MAKALAH

KONSEP DAN DISTRIBUSI PROBABILITAS

Disusun untuk memenuhi salah satu tugas kelompok Mata Kuliah

Analisis Data Bisnis (LAB)

Disusun oleh :

Kelompok 3

1. Sri Handayani 2010631020139

2. Tegar Abdillah Manaf 2010631020144
3. Amir Mahmud 2010631020166
4. Anggie Anggraini Suharyati 2010631020167

PROGRAM STUDI S1 MANAJEMEN FAKULTAS EKONOMI

UNIVERSITAS SINGAPERBANGSA KARAWANG

2020/2021
 KATA PENGANTAR

Puji syukur kehadirat Tuhan Yang Maha kuasa karena telah memberikan kesempatan
pada penulis untuk menyelesaikan makalah ini. Atas rahmat dan hidayah-Nya lah penulis dapat
menyelesaikan makalah yang berjudul Konsep dan Distribusi Probabilitas dengan tepat waktu.
Makalah ini disusun guna memenuhi tugas dari Ibu Reminta Lumban Batu, S.Pd., MM selaku
dosen mata kuliah Analisis Data Bisnis (LAB). Selain itu, penulis juga berharap agar makalah
ini dapat menambah wawasan bagi pembaca tentang Konsep dan Distribusi Probabilitas itu
sendiri.
Dalam penyusunan makalah ini, kami banyak mendapat tantangan dan hambatan akan
tetapi dengan bantuan dari berbagai pihak tantangan itu bisa teratasi. Olehnya itu, kami
mengucapkan terima kasih yang sebesar-besarnya kepada semua pihak yang telah membantu
dalam penyusunan makalah ini, semoga bantuannya mendapat balasan yang setimpal dari
Tuhan yang Maha Kuasa.
Penulis menyadari makalah ini masih jauh dari kata sempurna.Oleh karena itu, kritik
dan saran yang membangunakan penulis terima demi kesempurnaan makalah ini.

Karawang, 17 Maret 2021

Penyusun
 DAFTAR ISI

KATA PENGANTAR...................................................................................................................... 2
DAFTAR ISI .................................................................................................................................. 3
BAB I ........................................................................................................................................... 4
KAJIAN TEORI ............................................................................................................................. 4
A. Latar Belakang.................................................................................................................... 4
1.1 Pengertian dan Manfaat Probabilitas ......................................................................... 4
1.2 Pendekatan Terhadap Probabilitas ............................................................................. 6
1.3 Hukum Dasar Probabilitas ........................................................................................... 8
1.4 Teorema Bayes .......................................................................................................... 10
1.5 Pengertian Distribusi Probabilitas ............................................................................. 11
1.6 Distribusi Probabilitas Diskret ................................................................................... 11
1.6.1 Distribusi Uniform Diskrit................................................................................... 11
1.6.2 Distribusi Binomial ............................................................................................. 12
1.6.3 Distribusi Multinominal ..................................................................................... 12
1.6.4 Distribusi Hipergeometrik .................................................................................. 12
1.6.5 Distribusi Poisson ............................................................................................... 13
1.7 Distribusi Probabilitas Kontinu .................................................................................. 14
1.7.1 Distribusi Normal ............................................................................................... 14
1.7.2 Distribusi Normal Standar .................................................................................. 15
1.8 Pendekatan Normal Terhadap Binomial ................................................................... 16
BAB II ........................................................................................................................................ 17
STUDI KASUS ............................................................................................................................ 17
BAB III ....................................................................................................................................... 18
PEMBAHASAN DAN SOLUSI ..................................................................................................... 18
DOKUMENTASI ......................................................................................................................... 20
DAFTAR PUSTAKA .................................................................................................................... 22
PROFIL ANGGOTA .................................................................................................................... 23
 BAB I

