BAB VI

PELUANG/PROBABILITAS, DISTRIBUSI
PELUANG/PROBABILITAS

A. PENGERTIAN PELUANG/PROBABILITAS (PROBABILITY)

Ada beberapa istilah yang bisa dipakai untuk menyebut peluang/probabilitas (probability)
dalam Bahasa Indonesia. Misalny ada yang memakai istilah kemungkinan, kebolehjadian,
kementakan atau kebarangkalian.
Dalam kehidupan sehari-hari kita sudah mengenal istilah peluang, misalnya kita mengatakan
bahwa hari ini kemungkinan besar akan hujan, atau tidak mungkin dia lulus mata kuliah
statistik semester ini, dan masih banyak lagi.
Kita memakai istilah mungkin karena kita bisa menduga sebelumnya, apa yang kira-kira akan
terjadi. Disini sebenarnya kita sudah mengenal peluang, meskipun secara sederhana.
Probabilitas biasanya diberi simbol P, dan dinyatakan dalam angka positif, dengan minimum
0 dan maksimal 1. Sedang simbol untuk kemungkinan tidak terjadinya, biasanya dengan Q,
yaitu = 1-P.

Kalau P = 0 : Berarti peristiwa itu tidak mungkin terjadi, atau mustahil. Sebagai contoh
timbulnya matahari di malam hari adalah mustahil, maka mempunyai
peluang sama dengan 0

Kalau P = 1 : Berarti peristiwa itu pasti terjadi, tidak mungkin tidak terjadi. Sebagai contoh
:darah mengalir di dalam badan orang yang masih hidup pasti terjadi, maka
peluangnya adalah 1.

Sebagian besar peristiwa-peristiwa yang kita jumpai sehari-hari itu mempunyai

peluang/pobabilitas antara 0 dan 1 (jarang yang tepat 0 atau tepat 1). Kalau P mendekati 0
berarti peristiwa itu mempunyai kemungkinan kecil untuk terjadi, atau cenderung untuk
tidak terjadi. Kalau P mendekati 1 berarti peristiwa itu mempunyai kemungkinan besar
untuk terjadi.

Pengertian Klasik

Probabilitas adalah kemungkinan terjadinya suatu peristiwa di antara keseluruhan peristiwa

yang bisa terjadi. Menentukannya berdasarkan analisa terhadap objek-objek yang
bersangkutan.
Contoh :
a. Sebuah mata uang logam yang mempunyai dua permukaan yang simetris yaitu gambar
(A) dan angka (B), dilempar ke atas satu kali. Baik permukaan A atau B masing-masing
mempunyai peluang ½ atau 0,5 untuk tampak di atas ( PA = 0,5 dan PB = 0,5).

Modul Statistika IAKN Tarutung 39

b. Sebuah dadu yang mempunyai 6 permukaan yang sama, dilemparkan satu kali.
Kemungkinan salah satu permukaannya tampak di atas adalah 1/6.

Peluang/probabilitas sesuai contoh tersebut di atas disebut juga probablititas matematis

atau teoritis.

Probabilitas Empiris

Probabilitas berdasarkan pendekatan ini ditentukan berdasrkan observasi. Artinya

ditentukan berdasarkan pengalaman atau peristiwa-peristiwa yang telah terjadi.
Contoh : Seseorang yang melempar sebuah benda dari jarak 5 meter sebanyak 100 kali,
ternyata kena hanya 65 kali, maka berdasarkan pendekatan ini probabilitasnya ditentukan
65/100 atau 0,65.

Pendekatan Subjektif

Menurut pendekatan ini probabilitas ditentukan berdasarkan perasaan atau kira-kira dari
peneliti. Jadi cara ini dipengaruhi oleh pribadi seseorang sehingga bersifat subjektif.

Pendekatan empiris berbeda dengan pendekatan teoritis, maka seringkali keduanya

menghasilkan probabilitas yang tidak sama. Hal ini dapat diuraikan dengan contoh sebagai
berikut:
Menurut pendekatan teoritis kemungkinan munculnya permukaan A sama dengan
permukaan B dalam pelemparan sebuah mata uang logam. Jadi kalau uang logam tersebut
dilempar sebanyak 100 kali, maka diperkirakan akan mendapat 50 permukaan A dan 50
permukaan B. Tetapi menurut pendekatan Empiris mungkin dari 100 lemparan diperoleh
permukaan A 55 kali dan B = 45 kali ,jadi P(A) = 0,55 dan P(B) = 0,45 atau mungkin pula
diperoleh A = 47 dan B = 53 , tergantung hasil pelemparan itu. Ahli statistik berkebangsaan
Denmark yang bernama J.E.Konik melakukan eksperimen melempar mata uang logam
sebanyak 10.000 kali ternyata mendapatkan permukaan A sebanyak 5.067 kali.

B. DISTRIBUSI PROBABILITAS

Distribusi probabilitas adalah sebuah daftar dari keseluruhan hasil suatu percobaan yang
disertai dengan probabilitas masing-masing hasil tersebut.

Contoh : Misalnya kita tertarik pada jumlah permukaan gambar sebuah uang logam pada
tiga kali pelemparan. Ini adalah percobaan. Hasil yang mungkin muncul adalah: nol gambar,
satu gambar,dua gambar, dan tiga gambar. Berapa distribusi probabilitas jumlah sisi
gambar?

Modul Statistika IAKN Tarutung 40

Pemecahan:

Ada delapan hasil yang mungkin terjadi sebagaimana disajikan pada tabel dibawah ini:

Pelemparan uang logam Jumlah

Kemugkinan
sisi
Hasil Pertama Kedua Ketiga
Gambar
1 A A A 0
2 A A G 1
3 A G A 1
4 A G G 2
5 G A A 1
6 G A G 2
7 G G A 2
8 G G G 3

Dari hasil pelemparan yang disajikan pada tabel di atas dapat diketahui Distribusi
probabilitas sebagai berikut:

Jumlah sisi Probabilitas

Gambar dari hasil
(r) P( r)
0 1/8 = 0,125
1 3/8 = 0,375
2 3/8 = 0,375
3 1/8 = 0,125
Jumlah 8/8 = 1

Perhatikan bahwa jumlah probabilitas seluruh peristiwa adalah 1, ini merupakan hal yang
selalu terjadi.

Variabel Acak : sebuah besaran yang merupakan hasil dari percobaan acak ,secara untung-
untungan, dapat mempunyai nilai berbeda-beda.

Variabel Acak Diskrit : sebuah variabel yang hanya mempunyai nilai tertentu yang terpisah
secara jelas sebagai hasil dari perhitungan sesuatu yang menjadi perhatian.

Variabel Acak Kontinu : Variabel acak yang mempunyai sebuah nilai di antara nilai-nilai
yang tak terhingga banyaknya, dalam batas-batas tertentu.

Modul Statistika IAKN Tarutung 41

JENIS DISTRIBUSI PROBABILITAS TEORITIS

1. Distribusi Probabilitas Binomial

2. