harapkan, apabila asumsi-asumsi yang kita buat benar. Distribusi frekuensi dapat digunakan sebagai
dasar pembanding dari suatu hasil observasi/eksperimen dan sering juga digunakan sebgaai
pengganti distribusi sebenarnya.Hal ini penting sekali oleh karena distribusi sebenarnya yang harus
diperoleh melalui eksperimen biasanya selain sangat mahal juga karena sesuatu hal seringkali tidak
dapat dilakukan.
Distribusi teoretis memungkinkan para pembuat keputusan memperoleh dasar logika yang
kuat dalam membuat keputusan, dan sangat berguna sebagai dasar pembuatan ramalan
(forecasting/prediction) berdasarkan informasi yang terbatasatau pertimbangan-pertimbangan
teoretis, dan berguna pula untuk menghitung probabilitas terjadinya suatu kejadian.
Dalam teori probabilitas dan statistika, distribusi binomial adalah distribusi probabilitas
diskret jumlah keberhasilan dalam n percobaan ya/tidak (berhasil/gagal) yang saling bebas, dimana
setiap hasil percobaan memiliki probabilitas p. Eksperimen berhasil/gagal juga disebut percobaan
bernoulli. Ketika n = 1, distribusi binomial adalah distribusi bernoulli. Distribusi binomial merupakan
dasar dari uji binomial dalam uji signifikansi statistik.
Distribusi ini seringkali digunakan untuk memodelkan jumlah keberhasilan pada jumlah
sampel n dari jumlah populasi N. Apabila sampel tidak saling bebas (yakni pengambilan sampel
tanpa pengembalian), distribusi yang dihasilkan adalah distribusi hipergeometrik, bukan
binomial.Semakin besar N daripada n, distribusi binomial merupakan pendekatan yang baik dan
banyak digunakan.
BAB II
PEMBAHASAN
Distribusi binomial berasal dari percobaan binomial yaitu suatu proses Bernoulli yang diulang
sebanyak n kali dan saling bebas. Suatu distribusi Bernoulli dibentuk oleh suatu percobaan Bernoulli
(Bernoulli trial). Sebuah percobaan Bernoulli harus memenuhi syarat:Keluaran (outcome) yang
mungkin hanya salah satu dari “sukses” atau “gagal”, Jika probabilitas sukses p, maka probabilitas
gagal q = 1 – p.
Distribusi binomial adalah distribusi probabilitas diskrit jumlah keberhasilan dalam n percobaan
ya/tidak (berhasil/gagal) yang saling bebas, dimana setiap hasil percobaan memiliki probabilitas p.
Eksperimen berhasil/gagal juga disebut percobaan bernoulli. Ketika n = 1, distribusi binomial adalah
distribusi bernoulli. Distribusi binomial merupakan dasar dari uji binomial dalam uji signifikansi
statistik.
Distribusi Binomial digunakan untuk data diskrit (bukan data kontinu) yang dihasilkan dari
eksperimen Bernouli, mengacu kepada matematikawan JacobBernouli. Peristiwa pelemparan mata
uang (koin) yang dilakukan beberapa kaliadalah contoh dari proses bernouli, dan hasil (outcomes)
dari tiap-tap pengocokan dapat dinyatakan sebagai distribusi probabilitas binomial. Kejadiansukses
atau gagal calon pegawai dalam psikotest merupakan contoh lain dari proses Bernouli. Sebaliknya
distribusi frekuensi hidupnya lampu neon di pabrik anda harus diukur dengan skala kontinu dan
bukan dianggap sebagai distribusi binomial.
Secara formal, suatu eksperimen dapat dikatakan eksperimen binomial jika memenuhi empat
persyaratan:
2. Setiap ekperimen selalu mempunyai dua hasil ”Sukses” dan ”Gagal”. Tidak ada ‟daerah abu-abu‟.
Dalam praktiknya, sukses dan gagal harus didefinisikan sesuai keperluan, Misal:
4. Eksperimen tersebut harus bebas satu sama lain, artinya satu eksperimen
1. Banyaknya/jumlah percobaan/kegiatan;
Setiap percobaan (trial) hanya dapat menghasilkan satu dari dua keluaran yang mungkin, sukses atau
gagal.
Probabilitas sukses p, dan demikian pula probabilitas gagal q = 1 - p selalu konstan dalam setiap
percobaan (trial)
Eksperimen terus berlanjut (percobaan terus dilakukan) sampai sejumlah total k sukses
diperoleh, dimana k berupa bilangan bulat tertentu.
