FAKULTAS TEKNOLOGI INFORMASI

UNIVERSITAS KRISTEN SATYA WACANA

Bagian 4

Variabel Acak & Distribusi Kemungkinan

ALZ DANNY WOWOR

Cakupan Materi:
1. Variabel Acak
2. Distribusi Diskret
3. Distribusi Kontinu
1. Variabel Acak
Defenisi Variabel Acak

Suatu fungsi terukur yang didefenisikan pada ruang sampel ke dalam

himpunan bilangan riil disebut variabel acak
Contoh 1

Bila mata uang dilemparkan dua kali, ruang sampelnya adalah S = {(a,a);
(a,g); (g,a); (g,g)}
Dibentuk suatu fungsi X (misalkan X menyatakan banyaknya angka) dari S
ke himpunan bilangan riil R, fungsi itu bisa dilukiskan sebagai

(a,a) R
2
(a,g)
1 Rx
(g,a)
0
(g,g)
Variabel Acak Diskret & Kontinu

Variabel Acak Diskret

Jika nilai yang dimiliki variabel acak X, yaitu ruang hasil Rx, terhingga atau tak
terhingga tetapi terbilang, maka X disebut sebagai variabel acak yang diskret.

Variabel Acak Kontinu

Apabila dalam selang (-∞, ∞) yaitu banyaknya bilangan tak terhingga dan
tak terbilang, maka X disebut variabel acak yang kontinu.
Distribusi Kemungkinan

Pada Contoh 1, nilai kemungkinan untuk setiap sampel S ialah ¼ ; sehingga

kita dapat menyatakan P(X = 0)= ¼ , P(X = 1) = ½ dan P(X = 2) = ¼ , dan
bisa dibuat tabel dan grafik sebagai berikut

P(x)

1/2
X 0 1 2 jumlah
1/4
p(x) 1/4 1/2 1/4 1
x
0 1 2

Selanjutnya himpunan yang unsurnya pasangan bilangan {xi, p(xi)}, dengan

i = 1,2,3,…,n disebut distribusi kemungkinan X atau disingkat ditribusi X.
Contoh 2

Bila X menyatakan variabel acak yang menyatakan banyaknya anak

wanita dalam keluarga yang mempunyai 3 orang anak, tentukanlah
distribusi X.

Pembahasan:

P(x=3) = P(WWW) = 1/8,

P(X=2) = P(WWL) + P(WLW) + P(LWW) = 3/8
P(X=1) = P(WLL) + P(LWL) + P(LLW) = 3/8
P(X=0) = P(LLL) = 1/8.

Jadi distribusi X = {(3, 1/8); (2, 3/8), (1, 3/8), (0, 1/8)}
Contoh 3

Sisi segitiga diberi nomor 1, 2, dan 3. Dijatuhkan pada tempat khusus

sehingga akan jatuh pada posisi berdiri. Segitiga itu dilemparkan dua kali dan
X menyatakan jumlah angka pada sisi yang berada di bawah. Dengan
menggangap peluang setiap sisi yang berada dibawah selalu sama,
tentukanlah distribusi X.

Pembahasan:
P(X=2) = P(1,1) = 1/9
P(X=3) = P(1,2) + P(2,1) = 2/9
P(X=4) = P(1,3) + P(2,2) + P(3,1) = 3/9
P(X=5) = P(2,3) + P(3,2) = 2/9
P(X=6) = P(3,3) = 1/9

Jadi distribusi X = {(2, 1/9); (3, 2/9), (4, 3/9), (5, 2/9), (6, 1/9)}
2. Distribusi Diskret
Bahan Distribusi Diskret

Distribusi hipergeometris,
Distribusi binomial dan
Distribusi poisson.
Distribusi Hipergeometris

Misalkan dalam populasi terdiri dari N unsur ada 2 jenis unsur yaitu n unsur
putih dan (N − n) unsur bukan putih.
Diambil secara acak r unsur tanpa pengembalian. Maka nilai kemungkinan r
unsur itu mempunyai k unsur putih dan (r − k) unsur bukan putih,
dirumuskan sebagai berikut

