DISTRIBUSI PELUANG TEORITIS

Sebelumnya kita sudah mengenal adanya Distribusi Frekuensi (DF), yaitu distribusi
yang diperoleh dengan cara mengelompokkan data sebagai hasil penelitian/observasi. Selain
itu terdapat juga bentuk lain dari distribusi, dimana frekuensinya merupakan frekuensi yang
diharapkan berdasarkan kepada:
 Pengalaman
 Pertimbangan Teoritis
Distribusi probabilitas/peluang adalah daftar semua hasil eksperimen dan probabilitas
yang terkait dengan setiap hasil. Suatu distribusi yang frekuensinya berdasarkan pertimbangan
teoritis disebut dengan Distribusi kemungkinan/peluang teoritis. Distribusi Peluang Teoritis
merupakan distribusi dari probabilita/peluang/kemungkinan dimana kelas-kelasnya
merupakan kejadian suatu peristiwa yang disebut sebagai variabel random sedangkan
frekuensi-frekuensinya merupakan probabilita/peluang/kemungkinan terjadinya peristiwa-
peristiwa tersebut.

1. Variabel Random
Dalam percobaan kebetulan apapun, hasil muncul secara acak, sehingga disebut variabel
random. Variabel Random/Variabel Acak/Variabel Perubah adalah suatu variabel yang
nilainya merupakan suatu bilangan yang ditentukan oleh terjadinya hasil suatu percobaan
tertentu. Variabel random memiliki ciri sebagai berikut : Σ 𝑝(𝑥) = 1 dimana x mulai dari 1
sampai dengan n.

2. Jenis Variabel Random

a. Variabel Random Diskrit
Variabel random diskrit diasumsikan dengan nilai tertentu yang di pisahakan dengan
jelas. Berhubungan dengan hasil sebuah peristiwa yang ruang sampelnya terhingga dan
terhitung.
Ciri-ciri variabel random diskrit :

 ∑𝑛𝑥=0 𝑝(𝑥 ) = 1

0 1 2 3 … n

X merupakan bilangan bulat mulai dari nol sampai dengan n yang biasanya
memiliki satuan atau ukuran tertentu. Dalam beberapa kasus, variabel random
diskrit dapat berbentuk pecahan atau desimal. Sebagai contoh, skor yang diberikan
 juri dalam nilai desimal, seperti 7,2, 8,9, 9,3. Nilai-nilai tersebut bersifat diskrit
karena ada jarak antar skor, katakan, 8,3 dan 8,4.
Contoh : Jumlah kendaraan yang melewati persimpangan jalan
Jumlah kecelakaan per minggu

b. Variabel Random Kontinu

Didefinisikan sebagai suatu variabel yang nilai-nilainya berada dalam ruang sampel tak
terhingga dan di peroleh dari hasil pengukuran.
Ciri-ciri:
∞
 ∫−∞ 𝑃(𝑥 )𝑑𝑥 = 1

X merupakan bilangan bulat negatif tak hingga, bilangan nol sampai dengan
bilangan tak hingga yang dapat berbentuk bilangan bulat maupun pecahan yang
biasanya memiliki satuan ukur tertentu yang dapat dipecah-pecah.
Contoh : Tinggi badan para buruh di suatu wilayah

Distribusi Peluang Teoritis

Variabel Random Diskrit Variabel Random Kontinu

Distribusi Binomial Distribusi Normal

Distribusi Poisson Distribusi Student

Distribusi Multinomial Distribusi Chi Square

Distribusi Hipergeometri Distribusi Fisher

3. Jenis Distribusi Peluang Teoritis dengan Variabel Random Diskrit

A. Distribusi Binomial
 Distribusi binomial diterapkan dimana probabilitas keberhasilan harus tetap sama
untuk setiap percobaan. Distribusi peluang binomial merupakan salah satu distribusi
peluang diskrit yang banyak menjelaskan mengenai proses bsinis dan fenomena
fisika.

Karakteristik:
1) Peluang terjadinya peristiwa harus sama untuk setiap percobaan dan tidak boleh
berubah-ubah karena waktu dan jumlah percobaan
2) Eksperimen terdiri dari dari percobaan Bernoulli sebanyak n identik dengan
kemungkinan dua hasil setiap percobaan, yaitu S (peluang sukses) dan F (peluang
gagal).
3) Setiap percobaan harus idependen dengan percobaan lainya
4) Jumlah percobaan harus bersifat diskrit

Rumus Distribusi Binomial :

P(x) = Cxn . px . qn−x

Rata-rata = µ = n.p
Standar deviasi = σ = √n. p. q

Keterangan:
P(x) = Probabilitas peristiwa sukses sebanyak x
C = Kombinasi x dari n
n = Jumlah percobaan
p = Probabilitas sukses
q = Probabilitas gagal
x = Jumlah sukses yang dicari

B. Distribusi Multinomial
Perluasan dari distribusi binomial ialah distribusi multinomial. Misalkan sebuah
eksperimen menghasilkan peristiwa-peristiwa E1, E2, ..., Ek dengan peluang π1 = P(E1),
π2 = P(E2), ..., πk = P(Ek) dengan π1 + π2 + ... + πk = 1. Terhadap eksperimen ini kita
lakukan percobaan sebanyak n kali, maka peluang akan terdapat x1 peristiwa E1, x2
peristiwa E2, ..., xk peristiwa Ek di antara N, ditentukan oleh distribusi multinomial.
Karakteristik:
1) Jenis peristiwa adalah bebas atau independen
2) Tiap percobaan tunggal menghasilkan ≥ 2 hasil kejadian, yang semuanya dianggap
sukses dan peluang terjadinya masing-masing: 𝜋1, 𝜋2 → ∑ 𝜋 = 1

Rumus Distribusi Multinominal :

 n!
P(x1 , x2 , … xn ; n) = π x1 π x2 … πn xn
x1 ! x2 ! … . . xn ! 1 2

Rata-rata = µ1 = nπ1 ; µn = nπn

Standar deviasi = 𝜎 = √𝑛𝜋(𝑞)

Keterangan:
µ = Rata-rata
𝜎 = Standar deviasi
Nπ = Probabilitas sukses ke-n
n = Banyaknya amatan
xn = Hasil sukses ke-n

C. Distribusi Poisson
Distribusi poisson menggambarkan berapa kali beberapa peristiwa terjadi selama
interval tertentu. Intervalnya mungkin waktu, jarak, luas, atau volume. Distribusi
didasarkan pada dua asumsi. Asumsi pertama adalah probabilitas sebanding dengan
panjang interval. Asumsi kedua adalah bahwa interval tidak bergantung. Semakin lama
intervalnya, semakin besar probabilitasnya, dan jumlah kemunculan dalam satu interval
tidak mempengaruhi interval lainnya.
Distribusi Poisson ditemukan oleh S.D. Poisson di awal abad ke-19. Seperti distribusi
binomial, distribusi Poisson juga termasuk ke dalam proses Bernaouli, akan tetapi tidak
ada konsep yang membedakan secara jelas dalam percobaan Poisson.

Karakteristik:
1) Macam peristiwa independent atau bebas
2) Proses yang diamati harus berbentuk “2 peristiwa” atau bernouli
3) Percobaan yang terjadi dari suatu kejadian khusus yang terjadi selama unit
waktu/ruang volume tertentu.
4) Harus ada bilangan rata-rata dari peristiwa tertentu per pengamatan baik waktu
maupun ruang, yang tidak berubah selama terjadinya proses
5) Proses harus bersifat kontinu, artinya tidak ada percobaan tunggal
6) Dapat ditambahkan bahwa, distribusi poisson merupakan pendekatan dari pada
distribusi binomial, dan biasanya dipergunakan bila diketahui n = besar sekali, p =
kecil sekali atau mendekati nol, karena jarang sekali terjadi. Pendekatan ini akan
lebih baik bila n.p < 5.