Jadi pada suatu eksperimen binomial negatif, jumlah suksesnya tertentu sedangkan jumlah
percobaannya yang acak.
1. Ciri pertama distribusi binomial adalah bila jumlah n tetap dan p kecil maka distribusi yang
dihasilkan akan miring ke kanan dan bila p makin besar maka kemiringan akan berkurang dan bila p
mencapai 0,5 maka distribusi akan menjadi simetris. Bila p lebih besar dari 0,5, maka distribusi yang
dihasilkan akan miring ke kiri.
2. Ciri kedua nya adalah bila p tetap dengan jumlah n yang makin besar maka akan dihasilkan
distribusi yang mendekati distribusi simetris.
“SUCCESS” or “FAILED”.
5. Peluang berhasil / sukses dinyatakan dengan p dan dalam setiap ulangan nilai p tetap. Peluang gagal
dinyatakan dengan q, dimana q = 1-p.
Contoh soal
Probabilitas seorang bayi tidak di imunisasi polio adalah 0,2 (p). Pada suatu hari di
Puskesmas “X” ada 4 orang bayi. Hitunglah peluang dari bayi tersebut 2 orang belum imunisasi polio.
Jadi, di dalam kejadian binomial ini dikatakan b b (2, 4, 0,2)(x=2, n=4, p=0,2) BioStatistik
Penyelesaian soal :
Katakanlah bayi tersebut A,B,C,D. Dua orang tidakdiimunisasi mungkin adalah A&B, A&C,
A&D, B&C, B&D, C&D. Rumus untuk b (x,n,p) adalah: P (x)= n! Px (1-p)n-x x! (n-x)! = 4! 0,22 (1-
0,2)4-2 2! (4-2)! = 4.3.2.1 0,22 x 0,82 = 0,1536 = 0,154 2.1 (2.1)
Penyelesaian :
Disamping memakai rumus binomial, permasalahan inijuga dapat dikerjakan dengan memakai tabel
binomial, caranya adalah dengan menentukan n.misalnya dari contoh soal adalah 4, dilihat pada
kolom pertama kolom kedua adalah kemungkinan x, dalam permasalahan ini adalah x=2. p dilihat
pada baris paling atas dalam hal ini p=0,2, ditarik garis dari p= 0,2 sampai ke n = 4dan x = 2, ditabel
didapatkan 0,973. Ini adalah peluang kumulatif dari p (x=0) + p (x=1) + p (x=2). Jadi kalau mau
mendapatkan p(x=2) saja, maka 0,973-0,819 = 0,154
Contoh:
Suatu eksperimen Binomial, yang terdiri dari pengambilan satu bola secara acak dari kotak
yang berisi 30 bola merah(= 30M) dan 70 bola putih(= 70P). Y adalah variabel acak dengan nilai
sebagai berikut.
= = 0,30
= = 0,70
= 0,3
Bila dilakukan eksperimen empat kali. Pengambilan bola dilakukan dengan pengembalian bola
yang terambil. Hal ini untuk menjaga agar eksperimen yang satu tidak mempengaruhi hasil
eksperimen yang lain. Eksperimen ini akan menghasilkan 2 4= 16 hasil sebagai berikut.
1. MMMM 9. PMMM
Masing-masing hasil eksperimen terdiri dari empat kejadian yang bebas satu sama lain, sehingga
probabilitas terjadinya setiap hasil eksperimen merupakan hasil kali probabilitas masing-masing
kejadian, misalnya P(MMPM) = ppqp = (0,3)(0,3)(0,7)(0,3) = 0,0189.
Aturan perkalian untuk kejadian-kejadian bebas dan aturan penjumlahan untuk kejadian-
kejadian yang saling meniadakan, yang sudah dibahas dalam materi probabilitas di buku jilid 1 dapat
diterapkan di sini dan perhitungannya adalah.
P(PMMM)
= 0,0756
Tanpa memperhatikan urutan dari masing-masing kejadian, setiap suku dalam penjumlahan
tersebut mempunyai probabilitas sebesar pppq = p 3q. Dengan cara yang sederhana ini, kita dapat
menghitung probabilitas untuk mendapatkan sejumlah bola merah tertentu sebagai hasil
eksperimen.
X = 0, 1, 2, 3, 4
X = 0, 1, 2, …, n.