KAJIAN TEORI

A. Latar Belakang
1.1 Pengertian dan Manfaat Probabilitas
Menurut David Hume apabila mempergunakan argument yang disusun atas dasar
pengelaman kita dimasa lampau sebagai dasar pertimbangan untuk membuat ramalan
dimasa mendatang maka argument ini hanya merupakan kemungkinan (Probabilitas). Jadi
probabilitas merupakan pernyataan yang berisi ramalan tentang tingkatan keyakinan
tentang terjadinya sesuatu dimasa yang akan datang.Tingkatan keyakinan ini bisa
dinyatakan dengan angka atau tanpa dengan angka.
Seperti contoh untuk mengukur kemungkinan keluarnya sisi mata uang ketika diputar,
karena sisi mata uang ada dua maka kemungkinan keluarnya sebuah sisi mata uang bias
ditulis dengan angka yaitu ½, yang artinya terdapat 1 kemungkinan dari 2
kemungkinan.Peluang atau kebolehjadian atau dikenal juga sebagai probabilitas adalah
cara untuk mengungkapkan pengetahuan atau kepercayaan bahwa suatu kejadian akan
berlaku atau telah terjadi. Konsep ini telah dirumuskan dengan lebih ketat
dalam matematika, dan kemudian digunakan secara lebih luas dalam tidak hanya dalam
matematika atau statistika, tapi juga keuangan, sains dan filsafat.
Probabilitas suatu kejadian adalah angka yang menunjukkan kemungkinan terjadinya
suatu kejadian. Nilainya di antara 0 dan 1. Kejadian yang mempunyai nilai probabilitas 1
adalah kejadian yang pasti terjadi atau sesuatu yang telah terjadi. Misalnya matahari yang
masih terbit di timur sampai sekarang. Sedangkan suatu kejadian yang mempunyai nilai
probabilitas 0 adalah kejadian yang mustahil atau tidak mungkin terjadi. Misalnya seekor
kambing melahirkan seekor sapi.Probabilitas/Peluang suatu kejadian A terjadi
dilambangkan dengan notasi P(A), p(A), atau Pr(A). Sebaliknya, probabilitas [bukan A]
atau komplemen A, atau probabilitas suatu kejadian A tidak akan terjadi, adalah 1-P(A).
Probabilitas adalah suatu ukuran tentang kemungkinan suatu peristiwa (event) akan
terjadi dimasa mendatang.Probabilitas dinyatakan antara 0 sampai 1 atau dalam presentase.
Dalam mempelajari probabilitas, ada tiga kata kunci yang harus diketahui:
1) Eksperimen, Pengamatan terhadap beberapa aktivitas atau proses yang memungkinkan
timbulnya paling sedikit dua peristiwa tanpa memperhatikan peristiwa mana yang akan
terjadi.
2) Hasil (outcome), suatu hasil dari sebuah percobaan
3) Kejadian atau peristiwa (event), kumpulan dari satu atau lebih hasil yang terjadi pada
sebuah percobaan atau kegiatan.
Contoh :

Percobaan / kegiatan Pertandingan antara Timnas (senior)

Indonesia melawan Asean All Star di
Stadion Utama Gelora Bung Karno,
11 Mei 2014

Hasil Timnas Menang

Timnas Kalah

Seri, Timnas tidak menang dan tidak

kalah

Peristiwa Timnas menang

Manfaat probabilitas dalam kehidupan sehari-hari adalah membantu kita dalam

mengambil suatu keputusan, serta meramalkan kejadian yang mungkin terjadi. Jika kita
tinjau pada saat kita melakukan penelitian, probabilitas memiliki beberapa fungsi antara
lain;