✓ ◆✓ ◆
n N n
k r k
P (X = k) = ✓ ◆ ; k = 0, 1, 2, · · · , min(n, r)
N
r

X menyatakan banyaknya elemen putih

Apabila dalam populasi itu ada lebih dari dua jenis unsur, misalnya n1
unsur putih, n2 unsur biru, dan n3 = n – n1 – n2 unsur hitam,

maka nilai kemungkinan sampel besar r akan terdiri dari k1 putih, k2 biru
dan k3 = r – k1 – k2 hitam dirumuskan sebagai berikut

✓ ◆✓ ◆✓ ◆
n1 n2 n3
k1 k2 k3
P (X1 = k1 , X2 = k2 , X3 = k3 ) = ✓ ◆
N
r
Distribusi Binomial

Suatu percobaan disebut percobaan Bernoulli atau binomial apabila memenuhi

beberapa hal berikut
Percobaan itu dimulai n kali
Setiap percobaan hanya menghasilkan 2 hal: sukses (S) dan gagal (G)
P(S) = p; P(G) = 1 – p = q; p dan q tetap untuk percobaan
Setiap percobaan bebas satu sama lain.

Misalkan X menyatakan banyaknya sukses dalam n percobaan Binomial,

maka nilai kemungkinan X = k; k= 1, 2, 3, ... , n dirumuskan sebagai distribusi
binomial b(n,p).

✓ ◆
n1 k n k
P (X1 = k) = p q ; k = 0, 1, 2, · · · , n.
k1
Distribusi Poisson

Apabila diketahui bahwa dalam distribusi b(n,p), p kecil dan n besar sehingga
np → μ dengan μ suatu bilangan terhingga positif, maka akan menjadi

µk e µ
P (X1 = k) = ; k = 0, 1, 2, · · ·
k!
Disebut distribusi Poisson
Contoh 4

Pengurus himpunan mahasiswa ada 15 orang, 10 pria dan 5 wanita. Sampel

yang terdiri dari 5 anggota pengurus diambil untuk membicarakan suatu hal
yang penting. Tentukanlah nilai kemungkinan sampel itu terdiri,
a. Wanita semua
b. Pria semua
c. Paling sedikit satu pria
d. Dua wanita dan tiga pria; bila seorang wanita dan seorang pria tertentu
harus menjadi anggota sampel.
Penyelesaian Contoh 4a

Misalkan L menyatakan pria dan W wanita.

✓ ◆
15
a) Banyak sampel yang bisa dibentuk adalah 15 C5 = 5 = 3003,
yang masing-masing mempunyai peluang yang sama.

Sedangkan sampel yang terdiri dari 5 wanita dapat dibentuk

✓ ◆ ✓ ◆
5 10
· = 1,
5 0

Sehingga peluang 5 wanita

1
P (5W ) =
3003
Penyelesaian Contoh 4b

Misalkan L menyatakan pria dan W wanita.

b) Banyak sampel yang bisa dibentuk adalah 15C5 = 3003, yang masing-
masing mempunyai peluang yang sama.

Sedangkan sampel yang terdiri dari 5 pria adalah

5C0 · 10C5 = 1·252 = 252

Sehingga peluang 5 wanita P(5W) = 252∕3003 = 12/143

Penyelesaian Contoh 4c

c) Peluang paling sedikit 1 pria

Banyak sampel yang bisa dibentuk adalah 15C5 = 3003, yang masing-
masing mempunyai peluang yang sama.