Apabila semua nilai probabilitas X sebagai hasil suatu eksperimen kita hitung, akan kita
peroleh distribusi probabilitas X dan disebut distribusi probabilitas Binomial.
(0,7)3(0,3)
= 0,4116
= 0,2646
(0,7)(0,3)3
= 0,0756
Dari contoh soal diatas, dapat disimpulkan bahwa dalam dalam distribusi probabilitas
binomial, dengan n percobaan, berlaku rumus berikut.
Dimana x = 0, 1, 2, 3, …, n
Apabila suatu himpunan yang terdiri dari n elemen dibagi dua, yaitu x sukses dan (n – x)
gagal, maka banyaknya permutasi dari n elemen yang diambil x setiap kali dapat dihitung
berdasarkan rumus kombinasi berikut.
disebut koefisien Binomial(merupakan kombinasi dari n elemen yang diambil x setiap kali)
x = 0, 1, 2, …, n
Contoh :
Seorang penjual mengatakan bahwa di antara seluruh barang dagangannya yang dibungkus
rapi, ada yang rusak sebanyak 20%. Seorang membeli barang tersebut sebanyak 8 buah dan
dipilihnya secara acak. Kalau X = banyaknya barang tidak rusak(bagus) maka.
c). Berapa probabilitasnya bahwa dari 8 buah barang yang dibeli, ada 5 yang rusak.
Penyelesaian :
pr(X = 0) =
pr(X = 1) =
pr(X = 2) =
pr(X = 3) =
pr(X = 4) =
pr(X = 5) =
pr(X = 6) =
pr(X = 7) =
pr(X = 8) =
P(X ≤ 0) = 0,0000
= 0563
pr(X = 8)
= 0,9896
Apabila nilai n makin besar, perhitungan probabilitas Binomial dalam prakteknya harus
digunakan tabel Binomial.
Dalam tabel tersebut, n = 16, dan p = (0,05), (0,10), (0,15), …, (0,50). Apabila p > 0,50, maka
persoalannya harus dibalik, yaitu menjadi x gagal dan (n – x) sukses. Dengan demikian, peranan p
bukan lagi menjadi probabilitas sukses melainkan probabilitas gagal. Untuk n yang cukup besar dapat
digunakan tabel normal.
Kita mengetahui bahwa untuk mencari rata-rata () kita menggunakan rumus.
µ = E(X) =
=
dimana x = 1, 2, 3, …, n.
Di mana Yi
E(Yi) = 1(p) + 0(1 – p) = p + 0 = p, untuk semua i
=
= np
Sedangkan untuk menentukan varians dari distribusi binomial, kita menggunakan rumus.
= p(1 – p)
= pq
Var(X) = Var(Yi)
= Var(Yi)
= = npq
Dengan demikain, dapat disimpulkan bahwa untuk variabel X yang mengikuti distribusi binomial
berlaku rumus berikut.
= E(X) = np
=
Contoh :
Suatu mata uang logam Rp. 50 dilemparkan ke atas sebanyak 4 kali, dimana probabilitas
munculnya gambar p(B) sama dengan probabilitas munculnya gambar bukan burung p( ) = . Jika
X = banyaknya gambar burung (B) yang muncul, carilah nilai rata-rata {E(X)} dan simpangan bakunya
() dengan menggunakan cara :
Penyelesaian :
(4)(0,0625)
= 1,964 2
(4 - 2)2
(4)(0,0625)
= 1
= =1
b). E(X) = np = 4 = 2
2 = npq = 4 = 1
= =1
Sering dalam berbagai macam permasalahan peluang hanya memiliki dua
kemungkinan hasil atau dapat disederhanakan menjadi dua kemungkinan. Sebagai
contoh, ketika suatu koin dilempar, maka kita akan mendapat angka atau gambar.
Ketika seorang bayi lahir, maka seorang bayi tersebut merupakan bayi laki-laki
atau perempuan. Dalam permainan bola basket, tim yang bermain bisa menang
atau kalah. Keadaan benar/salah tersebut dapat dijawab dengan dua cara, yaitu
benar atau salah. Kondisi-kondisi lainnya dapat disederhanakan untuk
menghasilkan dua kemungkinan. Sebagai contoh, suatu pengobatan medis dapat
diklasifikasikan sebagai efektif atau tidak efektif, tergantung hasilnya. Seseorang
dapat dikategorikan memiliki tekanan darah normal atau tidak normal, tergantung
dari pengukuran tekanan darahnya. Pertanyaan-pertanyaan pilihan ganda,
walaupun memiliki empat atau lima pilihan jawaban, dapat diklasifikasikan
menjadi benar atau salah. Kondisi-kondisi yang telah dicontohkan tersebut
dinamakan percobaan binomial.