a) Membantu peneliti dalam pengambilan keputusan yang lebih tepat. Pengambilan

keputusan yang lebih tepat dimagsudkan tidak ada keputusan yang sudah pasti karena
kehidupan mendatang tidak ada yang pasti kita ketahui dari sekarang, karena informasi
yang didapat tidaklah sempurna.
b) Dengan teori probabilitas kita dapat menarik kesimpulan secara tepat atas hipotesis
yang terkait tentang karakteristik populasi. Menarik kesimpulan secara tepat atas
hipotesis (perkiraan sementara yang belum teruji kebenarannya) yang terkait tentang
karakteristik populasi pada situssi ini kita hanya mengambil atau menarik kesimpulan
dari hipotesis bukan berarti kejadian yang akan dating kita sudah ketehaui apa yang
akan tertjadi.
c) Mengukur derajat ketidakpastian dari analisis sampel hasil penelitian dari suatu
populasi.
1.2 Pendekatan Terhadap Probabilitas
Untuk menentukan tingkat probabilitas ada tiga pendekatan yaitu pendektan
klasik,pendekatan relatif dan pendekatan subjektif.
1) Pendekatan Klasik
Mengasumsikan bahwa sebuah peristiwa mempunyai kesempatan untuk terjadi
yang sama besar.Probabilitas suatu peristiwakemudian dinyatakan ebagai rasio antara
jumlah kemungkinan hasil dngan total kemungkinan hasil (rasio peristiwa terhadap
hasil).
Probabilitas suatu peristiwa = jumlah kemungknan hasil (peristiwa)
Jumlah total kemungkinan hasil

Percobaan Hasil Probabilitas

Hasil

1. Muncul gambar
Kegiatan melempar uang 2
2. Muncul angka 0,5

Kegiatan perdagangan 1. Menjual saham

2. Membeli saham 2 0,5

Perubahan harga 1. Inflasi

2. Deflasi 2 0,5

1. Lulus memuaskan
Mahasiswa belajar
2. Lulus sangat
memuaskan 3
3. Lulus terpuji 0,333

Peristiwa menjual dan membeli saham mempunyai kesempatan yang sama

untuk terjadi pada kegiatan jual beli saham.Jumlah hasil ada 2,dan hanya 1 peristiwa
terjadi,maka probabilitas menjual atau membeli adalah sama ½.

Pada suatu percobaan dimana ada satu peristiwa yang terjadi,sehingga

peristiwa lain tidak dapat terjadi pada suatu percobaan dengan waktu yang sama
dikenal dengan peristiwa saling lepas (mutually exclusive).
 Jika pada suatu percobannya mempunyai hasil lebih dari satu, dan semua hasil
mempunyai probabilitas yang sama serta hanya satu peristiwa yang terjadi,maka
peristiwa ini disebut lengkap terbatas kolektif (collective exhaustive).Pada hal ini
sedikitnya satu dari seluruh hasil yang ada,pasti terjadi pada setiap percobaan atau
kegiatan yang dilakukan.

2) Pendekatan Relatif
Besar probabilitas suatu peristiwa tergantung pada berapa banyak suatu
peristiwa terjadi dari keseluruhan percobaan atau kegiatan yang dilakukan.

Probabilitas kejadian relatif = jumlah peristiwa yang terjadi

Jumlah total percobaan / kegiatan

Contoh : Dalam 12 bulan, 9 bulan terjadi inflasi dan 3 bulan deflasi. Maka
probabilitas inflasi = 9 / 12 = 0,75 dan probabilitas deflasi =3/12 = 0,25

Pada wisuda sarjana 2009 dari 950 mahasiswa,500 mahasiswa lulus dengan
memuaskan,290 lulus dengan sangat memuaskan,dan 80 lulus dengan terpuji.Maka
probabilitas lulus memuaskan adalah 500/950 = 0,53 ; lulus dengan sangat memuaskan
290/950 = 0,31 ; dan lulus dengan terpuji 80/950 = 0,08.

Jadi,pendekatan relatif mendasarkan besarnya probabilitas pada banyaknya

suatu peristiwa terjadi dan keseluruhan percobaan,kegiatan atau pengamatan yang
dilakukan.

