Oleh:

TIM DOSEN PENGAMPU MATAKULIAH STATISTIKA

FAKULTAS PETERNAKAN
UNIVERSITAS PADJADJARAN
2021
 6. Peluang dan Teori Peluang

a. Pengantar Peluang Berapa peluang Indonesia jadi

juara dunia?
Berapa peluang munculnya
angka 3?

Berapa peluang Manusia

mati? Berapa % peluang makan Sup enak di
café Unpad ?
Apasaja kemungkinan
dari suatu kejadian ?
Berapa jumlah percobaan yang harus
Berapa % peluang suatu dilakukan ?
percobaan dikatakan benar
Apasaja kemungkinan dari suatu kejadian ?

Berapa jumlah percobaan yang harus dilakukan ?

BEBERAPA SIFAT PELUANG
 b. Distribusi Peluang
2. Kontinu
1. Diskrit 1.Normal (Gaussian)
1. Bernoulli 2. t
2. Binomial 3. F
3. Poisson Distribution 4.Chi Kuadrat
 b.1.1. Distribusi Bernoulli
• Distribusi Bernoulli berdasarkan oleh
suatu percobaan Bernoulli (Bernoulli
trial). Percobaan Bernoulli harus
memenuhi syarat:
– Hasil percobaan yang mungkin hanya
salah satu dari “Berhasil” atau “Gagal”
– Jika probabilitas berhasil p, maka
probabilitas gagal q = 1 – p Lahir 1700
 Statistik Deskriptif Distribusi Bernoulli

Rata-rata x  E( X )  p

Ragam  x2  p(1  p )  pq

Contoh:
Sekelompok ayam diberi 2 jenis pakan yang berbeda. Pakan A dalam
bentuk pelet dan pakan B dalam bentuk Mash. Ayam memakan 30% Mash.

Jika p = pakan mash dan q = pakan pelet, makan Mean untuk pakan mesh =
0,30 dan Pelet = 0,70

Ragam = 0,7 x 0,3 = 0,21

 b.1.2. Distribusi Binomial

• Distribusi binomial berasal dari percobaan binomial, yaitu

suatu percobaan Bernoulli yang diulang sebanyak n kali dan
tidak saling terikat:
– percobaan tersebut dilakukan berulang-ulang sebanyak
n kali
– Hasil dari setiap percobaan adalah berhasil dan gagal
– percobaan yang berulang adalah saling bebas
 Peluang
0
pq  n!  s f
p ( x )    p q
p2  2 pq  q2  s! f ! 
p3  3 p2q  3 pq2  q3
p4  4 p3q  6 p2q2  4 pq3  q4
Contoh:
Berapa peluang mendapatkan 3 anak laki-laki dari 4 kelahiran ?

Peluang anak laki-laki (p) dan perempuan (q) = 0,5

3 1  4! 
p  4(0,5) (0,5)  0,25 p( x )   3 1
(0,5) (0,5)  0,25
 3! x1! 
 Deskriptif Binomial
Rata-rata   n. p
Ragam  2  n. p.q
Standard Deviasi   npq

Contoh:
Peluang kelahiran jantan (p) pada sapi = betina (q)= 0,50. Dari 100 ekor kelahiran:

Rata  rata :   nxp  100 x 0,50  50

Ragam   2  nxpxq  100 x0,5 x0,5  25

StDev    25  5
 b.3. Distribusi Poisson
Dikembangkan oleh Simeon Denis Poisson •
(1781-1840).
Merupakan distribusi binomial yang terbatas, •
jika jumlah kejadian banyak tapi p sangat sedikit

Rata-rata     np
Ragam     np
2

Standard Deviasi     np
 Contoh
Rata-rata truk ayam lewat perlintasan Cileunyi adalah 4 buah truk per jam.
Berapa peluang munculnya 6 truk per jam

Jawab:

x =6

    42

x 
e 4 e 6 4
P(6)    0,1042
x! 6!
b.2.1. Distribusi Normal (Gaussian)
Dikembangkan oleh Gauss tahun 1777 – 1855 di Jerman •
Distribusi yang paling banyak digunakan •
Analisis statistika parametrik hampir selalu diasumsikan •
bahwa sifat yang dianalisis menyebar normal
Berbentuk seperti lonceng dengan rata-rata 0 •

1 x 2
1  ( )
f ( x)  e 2 
 2 Karl Friedrich Gauss 1777-1855
 Rumus sebaran normal

2
1  x 
1  
2  

f ( x)  e
2

Dimana:  = 3.14159
e = 2.71828

Score z mengukur jumlah standard deviasi dari rata-rata .