Rumus Distribusi Poisson:

λx . e−λ
P(x; n) =
x!
Keterangan:

λ = Rata-rata = n.p
 x = Jumlah sukses
е = 2.718281828

D. Distribusi Hipergeometrik
Distribusi hipergeometrik sangat erat kaitannya dengan distribusi binomial.
Perbedaannya antara distribusi hipergeometrik dengan binomial adalah bawa pada
distribusi hipergeometrik, percobaan tidak bersifat independen. Untuk mencari
probabilitas x sukses dalam ukuran sampel n, kita harus memperoleh x sukses dari r
sukses dalam populasi, dan n-x gagal dalam N-r gagal.

Karakteristik:
1) Jenis peristiwanya adalah peristiwa dependen atau bersyarat
2) Diasumsikan sampel diambil dari populasi terbatas tanpa penggantian dan n/N >
0,05. Jadi, kemungkinan keberhasilan berubah untuk setiap percobaan.
3) Kemungkinan sukses tidak sama pada setiap percobaan.
4) Sample acak ukuran n diambil tanpa pengembalian dari n yang berbeda
5) Tiap percobaan menghasilkan 2 atau lebih kejadian
6) Jumlah percobaan tertentu

Rumus Distribusi Hipergeometrik:

Untuk percobaan tunggal yang hanya memiliki 2 hasil kejadian

𝐶𝑥𝑀 . 𝐶𝑛−𝑥
𝑁−𝑀
𝑃(𝑥; 𝑛) =
𝐶𝑛𝑁

Untuk percobaan tunggal yang memiliki lebih dari 2 hasil kejadian

𝑀 𝑀 𝑁−𝑀 −𝑀
𝐶𝑥11 . 𝐶𝑥22 … . 𝐶𝑛−𝑥11−𝑥2 2
𝑃(𝑥1 , 𝑥2 , . . , 𝑛) =
𝐶𝑛𝑁
Keterangan:
N = jumlah observasi dalam populasi
M = banyaknya anggota sub-populasi (sukses)
N-M = banyaknya angota sub-populasi (gagal)
M1 = banyaknya anggota sub-populasi (pertama)
M2 = banyaknya anggota sub-populasi (kedua)
n = jumlah observasi dalam sampel
x = banyaknya hasil kejadian (sukses)
n-x = banyaknya hasil kejadian (gagal)
x1 = banyaknya hasil kejadian pertama
x2 = banyaknya hsail kejadian kedua
n-x1-x2 = banyaknya hasil kejadian (ke-n)
N-M1-M2 = banyaknya anggota sub-populasi (ke-n)
 CONTOH SOAL DISTRIBUSI PELUANG TEORITIS

1. Distribusi Binomial
Probabilitas bayi yang mengalami malnutrisi adalah 25%. Pada suatu daerah di wilayah
“X” terdapat 12 orang bayi. Hitunglah peluang dari bayi tersebut, jika ada 5 bayi yang
terindikasi mengalami malnutrisi.

Diketahui:
n = 12 π = 25% = 0,25
x=5 1- π = 0,75

Ditanya: P(x=5) ?

Jawab:
P(x) = Cxn . px . qn−x
P(x) = C512 . 0,255 . 0,7512−5
P(x) = 0,1032414436

Jadi, peluang dari bayi tersebut terdapat 5 bayi yang terindikasi mengalami malnutisi adalah
0,1032414436 atau 10,32%.

2. Distribusi Multinomial
Di sebuah pabrik terdapat mesin A yang baru saja dikembangkan oleh teknisi perusahaan.
Produk yang dihasilkan dari mesin tersebut dikategorikan sebagai baik, rusak, dan cacat.
Diketahui bahwa 70% hasil dikategorikan baik, 25% cacat, dan 5% rusak. Jika dilakukan
percobaan sebanyak 20 kali, berapa probabilitas ditemukan 15 produk baik, 2 rusak, dan 3
cacat.

