2

Kelompok 1
DISTRIBUSI PROBABILITAS DISKRET
Disusun untuk memenuhi salah satu tugas
Mata Kuliah : Statistik I
Dosen : M. Luthfi Setiarno P.,M.Si

Disusun Oleh:

Nafi Barokah
NIM: 1904110013
Nuraini
NIM: 1904110039
Yulisa Elida Putri
NIM: 1904110114
Tasa Harumaisa
Rijali Rahman

INSTITUT AGAMA ISLAM NEGERI PALANGKA RAYA

FAKULTAS EKONOMI DAN BISNIS ISLAM
PRODI PERBANKAN SYARIAH
TAHUN 2020 M/1441 H
 3

KATA PENGANTAR

Assalamu’alaikum Wr.Wb.
Segala puji bagi Allah SWT, yang telah menciptakan manusia sebagai khalifah di
muka bumi ini dan menjadikannya sebagai makhluk sosial dan menugaskannya untuk
menegakkan hukum yang adil, agar manusia dapat hidup dengan baik dan damai.
Berkat pertolongan Allah SWT., akhirnya penulis dapat menyelesaikanmakalah yang
berjudul“Distribusi Probabilitas Diskret”.Tujuan dalam pembuatan makalah ini
antara lain untuk memenuhi salah satu tugas kelompok mata kuliah Statistik I.
Ucapan terima kasih kami sampaikan kepada semua pihak yang telah memberikan
bantuannya baik secara moral maupun material sehingga makalah ini dapat
diselesaikan.Penulis berharap makalah ini dapat memberikan manfaat bagi penulis
terutama pembacanya pada umumnya. Penulis juga menyadari bahwa makalah ini
masih jauh dari kesempurnaan, untuk itu kritik dan saran dari pembaca sangat penulis
harapkan untuk kesempurnaan makalah ini.
Apabila dalam penulisan makalah ini banyak terdapat kekeliruan dan kesalahan,
maka kami sebagai penulis mohon maaf.Segala sesuatu yang benar itu datangnya dari
Allah, dan yang salah berasal dari kami sendiri sebagai penulis.Akhir kata kami
ucapkan terima kasih.
Wassalamu’alaikum Wr.Wb.

Palangka Raya, Oktober 2020

Tim penulis
 4

DAFTAR ISI

KATA PENGANTAR.......................................................................................i
DAFTAR ISI......................................................................................................ii
BAB I PENDAHALUAN..................................................................................1
A. Latar Belakang........................................................................................1
B. Rumusan Masalah...................................................................................2
C. Tujuan Penulisan.....................................................................................2
D. Metode Penulisan....................................................................................2
BAB II PEMBAHASAN...................................................................................3
A. Pengertian Distribusi Probabilitas Diskret..............................................3
B. Jenis-jenis Distribusi Probabilitas Diskret..............................................6
C. Mamfaat Probabilitas dalam Penelitian..................................................7
BAB III PENUTUP...........................................................................................12
A. Kesimpulan.............................................................................................12
DAFTAR PUSTAKA
 5

BAB I
PENDAHULUAN

A. Latar Belakang
Statistika adalah ilmu yang mempelajari bagaimana merencanakan,
mengumpulkan, menganalisis, menginterpretasi, dan mempresentasikan
data.Sedangkan statistik adalah data, informasi, atau hasil penerapan
algoritma statistika pada suatu data.
Kejadian yang sering atau jarang terjadi dikatakan mempunyai
peluang terjadi yang besar atau kecil.Keseluruhan nilai-nilai peluang biasa
digunakan dalam kehidupan sehari-hari.Dalam mengaplikasikan statistika
terhadap permasalahan sains, industri, atau sosial, pertama-tama dimulai dari
mempelajari populasi.
Tiga buah sebaran teoritis yang paling terkenal, diantaranya dua buah
sebaran peluang yang diskrit dan sebaran yang kontinyu.Kedua sebaran yang
teoritis yang deskrit itu ialah sebaran binomial dan sebaran Poisson.Sebaran
kontinyu nya adalah sebaran normal.