3) Pendekatan Subjektif
Probabilitas suatu kejadian didasarkan pada penilaian pribadi yang dinyatakan
dalam suatu derajat kepercayaan.Penilaian subjektif diberikan karena terlalu sedikit
atau tidak ada informasi yang diperoleh atau berdasarkan keyakinan.Misalnya:
a) Menurut Menteri Keuangan Indonesia periode 2014-2019,Indonesia tidak akan
pernah krisis karena pondasi ekonomi kuat.
b) Anda akan mendapatkan nilai minimal B untuk mata kuliah Statistik 1
c) Menurut Presiden Amerika Serikat rakyat Irak akan menyambut tentara Amerika
dengan suka cita.
Semua pendekatan diatas hanya didasarkan pada penilaian pribadi dan tidak banyak
menggunakan informasi sebagai dasar pertimbangan.Dengan demikian pendekatan
tersebut dinamakan probabilitas subjektif.
1.3 Hukum Dasar Probabilitas
a) Hukum Penjumlahan

P ( A atau B) = P (A) + P ( B)

Contoh : P(A) = 0,60 P(B) = 0,40

Maka : P (A atau B) = 0,6 + 0,4 = 1,0
Untuk menerapkan aturan penjumlahan ini, harus dilihat jenis kejadiannya
apakah merupakan Peristiwa atau Kejadian bersama atau Peristiwa Saling Lepas.
• Peristiwa atau Kejadian Bersama
Dua peristiwa atau lebih disebut peristiwa atau kejadian bersama Non Mutually
Exclusive (joint) apabila kedua peristiwa atau lebih tersebut dapat terjadi pada
saat yang bersamaan (tetapi tidak selalu bersama). Probabilitas peristiwa atau
kejadian bersama dirumuskan sebagai berikut :

A AB B

P (A atau B) = P(A) + P(B) – P (AB)

Apabila P(AB) = 0,2 maka , P (A atau B) = 0,60 + 0,40 – 0,2 = 0,8

• Peristiwa Saling Lepas

Dua peristiwa atau lebih disebut saling lepas (mutually exclusive) jika kedua
atau lebih peristiwa itu tidak dapat terjadi pada saat yang bersamaan.Jika
kejadian menjual saham P(A) maka kejadian membeli saham P(B) tidak terjadi
pada waktu bersamaan.
Jika kejadian A dan B saling lepas,hukum penjumlahan menyatakan bahwa
probabilitas suatu kejadian atau probabilitas kejadian lain terjadi sama dengan
penjumlahan probabilitas masing-masing kejadian. Hukum terebut dinyatakan
sebagai berikut :
P (AB) = 0
Maka P ( A atau B) = P(A) + P(B) – 0
= P(A) + P(B)
 A B

b) Hukum Perkalian
Hukum perkalian menghendaki setiap peristiwa adalah independen yaitu suatu
peristiwa terjadi tanpa harus menghalangi peristiwa lain terjadi.Peristiwa A dan B
Independen,apabila peristiwa A terjadi,maka tidak menghalangi terjadinya peristiwa
B.Oleh sebab itu,untuk penjumlahan menghendaki peristiwa saling lepas,sedang untuk
perkalian menghendaki peristiwa Independen.
Hukum perkalian untuk probabilitas kejadian A dan B yang saling independen
dinyatakan :
P (A dan B) = P(A) x P(B)

• Kejadian bersyarat P ( B A )
Probabilitas suatu peristiwa akan terjadi,dengan ketentuan peristiwa lain telah
terjadi.Hukum perkalian untuk probabilitas bersyarat bahwa peristiwa B terjadi
dengan syarat peristiwa A telah terjadi dinyatakan sebagi berikut.

P ( B A ) = P(AB) / P(A)

• Peristiwa pelengkap (Complementary Event)

Peristiwa pelengkap menunjukkan bahwa apabila ada dua peristiwa A dan B yang
saling melengkapi,sehingga jika peristiwa A tidak terjadi,maka peristiwa B pasti
terjadi.Maka probabilitas keduanya dapat dirumuskan sebagai berikut :

P(A) + P(B) = 1 atau P(A) = 1 – P(B)

1.4 Teorema Bayes
Teorema Bayes dikemukakan oleh seorang pendeta Presbyterian Inggris pada tahun
1763 yang bernama Thomas Bayes.Teorema Bayes ini kemudian disempurnakan oleh
Laplace.Teorema Bayes digunakan untuk menghitung probabilitas terjadinya suatu
peristiwa berdasrkan pengaruh yang didapat dari hasil observasi.
Teorema ini menerangkan hubungan antara probabilitas terjadinya peristiwa A dengan
syarat peristiwa B telah terjadi dan probabilitas terjadinya peritiwa B dengan syarat
peristiwa A telah terjadi.Teorema ini didasarkan pada prinsip bahwa tambahan informasi
dapat memperbaiki probabilitas.
Rumus :
P (Ai B) = P(Ai) x P (B Ai)
P(A1) x P(B A1) + P(A2) x P(B A2) + .... + P(Ai) x P(B Ai)

• Prinsip Menghitung Probabilitas

1) Faktorial
Digunakan untuk mengetahui berapa banyak cara yang mungkin dalam
mengatur suatu kelompok.
Factorial = n!

2) Permutasi
Digunakan untuk mengetahui sejumlah kemungkinan susunan jika
terdapat satu kelompok objek.Permutasi dirumuskan sebagai berikut:
Permutasi nPr = n! / ( n – r )!

3) Kombinasi
Digunakan apabila tertarik pada beberapa cara sesuatu diambil dari
keseluruhan objek tanpa memerhatikan urutannya.
Kombinas nCr = n! / r! ( n – r )!
1.5 Pengertian Distribusi Probabilitas
Distribusi Probabilitas adalah suatu distribusi yang mengambarkan peluang dari
sekumpulan variat sebagai pengganti frekuensinya. Probabilitas kumulatif adalah
probalitas dari suatu variabel acak yang mempunyai nilai sama atau kurang dari suatu
nilai tertentu.Kunci aplikasi probabilitas dalam statistik adalah memperkirakan
terjadinya peluang/probabilitas yang dihubungkan dengan terjadinya peristiwa tersebut
dalam beberapa keadaan. Jika kita mengetahui keseluruhan probabilitas dari
kemungkinan outcome yang terjadi, seluruh probabilitas kejadian tersebut akan
membentuk suatu distribusi probabilitas. Fungsi distribusi peluang pada umumnya
dibedakan atas distribusi peluang diskrit dan distribusi peluang kontinu.

1.6 Distribusi Probabilitas Diskret

Peubah acak diskrit adalah peubah acak yang ruang rentangnya merupakan himpunan
yang berhingga ( finite) atau tak berhingga tapi terhitung ( denumerable/countably infinite)
dengan sifat-sifat berikut

1.6.1 Distribusi Uniform Diskrit

Jika peubah acak X mempunyai nilai x1,x2,x3,…xk dengan peluang yang

sama, maka distribusi seragam diskrit didefinisikan sebagai:

Rataan dan variansi dari distribusi seragam diskrit adalah:

1.6.2 Distribusi Binomial

Distribusi binomial didasarkan pada proses Bernoulli. Pada proses Bernoulli,

suatu eksperimen sering terdiri dari beberapa usaha yang berulang-ulang, di
mana tiap usaha mempunyai dua kemungkinan: sukses atau gagal.
Sifat-Sifat Proses Bernoulli:
1. Eksperimen terdiri dari n usaha yang berulang
2. Setiap usaha memberikan hasil yang dapat diklasifikasikan menjadi sukses
atau gagal
3. Peluang dari sukses adalah p, yang bersifat 6
4. Peluang dari sukses adalah p , yang bersifat tetap dalam setiap kali usaha.
5. Tiap usaha tersebut bersifat independen satu sama lain.