Sedangkan sampel paling sedikit 1 pria adalah

P(L ≥ 1) = P(1L) + P(2L) + P(3L) + P(4L) + P(5L)

= 1− P(0L) = 1 − P(5W) = 1 − 1/3002 = 3001/3002

Sehingga peluang 5 wanita P(5W) = 3001/3002

Penyelesaian Contoh 4d

Dua wanita dan tiga pria (bila seorang wanita dan seorang pria tertentu
harus menjadi anggota sampel)
Seorang pria dan wanita harus ikut, berarti tinggal 9 pria dan 4 wanita yang
harus dipilih untuk membentuk sampel yang terdiri dari 1 wanita dan 2 pria;
sehingga
✓ ◆✓ ◆
4 9
1 2 4 · 36 144 72
P(2W dan 3P; 1W dan 1L harus ikut) = ✓ ◆ =
286
=
286
=
143
13
3
Contoh 5

Dalam pelamparan paku payung, nilai kemungkinan akan jatuh miring ialah
1 – p = q. Paku payung itu dilemparkan 3 kali, dan X menyatakan variabel
acak yang menyatakan berapa kali paku itu jatuh dengan ujung di atas.
Tentukanlah variabel nilai kemungkinan

a) P(X ≤ 2)
b) P(X ≥ 1)
Penyelesaian Contoh 5

Dapat dikerjakan dengan terlebih dahulu dibuat ruang sampel lalu dicari nilai
kemungkinan setiap titik sampel. Akan tetapi lebih mudah dengan memakai
distribusi binomial b(3;p) sebagai berikut
✓ ◆ ✓ ◆
3 3
P (X = 0) = · p0 q 3 0
= q3 ; P (X = 1) = · p1 q 3 1
= 3pq 2 ;
0 1
✓ ◆ ✓ ◆
3 3
P (X = 2) = · p2 q 3 2
= 3p2 q; P (X = 3) = · p3 q 3 3
= 3p3 .
2 3

a) P(X ≤ 2) = P(X=0) + P(X=1) + P(X=2) = q3 + 3pq2 + 3p2q,

b) P(X ≥ 1) = P(X=1) + P(X=2) +P(X=3) = 3pq2 + 3p2q +p3.

Contoh 6

Di kampung Y ada 224 keluarga yang masing-masing mempunyai 5 orang

anak. Berapa banyak keluarga yang mempunyai

1. Paling sedikit 1 anak pria

2. Dua anak pria
3. Lima anak wanita
Penyelesaian Contoh 6

Misalkan X menyatakan jumlah anak pria, maka bisa dibuat tabel

X 0 1 2 3 4 5
p(x) 1/32 5/32 10/32 10/32 5/32 1/32

1. Jadi (P ≥ 1) = P(X=1) + P(X=2) + P(X=3) + P(X=4) + P(X=5) = 1 − P(X=0) =

31/32, sehingga jumlah keluarga yang mempunyai seorang pria adalah
(31/32)(224) = 217.

2. Jika P(X=2) = 10/32, maka jumlah keluarga dengan 2 anak pria adalah
(10/32)(224) = 70.
3. Diketahui P(X=0) = 1/32, sehingga jumlah keluarga yang tidak mempunyai
seorangpun anak pria, sebanyak (1/32)(224) = 7.
Contoh 7

Sepasang dadu tangkup dilemparkan 5 kali. Tentukanlah nilai kemungkinan

mendapat jumlah angka yang tampak 8 dengan
a. Sekali lemparan

b. Paling sedikit 2 kali lemparan

Penyelesaian Contoh 7

Misalkan X = jumlah kali lemparan untuk mendapat jumlah angka 8,

sedangkan dalam pelemparan sepadang dadu P (jumlah 8) = 5/36;
maka

a. Peluang untuk sekali lempar

✓ ◆
5 5 1 31 4
P (X = 1) = 36 36 = 0, 3818
1

b. Sedangkan untuk mencari paling sedikit 2 kali lemparan, perlu

mencari peluang P(X=0).
✓ ◆
5 5 0 31 5
P (X = 0) = 36 36 = 0, 4735
0

Sehingga diperoleh
P (X 2) = 1 P (X = 0) P (X = 1) = 1 0, 4735 0, 3818 = 0, 1447
Contoh 8

Menurut pengalaman karyawan suatu Yayasan Badan Penerbit, sebuah

mesin stensil merk ‘X’ setiap menstensil 1000 lembar kertas akan
membuat kerusakan selembar kertas. Pada suatu waktu akan menstensil
250 lembar. Berapa nilai kemungkinan akan terdapat kerusakan sebanyak

a. Kurang dari 5 lembar

b. Antar 3 dan 5 lembar

Penyelesaian Contoh 8

Kemungkinan rusak p = 0,001; n = 250; dan μ = np = 0,25.