B. Rumusan Masalah
Untuk menguraikan beberapa hal terkait (Distribusi Probabilitas Diskret),
maka rumusan masalah yang digunakan untuk pembahasan makalah adalah
sebagai berikut:
1. Apa Pengertian Distribusi Probabilitas Diskret?
2. Apa Saja Jenis-jenis Distribusi Probabilitas Diskret?
3. Apa mamfaat probabilitas dalam penelitian?

C. Tujuan dan Kegunaan

Adapun tujuan dari penulisan makalah ini adalah menjawab dari
rumusan masalah yang tertera di atas, lebih rincinya antara lain:
1. Mengetahui dan memahami Pengertian Distribusi Probabilitas Diskret.
 6

2. Mengetahui dan memahami Jenis-jenis Distribusi Probabilitas Diskret.

3. Mengetahui mamfaat probabilitas dalam penelitian

D. Metode Penulisan
Dalam Penyusunan makalah ini penulis menggunakan metode Kajian
Pustaka (Library Search) dengan mempelajari dan mengumpulkan data dari
pustaka yang berkaitan dengan pembahasan makalah ini. Penulis juga
menggunakan metode Diskusi (Discussion Method) dengan teman-teman
yang mengetahui tentang informasi yang diperlukan terkait pembahasan ini
 7

BAB II
PEMBAHASAN

A. Pengertian Distribusi Probabilitas Diskret

Distribusi Probilitas merupakan cara yang lebih sederhana untuk
menyelesaikan probilitas dari peristiwa yang bersifat independen dan
dependen. Peristiwa indenpenden merupakan peristiwa yang terjadi yang
tidak mempengaruhi peristiwa yang berikutnya. Peristiwa dependen
adalah peristiwa yang mempengaruhi peristiwa lain. Pada berbagai
peristiwa dalam probilitas, jika frekuensi percobaan banyak, maka untuk
peristiwa yang bersifat independen dan dependen akan mengalami
kesulitan dalam percobaan. Distribusi probabilitas merupakan nilai-nilai
probabilitas yang dinyatakan untuk mewakilisemua nilai yang dapat
terjadi dari suatu variabel random X, baik dengan suatu daftar
(tabel)maupun dengan fungsi matematis.
Distribusi probabilitas diskret adalah suatu daftar atau distribusi
dari semua nilai variabel acak diskrit dengan probabilitas terjadinya
masing-masing nilai tersebut. Variabel diskrit memiliki jumlah
kemungkinan nilai yang terbatas atau jumlah yang tak terhingga nilai-
nilai yang dapat di hitung.kata dihitung berarti bahwa mereka dapat
dicacah dengan angka 1,2,3 dll. Sebagai contoh, jumlah pelari ditaman
Riverview setiap hari dan jumlah panggilan telepon yang diterima setelah
komersial di Tv adalah contoh variabel dikrit karena mereka dapat
dihitung.1

B. Jenis-jenis Distribusi Probilitas Diskrit

1. Distribusi Uniform

1
L. Tri Wijaya Nata Kusuma dan Debrina Puspita A, Pengantar Statistik Industri, Cet 1, (Malang: UB
Press, 2016) Hal 28.
 8

Distribusi probabilitas yang paling sederhana adalah jikalau

tiap nilai variabel random memiliki probabilitas yang sama untuk
terpilih. Distribusi probabilitas seperti ini diberi nama Distribusi
Probabilitas Uniform Diskrit Jika variabel random X bisa memiliki
nilai x1,x2, …, xk dan masing masing bisa muncul dengan
probabilitas yang sama maka distribusi probabilitasnya diberikan oleh:
f(x;k)=1/k untuk x= x1,x2, …, xk
Notasi f(x;k) menyatakan nilai fungsi f tergantung pada k!.

CONTOH DISTRIBUSI UNIFORM

Sebuah perusahaan bakery membuat suatu kelompok jenis
donat yang dijual ke toko-toko dengan distribusi diskrit uniform
dengan kebutuhan harian maksimum 100 unit dan minimum 40 unit.
Tentukan bilangan acak dari distribusi diskrit uniform dengan a = 77
z0 = 12357 dan m = 128.

2. Distribusi Binomial
Distribusi binomial adalah suatu distribusi probabilitas yang
dapat digunakan bilamanasuatu proses sampling dapat diasumsikan
sesuai dengan proses Bernoulli.
 9

Proses Bernoulli adalah, sebuah proses eksperimen statistik

yan g memiliki ciri-ciri:
 Probabilitas “sukses” di tiap percobaan, p, besarnya tetap dari satu
percobaan ke berikutnya.
 Satu percobaan dan yangg berikutnya bersifat independen.
 Percobaan terdiri atas n-usaha yang berulang-ulang.
 Tiap-tiap usaha memberikan hasil yang dapat dikelompokan
menjadi 2-kategori, sukses atau gagal.
 Peluang kesuksesan dinyatakan dengan p, tidak berubah dari satu
usaha ke usaha berikutnya
 Tiap usaha bebas dengan usaha lainnya.
Distribusi Binomial: General Case
Kasus distribusi binomial umum:
 dilakukan eksperimen sebanyak n kali pengambilan
 dari n tsb, sebanyak x dikategorikan “sukses”, jadi sebanyak n-x
adalah “gagal”
 probabilitas “sukses” di tiap percobaan = p, berarti probabilitas
“gagal “, q=1-p.

Maka probabilitas terjadinya outcome dengan konfigurasi x

“sukses” dan (nx) “gagal” tertentu, adalah: P(SSS … GGG) =
ppp….qqq = pxqn-x Sebab S ada x buah dan G sebanyak (n-x) buah.
Tentu ada banyak konfigurasi lain yg juga memiliki x buah S dan (n-
x) buah G Sehingga probabilitas mendapatkan hasil eksperimen yg
memiliki x buah S dan (n-x) buah G adalah: Cnx pxqn-x = b(x;n,p)
CONTOH DISTRIBUSI BINOMIAL
Dari suatu distribusi binomial, diketahui p =0,5 dan n
=2.Tentukan bilangan acak dari distribusi binomial dengan a = 77 z0 =
12357 dan m = 127.
 10

3. Distribusi Multinomial
Distribusi probabilitas multinomial digunakan untuk penentuan
probabilitas hasil yang dikategorikan ke dalam lebih dari dua
kelompok.Sebagai generalisasi dari distribusi binomial adalah dengan
melonggarkan kriteria banyaknya outcome yang mungkin jadi >
2.Dalam hal ini maka percobaannya disebut percobaan multinomial
sedangkan distribusi probabilitasnya disebut distribusi multinomial.
Definisi:
Misal setiap percobaan bisa menghasilkan k outcome yang
berbeda, E1, E2, …,Ek masing-,masing dengan probabiliitas p1, p2,
…,pk. Maka distribusi multinomial f(x1,x2,…,xk; p1,p2, ..,pk, n) akan
memberikan probabilitas bahwa E1 akan muncul sebanyak x1 kali,E2
 11

akan muncul sebanyak x2 kali, dst. Dalam pengaman independen

sebanyak n kali, jadi x1+ x2+ ….+ xk=n dengan p1+p2+ …+ pk =1.

CONTOH DISTRIBUSI MULTINOMIAL

Seorang manager kedai kopi menemukan bahwa probalitas
pengunjung membeli 0,1,2 atau 3 cangkir kopi masing masing adalah
0,3 , 0,5 , 0,15 , dan 0,05. Jika ada 8 pengunjung yang masuk kedai,
maka tentukan probalitas bahwa 2 pengunjung akan memesan
minuman lain, 4 pengunjung akan memesan 1 cangkir kopi, 1
pengunjung akan memesan 2 cangkir, dan 1 pengunjung akan
memesan 3 cangkir kopi.
Misalkan X adalah banyaknya pengunjung yang memesan
cangkir kopi dengan x1 = 2, x2 = 4, x3 = 1, dan x4 = 1; dengan p1 =
0,3 , p2 = 0,5 , p3 = 0,15 , p4 = 0,05 , dan n = 8 , maka probalitas
bahwa 2 pengunjung akan memesan minuman lain, 4 pengunjung akan
memesan 1 cangkir kopi, 1 pengunjung akan memesan 2 cangkir, dan
1 pengunjung akan memesan 3 cangkir kopi adalah

