variansi sampel acak ukuran n diambil dari populasi normal dengan variansi σ 2 maka
peubah acak:

(n−1) S 2
Χ2 =
σ2
Berdistribusi Khi-Kuadrat dengan derajat kebebasan V = n-1
2 2
2 n ∑ X 1 −(∑ X 1)
S =
n(n−1)

Distribusi t
Bila ukuran sampel kecil (<30) maka nilai S 2 berubah cukup besar dari sampel ke sampel.
Distribusi sampel t didapat dari anggapan bahwa sampel acak berasal dari populasi normal.
X−μ
T=
Sσ /√ n

Distribusi F
Salah satu distribusi terpenting dalam statistika terapan adalah distribusi F. distribusi F
dirumuskan sebagai berikut:
Uv 1
F=
U /v 2
U dan V menyatakan peubah acak bebas, masing-masing berdistribusi khi-kuadrat dengan
derajat kebebasan v1 dan v2.

Bila S12 dan S22 variansi sampel acak ukuran n1 dan n2 yang diambil dari dua populasi normal,
masing-masing dengan variansi σ12 dan σ22 maka:

S 12 /σ 12
F=
S 22 /σ 22

SOAL-SOAL

15
1. I.Q dari 750 pelamar pada suatu PT tertentu menyebar normal dengan µ = 120 dan
simpangan baku 12. Tentukan:
a. Jika PT tersebut menerima pegawai yang I.Q. nya sedikitnya 95, maka berapa orang
yang diterima?
b. Jika untuk penerimaan pegawai diperlukan I.Q sebesar 110, maka berapa orang
yang dikeluarkan?
2. Bila sebaran normal mempunyai µ = 40 dan σ = 6, maka tentukan:
a. Luasan dibawah 32.
b. Luasan diatas 27.
c. Luasan diantara 45 dan 53.
d. Titik yang luasan di bawahnya sebesar 50%.
e. Titik yang luasan diatasnya sebesar 14%.
3. CV. Daffa merencanakan akan memberikan kenaikan gaji kepada pegawainya dimana
besarnya kenaikan gaji tersebut tergantung dari golongan kepegawaian. Untuk golongan
rendah mendapat kenaikan gaji Rp. 20.000,-, golongan menengah Rp. 25.000 sedangkan
golongan tinggi Rp. 30.000,- kriteria golongan rendah apabila gajinya kurang dari Rp.
150.000,- dan golongan tinggi apabila gajinya lebih dari Rp. 350.000,- dan selainya termasuk
golongan sedang. Bila jumlah pegawai 150 orang, rata-rata gaji pegawai Rp. 175.000,- dan
deviasi standar gaji pegawai Rp. 65.000,- maka hitunglah jumlah uang yang harus disediakan
untuk setiap penerimaan gaji?
4. Rata-rata pada persimpangan jalan tertentu terjadi 3 buah kecelakaan per minggu.
Berapakah peluang terjadi 5 kecelakaan pada minggu tertentu di persimpangan jalan
tersebut?
5. Menurut teori genetika, pada sejenis unggas tertentu bila dikawinkan akan menghasilkan
warna merah, hitam, dan putih dengan perbandingan 8 : 4 : 4. Berpakah peluang diantara 8
anak unggas diperoleh 5 berwarna merah, 2 hitam dan 1 putih?
6. Seseorang mendapat kiriman barang dalam kotak dalam jumlah besar. Label pada kotak
bertuliskan “paling banyak rusak 10%”. Diambil contoh acak berukuran 15. Berapakah
peluang memperoleh barang rusak kurang dari 3?
7. Suatu pabrik baterai mobil menjamin bahwa baterainya akan tahan rata-rata 3 tahun
dengan simpangan baku 1 tahun. Bila lima baterainya tahan 1,9; 2,5; 3,2; 3,5; dan 4,5
tahun, apakah pembuatnya yakin bahwa simpangan baku baterai tersebut 1 tahun?

16
17