1.6.3 Distribusi Multinominal

Jika suatu percobaan dapat menghasilkan k macam hasil E1,E2,…,Ek dengan

peluang P1,P2,…,Pk maka distribusi peluang dari peubah acak X1,X2,…,Xk
yang menyatakan banyak terjadinya E1,E2,…Ek dalam n usaha yang
independen adalah:

1.6.4 Distribusi Hipergeometrik

Distribusi hipergeometrik mempunyai sifat-sifat sebagai berikut:

1. Secara acak diambil sebanyak n tanpa dikembalikan dari N benda.
2. k dari N benda diklasifikasikan sukses dan N - k diklasifikasikan gagal

Jumlah sukses X dari eksperimen hipergeometrik disebut peubah acak

hipergeometrik.Distribusi peluang dari peubah acak hipergeometrik disebut
dengan distribusi hipergeometrik, dan nilainya dinotasikan dengan:
 Distribusi peluang dari peubah acak hipergeometrik X,yaitu jumlah sukses dari

sampel acak berukuran n yang diambil dari N benda, di mana terdapat k jumlah
sukses dan N-k jumlah gagal adalah:

Rataan dan variansi dari distribusi hipergeometrik adalah :

1.6.5 Distribusi Poisson

Eksperimen Poisson adalah eksperimen yang menghasilkan nilai numerik dari

peubah acak X pada selang waktu yang tertentu atau daerah tertentu.
Contoh:
1) jumlah panggilan telepon dalam waktu 1 jam yang diterima oleh resepsionis
2) banyaknya pertandingan tenis yang terpaksa diundurkan karena terjadinya
hujan selama musim hujan
3) banyaknya tikus dalams atu hektar sawah
4) banyaknya salah ketik dalam satu halaman

Sifat-sifat proses Poisson:

1. Jumlah hasil yang terjadi dalam satu selang waktu atau daerah tertentu
adalah independen terhadap hasil yang terjadi pada selang atau daerah lain.
Proses Poisson dikatakan tidak mempunyai ingatan.
2. Peluang terjadinya suatu hasil (tunggal) dalam selang waktu yang sangat
pendek atau daerah yang sangat waktu yang sangat pendek atau daerah yang
sangat kecil sebanding dengan panjang selang waktu atau besarnya daerah
dan tidak bergantung pada banyaknya hasil yang terjadi di luar selang atau
daerah tersebut.
3. Peluang terjadinya lebih dari satu hasil yang terjadi dalam selang waktu yang
pendek dapat diabaikan.
 Distribusi peluang peubah acak Poisson X, yang menyatakan
banyaknya sukses yang terjadi dalam selang waktu atau daerah tertentu –
dinotasikan dengan t — adalah:
di mana λt adalah rata-rata banyaknya sukses yang terjadi per satuan waktu
atau daerah, dan e= 2.71828…
Rataan dan variansi dari distribusi Poisson p(x;λt) adalah sama, yaitu λt.

1.7 Distribusi Probabilitas Kontinu

Distribusi peluang kontinu adalah peubah acak yang dapat memperoleh semua nilai
pada skala kontinu. Ruang sampel kontinu adalah bila ruang sampel mengandung titik
sampel yang tak terhingga banyaknya. Syarat dari distribusi kontinu adalah apabila
fungsi f(x) adalah fungsi padat peluang peubah acak kontinu X yang didefinisikan di atas
himpunan semua bilangan riil R bila:

1.7.1 Distribusi Normal

Distribusi Normal (Gaussian) mungkin merupakan distribusi probabilitas

yang paling penting baik dalam teori maupun aplikasi statistik. Distribusi ini
paling banyak digunakan sebagai model bagi data riil di berbagai bidang yang
meliputi antara lain karakteristik fisik makhluk hidup (berat, tinggi badan
manusia, hewan, dll). Terdapat empat alasan mengapa distribusi normal
menjadi distribusi yang paling penting :
a. Distribusi normal terjadi secara alamiah.
b. Beberapa variabel acak yang tidak terdistribusi secara normal dapat dengan
mudah ditransformasi menjadi suatu distribusi variabel acak yang normal.
 c. Banyak hasil dan teknik analisis yang berguna dalam pekerjaan statistik
hanya bias berfungsi dengan benar jika model distribusinya merupakan
distribusi normal.
d. Ada beberapa variabel acak yang tidak menunjukkan distribusi normal pada
populasinya, namun distribusi dari rata-rata sampel yang diambil secara
randomdari populasi tersebut ternyata menunjukkan distribusi normal.
Distribusi Normal disebut juga Gausian distribution adalah salah
satu fungsi distribusi peluang berbentuk lonceng seperti gambar berikut.