Terlihat bahwa p < n, maka digunakan distribusi Poisson;
P(k) = P(X=k) = (μk·e−μ)∕k!
didapatkan
P(X=0) = ((0,25)0·e−0,25)∕0! = 0,7788;

dan lainnya P(1)= 0,1947; P(2)= 0,0243; P(4)= 0,0001; P(5)= 0,0000.

a. Diperoleh P(k<5) = P(0) + P(1) + P(2) + P(3) + P(4) = 0,999

b. Dan P(3≤ k ≤ 5) = p(3) + p(4) + p(5) = 0,0021.

3. Distribusi Kontinu
Defenisi Distribusi Diskret

Dalam distribusi disktrit P(X = x) dinyatakan sebagai p(x) sedangkan

distribusi kontinu akan dipakai f(x) sebagai ganti p(x).

Fungsi f(x) ini didefenisikan dalam selang I = (-∞, ∞) dan memenuhi

a) f(x) ≥ 0, untuk setiap x dalam selang I.

Z 1
b) f (x)dx = 1
1

c) Untuk setiap a, b, dengan −∞ < a ≤ b < ∞.

Z b
P (a  x  b) = f (x)dx
a

f(x) dikatakan fungsi padat atau fungsi kemungkinan variabel x.

Selanjutnya untuk distribusi kontinu, akan di bahas dua buah distribusi yaitu
! distribusi uniform
! distribusi normal
Distribusi Uniform

Apabila X suatu variabel acak yang kontinu dalam selang (a, b)

dengan a, b keduanya hingga dan fungsi padatnya
f(x)

(
1
b a ;axb 1
f (x) = b a
0 ; x < a, x > b
x
0 a b

Maka X disebut mempunyai distribusi uniform (persegi panjang) R

[a, b].
Distribusi Normal

Distribusi normal kadang disebut distribusi Gauss. Fungsi padat normal baku
N(0,1) dituliskan sebagai

f(x)

1 1 2
f (x) = p e 2x ; 1x1
2⇡

Grafik fungsi simetris terhadap sumbu Y dan sumbu X sebagai asimtotnya.

Pada distribusi normal biasanya variabel acak x diganti dengan Z apabila distribusi
normal baku. Sehinnga L(z)= P(0 ≤ Z ≤ z)

Z z
sebagai L(z) = f (x)dx
0

Nilai L(z) dapat dilihat pada tabel normal, dan karena f(x) simetris, maka L(z) =
L(-z)

Dalam praktek biasanya banyak dijumpai distribusi normalyang belum baku

yaitu N(μ,σ2) dengan fungsi padatnya

1 1 x µ 2
f (x) = p e 2( )
; 1x1
2⇡
dimana 𝜇 = rata-rata, dan 𝜎 = simpangan baku

Tetapi dengan transformasi Z = (X −𝜇) / 𝜎 akan diperoleh distribusi normal

baku, sehingga tabel normal dapat digunakan.
Contoh 1

Berdasarkan tabel distribusi normal, hitunglah

1. P(0 ≤ Z ≤ 1,72)
2. P(1,50 ≤ Z ≤ 2,85)
3. P(−1,645 ≤ Z ≤ 1,645)
4. P(−1,75 ≤ Z ≤ −0,45)
5. P(−1,62 ≤ Z ≤ 2,15)
Pembahasan Contoh 1