4. Distribusi Giometrik
Berkaitan dengan percobaan Bernoulli, dimana terdapat n=
percobaan independen yang memberikan hasil dalam dua kelompok
(sukses dan gagal), variabel random geometric mengukur jumlah
percobaan sampai diperoleh sukses yang pertama kali. Fungsi
distribusiprobabilitas geometric.
 12

CONTOH DISTRIBUSI GEOMETRIK

Pada seleksi karyawan baru sebuah perusahaan terdapat 30 %
pelamar yang sudah mempunyai keahlian komputer tingkat advance
dalam pembuatan program. Para pelamar diinterview secara insentif
dan diseleksi secara acak.
1) Tentukan bilangan acak dengan a = 43, m = 1237 dan z0 = 12357.
2) Tentukan bilangan acak dengan a = 43, m = 1237 dan z0 = 12357.

5. Distribusi Hipergiometrik
Distribusi hipergeometrik adalah distribusi probabilitas diskrit
dari sekelompok obyek yang dipilih tanpa pengembalian.Distribusi
Hipergeometrik sangat serupa dengan distribusi binomial.
Persamaannya:
Keduanya menyatakan probabilitas sejumlah tertentu percobaan
masuk dalam Kategori tertentu.
Perbedaannya:
Binomial mengharuskan ketidakbergantungan dari satu percobaan
(trial) ke percobaan berikutnya.
 13

Jadi sampling harus dilakukan dengan dikembalikan

(replaced)Hipergeometrik tidak mengharuskan ketidakbergantungan,
jadi sampling dilakukan tanpa mengembalikan outcome yg sudah
keluar.
Distribusi Hipergeometrik dari variabel random X yang
menyatakan banyaknya outcome yang “sukses” dari sampel random
sebanyak n yang diambil dari populasi sebanyak N, dimana dari N
tersebut sebanyak k buah adalah “sukses” dan sisanya “N k” adalah
“gagal” Suku pembagi (denominator) menyatakan banyak kombinasi
yang terjadi jika dari N obyek diambil n tiap kali.
Faktor pertama suku terbagi (numerator) menyatakan
banyaknya kombinasi dari obyek berjenis “sukses” yang berjumlah k
jika tiap kali diambil sebanyak x buah.Faktor kedua suku terbagi
(numerator) menyatakan banyaknya kombinasi dari obyek berjenis
“gagal” sebanyak N-k jika tiap kali diambil sebanyak (n-x) buah.

CONTOH DISTRIBUSI HIPERGIOMETRIK

Suatu panitia pemilihan dibentuk berdasarkan 6 orang yang
diambil secara acak dari 15 orang yang mendaftar.Enam puluh persen
diantaranya adalah wanita, maka dihitung probalitas tepat 2 wanita
dalam panitia tersebut.
Misalkan X adalah banyaknya wanita yang terpilih dalam
kepanitiaan, maka x= 2, n = 6, N = 15, dan m = 60% dari N =(0,60)
(15) = 19, sehingga probalitas tepat 2 wanita dalam panitia tersebut
adalah
 14

6. Distribusi Poisson
Distribusi probabilitas Poisson bermanfaat dalam penentuan
probabilitas dari sejumlah kemunculan pada rentang waktu atau
luas/volume tertentu. Distribusi probabilitas dari variabel random
Poisson X yang menyatakan banyaknya outcome dalam interval waktu
tertentu t (atau daerah tertentu) dengan λ menyatakan laju terjadinya
outcome persatuan waktu atau per satuan daerah diberikan oleh (tidak
diturunkan):
Sifat Distribusi Poisson
1) Tidak punya memori atau ingatan, yaitu banyaknya outcome
dalamsatu interval waktu (atau daerah) tidak bergantung pada
banyaknya outcome pada waktu atau daerah yang lain.
2) Probabilitas terjadinya 1 outcome dalam interval waktu (atau
daerah) yang sangat pendek (kecil) sebanding dengan lama waktu
interval waktu tersebut (atau luas daerahnya). Dan tidak
bergantungpada kejadian atau outcome di luar interval ini.
3) Probabilitas terjadinya lebih dari 1 outcome dalam interval waktu
yang sangat pendek di (2) tersebut sangat kecil atau bisa diabaikan.