Berdasarkan gambar di atas, distribusi Normal akan memiliki beberapa ciri

diantaranya:

• Kurvanya berbentuk garis lengkung yang halus dan berbentuk seperti genta.
• Simetris terhadap rataan (mean).
• Kedua ekor/ ujungnya semakin mendekati sumbu absisnyatetapi tidak
pernah memotong.
• Jarak titik belok kurva tersebut dengan sumbu simetrisnya sama dengan σ
• Luas daerah di bawah lengkungan kurva tersebut dari -~ sampai + ~ sama
dengan 1 atau 100 %.

1.7.2 Distribusi Normal Standar

Sembarang distribusi probabilitas normal dapat diubah menjadi

distribusi probabilitas normal standar.Distribusi normal standar disebut juga
dengan Distribusi z,karena hasil standardisasi dari distribusi probabilitas
normal menjadi distribusi probabilitas normal standar disebut dengan nilai z
yaitu :
1.8 Pendekatan Normal Terhadap Binomial
Probability mass function (pmf) dari distribusi Binomial :

Distribusi probabilitas normal dapat digunakan sebagai pengganti distribusi binomial

pada nilai n yang besar,karena jika n bertambah,distribusi binomial menjadi semakin
mendekati distribusi normal.Transformasi z-nya adalah sebagai berikut :

Namun,hal tersebut perlu diperhatikan bahwa terdapat perbedaan yang signifikan dari
kedua distribusi tersebut.Distribusi probabilitas normal merupakan distribusi probabilitas
kontinu,sementara distribusi probabilitas binomial merupakan distribusi probabilitas
diskret.Oleh sebab itu,terdapat faktor koreksi kontinuitas.
Faktor koreksi kontinuitas adalah nilai 0,5 yang dikurangkan atau dijumlahkan
(bergantung pada pertanyaanya) pada nilai yang terpilih ketika distribusi probabilitas
diskret diperkirakan melalui distribusi probabilitas kontinu.
 BAB II

STUDI KASUS

Tulisan ini membahas tentang konsep dasar probabilitas dalam menganalisis peluang
dan melaporkan pola data yang diteliti, metode statistika diperlukan oleh peneliti pada saat
menyajikan data dan menafsirkan kejadian pada masalah yang di telitinya, salah satunya
melalui “Studi Kasus ini dan diharapkan dapat memberikan informasi tentang cara yang
mudah dalam mencari probabilitas.

Kasus 1

Buah Manis Asam Jumlah

Hijau 30 50 80

Kuning 50 40 90

Jumlah 80 90 170

Pertanyaan : Probabilitas terambilnya 1 buah berwarna kuning dan berasa asam adalah …..

Kasus II

Suatu individu mempunyai probabilitas rata-rata dapat menyelesaikan suatu pekerjaan tertentu
dalam waktu 1 menit sebesar 3/5. Misalkan bahwa pekerjaan tersebut dicoba diselesaikan oleh
10 individu, berapa probabilitasnya tepat 7 individu yang menyelesaikan pekerjaan tersebut
dalam waktu 1 menit ?

Kasus III

Nilai ujian masuk UKSW untuk FSM berdistribusi Normal Baku dengan μ = 75 dan σ = 10.
Berapakah probabilitasnya seseorang mempunyai nilai antara 80 dan 90 ?
 BAB III

PEMBAHASAN DAN SOLUSI

Kasus I
Percobaan ini adalah percobaan probabilitas bersyarat.
Rumus probabilitas bersyarat

P( A|B ) = P ( A n B )

P(B)

Diketahui : A = Buah berwarna kuning

B = Buah berasa asam

= P ( B ) = 90/170

P ( A n B ) = 40/170

= 90/170

40/170

=4

Jadi peluang terambilnya 1 buah berwarna kuning dan berasa asam adalah 4

Kasus II
P : Dalam hal ini, percobaan ini adalah percobaan binomial dengan n = 10,
k = 7 dan p = 3/5 sehingga probabilitasnya tepat 7 individu yang menyelesaikan pekerjaan
tersebut dalam waktu 1 menit adalah

Jadi, probabilitasnya adalah 0,215.

Kasus III
Pembahasan :
DOKUMENTASI
 DAFTAR PUSTAKA

Febisetiani. (2018,28 November) https://febisetiani.wordpress.com/2018/11/28/distribusi-

probabilitas/amp/ (diakses pada tanggal 17 Maret 2021)

Ferdiansyah. (2018, 27 November)

https://ferdiansyahtommy10gmail.wordpress.com/2018/11/27/pengertian-distribusi-
probabilitas/amp/ (diakses pada tanggal 17 Marert 2021)

Rantielas. (2018, 12 Januari) https://rantielas.wordpress.com/2018/01/12/distribusi-diskrit-

dan-distribusi-kontinu/amp/ (diakses pada tanggal 17 Maret 2021)

Suharyadi,purwanto. 2009. Statistika untuk Ekonomi dan Keuangan Modern

Syahrijaakfa. (2016, Januari) http://syahrizaakfa.blogspot.com/2016/01/distribusi-

probabilitas-diskrit_29.html?m=1 (diakses pada tanggal 18 Maret 2021)

Parameterd. (2013, 25 Mei) https://parameterd.wordpress.com/2013/05/25/distribusi-

probabilita-diskrit-pendahuluan/ (diakses pada tanggal 18 Maret 2021)

http://statslab-rshiny.fmipa.unej.ac.id/RDoc/ddisk/ (diakses pada tanggal 19 Maret 2021)

http://statistikdasar.com/files/materi/konsep_distribusi_peluang_kontinu.pdf (diakses pada

tanggal 19 Maret 2021)

http://informatika.stei.itb.ac.id/~rinaldi.munir/Probstat/20102011/Beberapa%20Distribusi%2
0Peluang%20Diskrit.pdf (diakses pada tanggal 19 Maret 2021)

http://laboratoriumstatistika.blogspot.co.id/2015/04/distribusi-peluang.html (diakses pada

tanggal 19 Maret 2021)

https://rumuspintar.com/distribusi-normal/amp/ (diakses pada tanggal 17 Maret 2021)

 PROFIL ANGGOTA

Nama Lengkap : Sri Handayani

NPM : 2010631020139

Tempat,Tanggal Lahir : Cirebon,04 Januari 2002

Alamat : Jalan Nusa Indah Dusun 02 RT/RW 02/04 Desa Karang

wangi Kec.Karang wareng Kab.Cirebon,45186

Email : srihandddd@gmail.com

Nama Lengkap : Tegar Abdillah Manaf

NPM : 2010631020144

Tempat,Tanggal Lahir : Cirebon,25 Februari

Alamat : Jalan Merdeka Barat Desa Ciledug Kulon Kec.Ciledug

Kab.Cirebon RT/RW 05/02 Dusun Wage No.68, 45188

Email : tegarabdillah7@gmail.com

Nama Lengkap : Amir Mahmud

NPM : 2010631020166

Tempat,Tanggal Lahir : Karawang,06 November 2001

Alamat : Desa Lemahduhur Kp. Jarakah 02 RT/RW 007/002

Email : amirmahmud7090@gmail.com
Nama Lengkap : Anggie Anggraini Suharyati

NPM : 2010631020167

Tempat,Tanggal Lahir : Bekasi,26 Juli 2002

Alamat : Jalan Industri Tegal Gede KpKosambi No 11 RT/RW 10/04

Desa Pasir Sari Kec.Cikarang Selatan Kab.Bekasi

Email : anggieesh@gmail.com