Berdasarkan tabel distribusi normal, hitunglah

1. P(0 ≤ Z ≤ 1,72) = L(1,72) = 0,457

2. P(1,50 ≤ Z ≤ 2,85) = P(0 ≤ Z ≤ 2,85) − P(0 ≤ Z ≤ 1,50)

= L(2,85) − L(1,50)
= 0,4978 − 0,4332 = 0,0646

3. P(−1,645 ≤ Z ≤ 1,645) = L(−1,645) + L(1,645)

= 0,450 + 0,450 = 0,900 (Interpolasi)
4. P(−1,75 ≤ Z ≤ −0,45) = L(1,75) − L(0,45)
= 0,4599 − 0,1736 = 0,2863

5. P(−1,62 ≤ Z ≤ 2,15) = L(1,62) + L(2,15)

= 0,4474 + 0,4842 = 0,9316
Latihan

Tentukan probabilitas dari nilai Z berikut

a) P(Z ≥ 1,75)
b) P(Z < −1,75)
c) P(Z > −1,52)
d) P(Z < 0,97)
Contoh 2

Berdasarkan tabel distribusi normal, hitunglah

1. P(0 < Z ≤ z) = 0,4525
2. P( Z < z) = 0,9406
3. P(Z < z) = 0,2514
4. P(Z < z) = 0,5714
5. P(|Z| < z) = 0,90
Pembahasan Contoh 2

Berdasarkan tabel distribusi normal, hitunglah

1. P(0 < Z ≤ z) = 0,4525
L(z) = 0,4525, maka z = 1,67.
2. P( Z < z) = 0,9406
L(z) = 0,9406 − 0,5 = 0,4406, maka z = 1,56.
3. P(Z < z) = 0,2514
L(z) = 0,5 − 0,2514 = 0,2486, maka z = −0,67.
4. P(Z < z) = 0,5714
L(z) = 0,5714 − 0,5 = 0,0714, maka z = −0,18.
5. P(|Z| < z) = 0,90
P(|Z| < z) = P(−z < Z < z) = 2·L(z) = 0,9
maka L(z) = 0,45, sehingga z = ± 1,645.
Contoh 3

Tentukan nilai z apabila

a) P(Z > z) = 0,0945
b) P(Z < z) = 0,8615
Pembahasan Contoh 3a

Diselesaikan dengan cara interpolasi untuk menentukan z.

P(Z > z) = 0,0945 maka P(0 ≤ Z ≤ z) = 0,5 – 0,0945 = 0,4055

Sehingga L(z) = 0,4055 berarti z di antara z = 1,31 dan z = 1,32

Perhatikan gambar di bawah p : q = x : a

q 0,0006 : 0,0017 = x : 0,01

p
0,0006 · 0,01
0,4049 0,4055 0,4066
x= = 0,0035
0.0017
1,31 z 1,32

x Sehingga z = 1,31 + 0,0035

a = 1,3135
Pembahasan Contoh 3b

P(Z < z) = 0,8615 ; P(0 ≤ Z ≤ z) = 0,8615 – 0,5 = 0,3615

Sehingga z berada di antara z = 1,08 dan z = 1,09; dan dengan cara interpolasi
diperoleh

(0,3615 – 0,3599)(1,09 – 1,08)

z = 1,08 + = 1,0873
(0,3621 – 0,3599)
Contoh 4

Diketahui variabel random X mempunayai distribusi normal dengan rata-rata

18 dan standar devesiasi 2,5. Hitunglah

a) P(X < 15)

b) P(17 < X < 21)

Pembahasan Contoh 4

X = distribusi normal dengan μ = 18 dan σ = 2,5

X–μ X – 18
Sehingga diperoleh Z = =
σ 2.5

15 – 18
a) X = 15, maka Z = = –1,2
2.5
P(X < 15) = P(Z < –1,20)
= P(Z < 0) – P(–1,20 < Z < 1,20)
= 0,5 – 0,3849 = 0,1151.

