DISTRIBUSI BINOMIAL

EKSPERIMEN BINOMIAL DAN PERCOBAAN BERNOULLI

 Definisi Eksperimen Binomial : Satu atau serangkaian
eksperimen dinamakan eksperimen binomial bila dan
hanya bila eksperimen yang bersangkutan terdiri dari
percobaan-percobaan Bernoulli atau percobaan-
percobaan Binomial.
 Jika kita hanya berminat untuk mengetahui apakah
hasil suatu percobaan disebut sukses atau gagal,
maka ruang sampel yang merumuskan percobaan
tersebut harus memuat 2 unsur saja yaitu unsur B
bagi sukses dan unsur G bagi gagal.
Bahan ajar statistik II- Sunarto - FE UNWAHAS 1
  Contoh : Bila kita memilih secara random sehelai
kartu dari 52 helai kartu bridge, berapakah
probabilitas kartu yang terpilih ialah kartu as ?
 Karena kartu as hanyalah 4 buah dari ke lima
puluh dua kartu yang bersangkutan, maka
probabilita kartu tersebut dipilih menjadi 4/52 atau
1/13.
 Bila kita hanya berminat untuk mengetahui apakah
kartu yang terpilih merupakan “kartu as” atau
“bukan as” sebagai “sukses” dan hasil kartu lain
sebagai “gagal”. Dengan sendirinya, ruang sampel
harus dirumuskan sebagai { B, G } dengan
probabilita 1/13 bagi B dan 12/13 bagi G.
Bahan ajar statistik II- Sunarto - FE UNWAHAS 2
 Definisi Percobaan Bernoulli (Bernoulli Trial) : Suatu
percobaan dinamakan percobaan Bernoulli bila dan
hanya bila memiliki ciri-ciri sbb :
a. Tiap percobaan dirumuskan dengan ruang
sampel {B, G}. Dengan lain perkataan , tiap
percobaan hanyalah memiliki 2 hasil, sukses atau
gagal.
b. Probabilita sukses pada tiap-tiap percobaan
haruslah sama.
c. Setiap percobaan harus bersifat independen.
d. Jumlah percobaan yang merupakan komponen-
komponen eksperimen binomial harus tertentu.

Bahan ajar statistik II- Sunarto - FE UNWAHAS 3

 DISTRIBUSI BINOMIAL

 BI dalam kata BINOMIAL berarti dua. Hal ini

merujuk ke setiap kali percobaan atau
kesempatan, hasil yang MUNGKIN muncul hanya
ada dua.
 Pertanyaan yang biasanya muncul adalah, kapan
kita menggunakan menghitung peluang dengan
menggunakan persamaan distribusi peluang
Binomial?

Bahan ajar statistik II- Sunarto - FE UNWAHAS 4

O Jika kejadian tersebut memenuhi sifat-sifat di bawah
ini maka ketika menghitung peluang kejadian
tersebut terjadi maka persamaan yang digunakan
adalah persamaan peluang dari distribusi binomial.
a. Percobaan dilakukan sebanyak n kali.
b. Setiap kali percobaan mempunyai dua
kemungkinan hasil.
c. Kemungkinan hasil dari masing-masing
percobaan sama.
d. Hasil yang diperoleh pada percobaan pertama
tidak akan mempengaruhi hasil yang diperoleh
pada percobaan-percobaan yang lain (saling
independen).
Bahan ajar statistik II- Sunarto - FE UNWAHAS 5
CARA MENGHITUNG DISTRIBUSI BINOMIAL SECARA
REKURSIF
 Untuk persamaan hitung peluang dapat dilihat
misalkan X adalah variabel random diskrit. Maka
peluang dari X adalah:

Bahan ajar statistik II- Sunarto - FE UNWAHAS 6

 Contoh:
 Misalkan kita mempunyai satu buah koin yang
terdiri atas dua sisi, depan dan belakang.
Misalkan kita mengundi sebanyak 10 kali. Pada
undian pertama, kemungkinan hasilnya hanya sisi
depan atau sisi belakang. Pada undian kedua,
kemungkinan hasilnya hanya sisi depan atau sisi
belakang. Demikian seterusnya. Setiap kali
mengundi, kemungkinan hasilnya sama, hanya
dua yaitu sisi depan atau sisi belakang. Dari
sepuluh kali percobaan, berapa peluang sisi
depan muncul sebanyak dua kali?