(x   )
z

 Contoh 1:
Tentukan wilayah antara: a
Z = 0 dan z = 1,2 .a
Z = -0,68 dan z = 0 .b
Z = 0,81 dan z = 1,94 .c

c b
Contoh 2: Tentukan Luas Wilayah
z = 0 ke kanan sampai z = 2,15 .a

Luas keseluruhan = 1
Luas ½ kurva = 0,50

2,15

Luas: 0,4842
Contoh 3: Tentukan Luas Wilayah
b. Z = 0 ke kiri sampai Z = -1,86

Luas keseluruhan = 1
Luas ½ kurva = 0,50

-1,86

Luas: 0,4686
Contoh 4: Tentukan Luas Wilayah
c. z = -1,5 sampai dan z = 1,82
Luas keseluruhan = 1
Luas ½ kurva = 0,50

-1,5 1,82

Luas: 0,4332 + 0,4656 = 0,8988

Contoh 5: Tentukan Luas Wilayah
d. z = 1,4 sampai z = 2,65
Luas keseluruhan = 1
Luas ½ kurva = 0,50

1,4

2,65

Luas: 0,4960-0,4192=0.0768
 Contoh
Bobot badan rata-rata 100 ekor sapi adalah 151 kg dan standard
deviasi 15 kg. Diasumsikan bobot badan menyebar normal.

a. Berapa % sapi yang mempunyai bobot lebih dari 185 kg

b. Berapa % sapi yang mempunyai bobot lebih kecil dari 120 kg
c. Berapa % sapi yang mempunyai berat 120 sampai 185 kg
d. Berapa % sapi yang beratnya tepat 155 kg
Berapa % sapi yang mempunyai bobot lebih dari 185 kg .a

Aplikasi distribusi diskrit ke kontinu dengan faktor koreksi ± 0,50

Sapi lebih berat dari 185 kg ------------- 185 kg tidak masuk

Notasi matematik x > 185 kg

(x  ) (185 ,5  151 )
z , z  2 ,30  dari rata - rata
 15
Luas wilayah sapi di atas 185 kg

2,30
Luas wilayah = 0,50 – 0,4893 = 0,0107
% Sapi = 0,0107 x 100 = 1,07%
b. Berapa % sapi yang mempunyai bobot lebih kecil dari 120 kg

Aplikasi distribusi diskrit ke kontinu ± 0,50

Sapi lebih kecil dari 120 kg------------- 120 kg tidak masuk

Notasi matematik x < 120 kg

(x  ) (119 ,5  151 )
z , z   2 ,10  dari rata - rata
 15
Luas wilayah sapi di
bawah 120 kg
Luas wilayah = 0,50 – 0,4821= 0.0179
% Sapi = 0,0179 x 100 = 1,79%
-2,10
C. Berapa % sapi yang mempunyai berat 120 sampai 185 kg

Aplikasi distribusi diskrit ke kontinu ± 0,50

120 kg dan 185 kg masuk

120 ≤ x ≤ 185

(119 ,5  151 ) (185 ,5  151 )

z   2 ,10 z  2 ,30
15 15

Luas wilayah = 0,4893+0,4821 = 0.9714

-2,10 2,30 % Sapi =
0.9714 x 100 = 97,14%
 d. Berapa % sapi yang beratnya tepat 155 kg

Aplikasi distribusi diskrit ke kontinu ± 0,50

155 ± 0,5

(155 ,5  151 ) (154 ,5  151 )

z  0 ,30 z  0 , 23
15 15

0,23 0,30 Luas wilayah = z 0,30 – z 0,23

Luas wilayah = 0,1179 - 0,0910 = 0.0269

% Sapi = 0,0269x 100 = 2,69%

 b.2.2. Distribusi t
• Ditemukan oleh William Sealey Gosset
(1876-1937)
• Bentuk mirip dengan distribusi Normal
• Digunakan jika sample ≤ 30, jika lebih
besar dari 30 mendekati distribusi normal

k
F(t) 
1 
2
t
n1
1 n
2

k = konstanta
n-1 = derajat bebas
2.3. Distribusi F
Dipakai untuk uji banding

Sir Ronald Aylmer Fisher

 b.2.3. Distribusi Chi Quadrat

Dipakai untuk uji kecocokan