15 – 18 21 – 18
b) X = 15, maka Z1= = –1,2 dan Z2 = = 1,20
2.5 2.5
P(17< X < 21) = P(–0,40 < Z < –1,20)
= P(–0,40 < Z < 0) + P(0 < Z < 1,20)
= P(0 < Z < 0,40) + P(0 < Z < 1,20) = 0,1554
= 0,5403.
Contoh 5

Suatu percobaan mengenai ukuran ruang memori dengan menggunakan metode

Quickshort menyatakan bahwa ukuran penggunaan ruang memori berdistribusi
normal dengan rata-rata 510,8 byte dan simpangan baku 40,67 byte

a) Berapa persen dalam percobaan tersebut ditemukan ruang memori yang melebihi
600 byte.

b) Jika ditemukan 10 buah percobaan mempunyai ruang memori berkisar antara 500
sampai 550 byte, berapakah jumlah percobaan yang telah dilakukan oleh peneliti?
Pembahasan Contoh 5

Misalkan X ukuran ruang memori yang mempunyai distribusi normal μ = 510,8

byte dan σ = 40,67 byte
X–μ X – 510,8
Z= =
σ 40.67

600 – 510,8
a) X = 600, maka Z= = 2,19
40.67
P(X > 600) = P(Z > 2,19)
= 0,5 – 0,4857 = 0,0143 = 1,43%.

500 – 510,8 550 – 510,8

b) Z1= = –0,27 dan Z2 = = 0,98
40.67 40.67

P(500< X < 550) = P(–0,27 < Z < 0,96)

= P(–0,27 < Z < 0) + P(0 < Z < 0,96)
= P(0 < Z < 0,27) + P(0 < Z < 0,96) = 0,1064 + 0,3315
= 0,4379 = 43,79%.
Latihan
Z 1
1. Buktikanlah L(z)
= f (x)dx = 1, apabila
1
a) f(x) fungsi padatnya N(0,1)
b) F(x) fungsi padatnya N(μ, σ2)

2. Dari 200 mahasiswa yang mengikuti ujian kalkulus di suatu universitas, diperoleh bahwa
nilai rata-rata adalah 60 dan stadar devesiasi adalah 10. Bila distribusi nilai menyebar
secara normal, hitunglah
a) Berapa persen yang mendapat nilai A, jika nilai A ≥ 80
b) Berapa persen yang mendapat nilai C, jika nilai C berada pada interval 56 ≤ C ≤ 68
c) Berapa persen yang mendapat E, jika nilai E < 45?
‫תודה רבה‬
Selesaikanlah

Berdasarkan tabel distribusi normal, hitunglah

1. P(0 ≤ Z ≤ 1,52)
2. P(1,20 ≤ Z ≤ 2,05)
3. P(−2,645 ≤ Z ≤ 2,645)
4. P(−1,05 ≤ Z ≤ −0,15)
5. P(−0,62 ≤ Z ≤ 1,15)
Selesaikanlah

Berdasarkan tabel distribusi normal, hitunglah

1. P(0 ≤ Z ≤ −1,52)
2. P(0,13 ≤ Z ≤ 3,05)
3. P(−1,145 ≤ Z ≤ 1,145)
4. P(−3,21 ≤ Z ≤ −1,15)
5. P(−2,62 ≤ Z ≤ 0,35)
Selesaikanlah

Berdasarkan tabel distribusi normal, hitunglah

1. P(0 ≤ Z ≤ −2,22)
2. P(1,13 ≤ Z ≤ 2,05)
3. P(−0,125 ≤ Z ≤ 0,125)
4. P(−3,11 ≤ Z ≤ −0,15)
5. P(−1,62 ≤ Z ≤ 0,15)
Selesaikanlah

Berdasarkan tabel distribusi normal, hitunglah

1. P(0 ≤ Z ≤ −3,12)
2. P(0,13 ≤ Z ≤ 1,05)
3. P(−0,325 ≤ Z ≤ 0,325)
4. P(−2,11 ≤ Z ≤ −0,25)
5. P(−2,62 ≤ Z ≤ 0,25)