Pada pembahasan ini kita akan membahas beberapa hal mengenai distribusi
binomial, yaitu:
Percobaan binomial.
Pengertian distribusi binomial.
Rumus peluang binomial.
Menghitung peluang binomial dengan tabel.
Rata-rata, varians, dan simpangan baku untuk distribusi binomial.
1. Terdapat n kali percobaan.
2. Masing-masing percobaan hanya dapat menghasilkan dua kemungkinan,
atau hasil yang diperoleh dapat disederhanakan menjadi dua kemungkinan.
Hasil yang diperoleh tersebut dapat dianggap sebagai hasil yang sukses atau
gagal.
3. Hasil dari masing-masing percobaan haruslah saling bebas.
4. Peluang untuk sukses harus sama untuk setiap percobaan.
Hasil-hasil percobaan binomial dan peluang yang bersesuaian dari hasil tersebut
dinamakan distribusi binomial.
Dalam percobaan binomial, hasil-hasilnya seringkali diklasifikasikan sebagai hasil
yang sukses atau gagal. Sebagai contoh, jawaban benar suatu pertanyaan pilihan
ganda dapat diklasifikasikan sebagai hasil yang sukses, sehingga pilihan jawaban
lainnya merupakan jawaban yang salah dan diklasifikasikan sebagai hasil yang
gagal. Notasi-notasi yang umumnya digunakan dalam percobaan binomial dan
distribusi binomial adalah sebagai berikut.
Notasi Keterangan
P(S) Simbol untuk peluang sukses.
P(F) Simbol untuk peluang gagal.
p Peluang sukes.
q Peluang gagal.
P(S) = p dan P(F) = 1 – p = q
n Banyaknya percobaan
X Banyaknya sukses dalam nkali percobaan
Perhatikan bahwa 0 ≤ X ≤ n dan X = 0, 1, 2, 3, …, n.
Peluang sukses dalam percobaan binomial dapat dihitung dengan menggunakan
rumus berikut.
Suatu koin dilempar sebanyak tiga kali. Tentukan peluang mendapatkan tepat dua
angka.
Dari ruang sampel, kita dapat melihat bahwa ada tiga cara untuk mendapatkan
tepat dua angka, yaitu AAG, AGA, dan GAA. Sehingga peluang kita mendapatkan
tepat dua angka adalah 3/8 atau 0,375.
Dengan melihat kembali Contoh 1 dari sudut pandang percobaan binomial, maka
contoh tersebut memenuhi keempat kriteria percobaan binomial.
Suatu survei menemukan bahwa satu dari lima orang berkata bahwa dia telah
mengunjungi dokter dalam sembarang bulan yang ditanyakan. Jika 10 orang dipilih
secara acak, berapakah peluang tiga diantaranya sudah mengunjungi dokter bulan
lalu?
Pembahasan Pada kasus ini, n = 10, X = 3, p = 1/5, dan q = 4/5. Sehingga,
Jadi peluang tiga orang yang dipilih sudah mengunjungi dokter bulan lalu adalah
0,201.
Suatu lembaga survei melaporkan bahwa 5% orang merasa takut untuk sendirian
berada di rumah pada malam hari. Jika 20 orang diambil secara acak, tentukan
peluang dengan menggunakan tabel binomial.
1. Terdapat 5 orang dalam sampel yang takut sendirian dalam rumah pada
malam hari.
2. Terdapat paling banyak 3 orang dalam sampel yang takut sendirian dalam
rumah pada malam hari.
3. Terdapat paling sedikit 3 orang dalam sampel yang takut sendirian dalam
rumah pada malam hari.
Pembahasan
2. Pada soal yang kedua, kita mempunyai n = 20 dan p = 0,05. “Paling banyak
3 orang” berarti 0, atau 1, atau 2, atau 3. Sehingga solusinya adalah
Rata-rata, varians, dan simpangan baku variabel yang memiliki distribusi binomial
secara berturut-turut dapat ditentukan dengan menggunakan rumus berikut.
Dari Contoh 4, ketika empat koin dilemparkan beberapa kali, rata-rata banyaknya
angka yang muncul adalah 2, dan simpangan bakunya adalah 1. Nilai-nilai tersebut
merupakan nilai teoritis.