CONTOH DISTRIBUSI POISSON

Mean banyaknya panggilan ke call center dalam 2 hari
adalah 6 panggila. Di hitung probalitas bahwa:
a) minimal ada 2 panggilan dalam 2 hari
 15

b) ada tujuh panggilan dalam 4 hari

c) maksimum ada satu panggilan dalam 1 hari
Misalkan X adalah banyaknya panggilan ke call center dan
u adalah mean banyaknya panggilan ke call center dalam 2 hari (t
= 2), maka u sama dengan 6, sehingga:
1) Jika mean banyaknya panggilan ke call center diberikan dalam
2 hari, maka probalitas minimal ada 2 panggilan dalam 2 hari
akan bernilai

2) Jika mean banyaknya panggilan 2 hari, maka probalitas ada 7

panggilan dalam 4 hari akan bernilai
 16

.
3) Jika mean banyaknya panggila ke call center diberikan 2 hari,
maka probalitas maksimum ada 1 panggilan dalam 1 hari akan
bernilai2

C. Mamfaat Probabilitas dalam Penelitian

Mamfaat probabilitas dalam kehidupan sehari-hari adalah membantu kita
dalam mengambil suatu keputusan, serta mengamalkan kejadian yang
mungkin terjadi. Jika kita meninjau pada saat kita melakukan penelitian,
probabilitas memiliki beberapa fungsi antara lain:
 Membantu penelitian dalam mengambil keputusan yang lebih
tepat.
Mengambil keputusan yang lebih tepat dimaksudkan tidak ada
keputusan yang sudah pasti karena kehidupan mendatang tidak
ada yang pasti kita ketahui dari sekarang, karena informasi
didapat tidaklah sempurna.

2
Syahriza Arrisyiid, Distribusi Probabilitas Diskrit, diakses
darihttp://syahrizaakfa.blogspot.com/2016/01/distribusi-probabilitas-diskrit_29.html Pada
Senin 2 November 2020, Pukul 10.47 WIB.
 17

 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 sebenarnya) yang terkait tentang
karakteristik populasi pada situasi ini kita hanya bisa mengambil
atau menarik kesimpulan dari hipotesis bukan berarti kejadian
yang akan datang kita sudah ketahui apa yang terjadi.
 Mengukur derajat ketidakpastian dari analisis sampel hasil
penelitian dari suatu populasi.
Contoh:
Ketika diadakannya minat petani penggunaan pupuk dari tahun 2000,
pemerintah mendapatkan dana perbandingan antara jumlah pupuk organic
berbandung antara jumlah penggunaan pupuk urea adalah memiliki
perbandingan 5;6, sedangkan hasil data minat petani pada tahun 2010
menunjukan hasil perbandingan jumlah penggunaan pupuk urea adalah 5:7,
maka pemerintah dapat mengambil keputusan setiap tahunnya dari tahun
2000 hingga 2010 jumlh penggunaan pupuk urea berkembang lebih pesat
pada jumlah penggunaan pupuk organik.
 18

BAB III
PENUTUP

A. Kesimpulan
Distribusi probabilitas diskret adalah suatu daftar atau distribusi dari semua
nilai variabel acak diskrit dengan probabilitas terjadinya masing-masing nilai
tersebut. Variabel diskrit memiliki jumlah kemungkinan nilai yang terbatas
atau jumlah yang tak terhingga nilai-nilai yang dapat di hitung.kata dihitung
berarti bahwa mereka dapat dicacah dengan angka 1,2,3 dll. Dan Mamfaat
probabilitas dalam kehidupan sehari-hari adalah membantu kita dalam
mengambil suatu keputusan, serta mengamalkan kejadian yang mungkin
terjadi.

B. Saran
sebagai penulis, menyadari bahwa makalah ini banyak sekali kesalahan dan
sangat jauh dari kesempurnaan. Tentunya, penulis akan terus memperbaiki
makalah dengan mengacu pada sumber yang dapat dipertanggungjawabkan
nantinya. Oleh karena itu, penulis sangat mengharapkan kritik dan saran
tentang pembahasan makalah diatas.
 19

DAFTAR PUSTAKA