Diketahui :
π1 = 70% = 0,7 x1 = 15
π2 = 25% = 0.25 x2 = 3
π3 = 5% = 0,05 x3 = 2 n = 20

Ditanya:
P(15,3,2;20)?

Jawab :
n!
P(x1 , x2 , … xn ; n = π1 x1 π2 x2 … πn xn
x1 ! x2 ! … . . xn !

20!
P(15,3,2) = 0,715 . 0,253 . 0,052
15!3!2!
P(15,3,2) = 0,02875241939
 Jadi, peluang dari munculnya 15 produk baik, 3 produk cacat, dan 2 produk rusak dari
mesin A sebesar 0,02875241939atau 2,87%.

3. Distribusi Poisson
Musim hujan yang dimulai awal tahun ini menyebabkan banjir di beberapa wilayah di
Jabodetabek. Di satu kawasan, tercatat 500 rumah rusak berat akibat banjir. Berdasarkan
data historis 80 dari 4.000 unit rumah terdampak banjir mengalami kondisi kerusakan
parah. Berapa probabilitasnya:
a. Hanya ada 2 rumah yang rusak berat
b. Ada kurang dari 4 rumah yang mengalami kerusakan parah

Diketahui:
n = 500 λ = n . π = 10
80
π = 4,000 = 0.02
Ditanya:
a. P(x = 2)
b. P(x < 4)

Jawab:
λx . e−λ
a. P(x; n) = x!
102 . 𝑒 −10
P(x = 2) = = 0.002269996488
2!

Jadi, probabilitas 5 rumah rusak berat akibat banjir di beberapa wilayah di Jabodetabek
adalah 0.002269996488 atau 0,23%.

100 .𝑒 −10
b. P(x = 0) = = 0.0000453992976
0!
1 −10
10 . 𝑒
P(x = 1) = = 0.0004539992976
1!
102 . 𝑒 −10
(
P x=2 =) = 0.002269996488
2!
103 .𝑒 −10
P(x = 3) = = 0.00756665496
3!
P(x < 4) = 0,01033605004

Jadi probabilitas kurang dari 4 rumah rusak berat akibat banjir di beberapa wilayah di
Jabodetabek adalah 0,01033605004 atau 0,10%.

4. Distribusi Hipergeometrik
Suatu organisasi yang terdiri dari 50 orang dan 5 orang diantaranya memiliki tanggal lahir
yang sama yaitu tanggal 30 November 2001. Bila secara acak dipilih 8 orang, berapa
peluang orang yang terpilih tersebut:
a. Tidak terdapat satu orang pun yang lahir tanggal 30 November 2001
b. Tidak lebih dari 2 orang yang lahir tanggal 30 November 2001

Diketahui :
N = 50 n=8
M=5

Ditanya:
a. P(x = 0)
b. P(x ≤ 2)

Jawab:
CM N−M
x . Cn−x
a. P(x; n) = CNn
C0 .C50−5
5
8−0
P(x = 0) = = 0,4014933263
C50
8
Jadi, peluang tidak akan ditemukan satu orang pun yang lahir pada tanggal 30
November 2001 adalah 0,4014933263atau 40.15%

C50 .C50−5
8−0
b. P(x = 0) = = 0,4014933263
C50
8
C51 .C50−5
8−1
P(x = 1) = = 0,422624554
C50
8
C52 .C50−5
8−2
P(x = 2) = = 0,1517113748
C50
8
P(x ≤ 2) = P(x = 0) + P(x = 1) + P(x = 2) = 0,9758292551
Jadi, peluang akan ditemukan tidak lebih dari 2 orang yang lahir pada tanggal 30
November 2001 adalah 0,9758292551 atau 97,58%
 DAFTAR PUSTAKA

 Dajan, Anto. 1974. “Pengantar Metoda Statistika Jilid II”. Jakarta: Lembaga Penelitian,
Pendidikan dan Penerangan Ekonomi dan Sosial.
 Lind, D.A. 2018. “Statistical Techniques in Business & Economics”. United States :
McGraw-Hill.
 [Internal]. 2020. “Modul Statistik I”.