Bahan ajar statistik II- Sunarto - FE UNWAHAS 7

Jawab :
Jumlah percobaan = n = 10.
Peluang sukses = peluang munculnya sisi depan
dalam setiap percobaan = p = 0.5.
Peluang gagal = peluang tidak munculnya sisi depan
dalam setiap percobaan = q = 1-p = 0.5.

Bahan ajar statistik II- Sunarto - FE UNWAHAS 8

 Ditanyakan:
 Dari sepuluh kali percobaan, berapa peluang sisi
depan muncul sebanyak dua kali? Atau P (X = 2) -
> Yang ditanyakan adalah peluang munculnya sisi
depan maka kejadian yang dianggap sukses
adalah jika sisi depan muncul ketika diundi.

Bahan ajar statistik II- Sunarto - FE UNWAHAS 9

DISTRIBUSI BINOMIAL KUMULATIF
 Pada hitungan binomial kumulatif, yang terpenting bukanlah
mencari porobabilita dari sejumlah X sukses tetapi menghitung
probabilita “paling sedikit” atau “paling banyak” sejumlah X
sukses. Probablita binomial kumulatif tersebut dapat dihitung
dengan jalan mencari nilai probabilita individu secara tersendiri
berdasarkan rumus :
𝑛
b (x / n , p) = p (X = x) = ( ) 𝑝 𝑥 𝑞 𝑛−𝑥 ; x = 0, 1, 2 …. , n
𝑥
 Serta kemudian menjumlahkan semua hasil probabilita individu
yang bersangkutan.
 Suatu cara yang efektif untuk menghitung hasil distribusi
binomial kumulatif dapat dilakukan dengan bantuan sebuah
table distribusi probabilita binomial kumulatif.

Bahan ajar statistik II- Sunarto - FE UNWAHAS 10

RATA-RATA (MEAN) DISTRIBUSI BINOMIAL
 Bila p merupakan probabilitas sukses pada tiap-tiap
percobaan Bernoulli dari sebuah eksperimen binomial, maka
rata-rata dari jumlah sukses dalam sejumlah n percobaan
dapat diberikan sebagai :
𝜇𝑋 = E (X) = np
 Jika nilai parameter n dan p telah diketahui , maka
menghitung rata-rata distribusi binomial dapat dilakukan
dengan mudah sekali.
Contoh :
Bila 15 butir dadu dilempar sekali, berapakah rata-rata jumlah
mata dadu 4 yang diperoleh ? disini n = 15 dan p = 1/6 , maka :
𝜇𝑋 = n p = 15 (1/6 ) = 2,5

Bahan ajar statistik II- Sunarto - FE UNWAHAS 11

VARIANS DAN DEVIASI STANDAR DISTRIBUSI BINOMIAL
Varians distribusi binomial dapat diberikan dengan rumus :
𝜎 2𝑋 = npq
Deviasi standar :
𝜎𝑋 = 𝑛𝑝𝑞
Contoh :
Bila 15 butir dadu dilempar sekali, hitunglah varians dan
deviasi standar jumlah mata dadu 4 yang diperoleh ?
disini n = 15 ; p = 1/6 dan q = 5/6, maka :
𝜎 2𝑋 = npq
= 4 (1/6) (5/6)
= 4 ( 5/6 ) = 20 / 36 = 5/9
𝜎𝑋 = 𝑛𝑝𝑞
= 5/9
Bahan ajar statistik II- Sunarto - FE UNWAHAS 12
PENYELARASAN DISTRIBUSI BINOMIAL PADA DISTRIBUSI
FREKUENSI PENARIKAN SAMPEL
 Distribusi binomial seperti yang dijelaskan diatas
sebetulnya merupakan distribusi binomial yang teoritis
atau apriori. Pada hitungan tersebut, nilai p selalu
diketahui secara matematis dan teoritis. Bila p tidak
diketahui secara apriori, maka nilai p harus ditaksir
secara eksperimental.
 Distribusi binomial yang dihitung secara demikian
dinamakan distribusi binomial yang “disesuaikan”
atau “diselaraskan” (fitted binomial distribution).
Prosesnya dinamakan proses penyelarasan distribusi
binomial pada distribusi frekuensi penarikan sampel.
Bahan ajar statistik II- Sunarto - FE UNWAHAS 13
Contoh :
 Sebuah observasi sampel terhadap 100 keluarga yang
memiliki 4 anak telah memberikan data mengenai jumlah
keluarga yang memiliki 0,1,2,3,4 anak perempuan sbb :
 Bila probabilita untuk melahirkan seorang anak perempuan
adalah konstan, bagaimana kita dapat memakai data actual
diatas untuk menaksir p yang tidak dikeahui tersebut ?
 Kita harus menganggap jenis kelamin anak-anak yang ada
didalam tiap keluarga sebagai sesuatu yang ditentukan oleh 4
percobaan Bernoulli dengan probabilita p bagi “sukses” (anak
perempuan) yang konstan tetapi tidak diketahui. Rata-rata
binomial teoritis adalah :

Bahan ajar statistik II- Sunarto - FE UNWAHAS 14

𝛍X = np atau X = 4p
Rata-rata distribusi frekuensi yang aktual adalah :
4 𝑓𝑖 𝑋𝑖
𝑋 = 𝑖=0 𝑓
𝑖
200
= =2
100

X 0 1 2 3 4

f 3 31 35 25 6

Jika 𝛍X = 𝑋 maka 4p = 2
p = 2/4 = ½ = 0,50
Bila p = 0,50 maka q = 0,50 dan bila parameter p diketahui,
maka kita dapat menghitung distribusi binomial f (x) = 𝑥4 𝑝 𝑥 𝑞𝑛−𝑥
dimana X = 0,1,2,3,4.

Bahan ajar statistik II- Sunarto - FE UNWAHAS 15

 Hasil distribusi binomial f (x) = 𝑥4 𝑝 𝑥 𝑞 𝑛−𝑥 dimana X
= 0,1,2,3,4 yang diselaraskan sbb :
𝑋𝑖 Frekuensi aktual Distribusi probabilita binomial Frekuensi yang
diharapkan

0 3 4 1 𝑖 6,25
0
( )0 ( )4 = 1/16
2 2

1 31 4 1 𝑖 25,00
1
( )1 ( )3 = 4/16
2 2

2 35 4 1 𝑖 37,50
2
( )2 ( )2 = 6/16
2 2

3 25 4 1 𝑖 25,00
3
( )3 ( )1 = 4/16
2 2

4 6 4 1 𝑖 6,25
4
( )4 ( )0 = 1/16
2 2

100 100,00

Bahan ajar statistik II- Sunarto - FE UNWAHAS 16

PENYIMPANGAN DISTRIBUSI HIPERGEOMETRIS
 Bila sebuah populasi N memiliki sejumlah K unsur
yang sama dan K – K unsur lain yang sama , dan bila
sejumlah n unsur dipilih secara random tanpa
pemulihan, maka probabilita unsur yang terpilih akan
terdapat sejumlah k unsur K menjadi :
𝐾 𝑁−𝐾
h ( k/n,p,N) = f(k) = 𝑘 𝑛−𝑘
𝑁
𝑛

 Perumusan diatas dirumuskan bagi k yang tidak

melebihi n atau K. Bila k > K atau k > n , Maka
rumus diatas akan sama dengan nol.

Bahan ajar statistik II- Sunarto - FE UNWAHAS 17

Contoh :
8 bola merah dan 12 bola putih dimasukkan ke dalam
sebuah peti. Bila 5 bola dipilih secara random dari
dalam peti tersebut, berapakah probabilita 3 dari dari
bola tersebut adalah bola merah ?
Disini N = 20, n = 5, K = 8 dan k = 3 , maka diperoleh
8 20−8 8 12
f(0) = 3 5−3
20 = 3
20
2
= 0,23
3 3

Bahan ajar statistik II- Sunarto - FE UNWAHAS 18

Bahan ajar statistik II- Sunarto - FE UNWAHAS
19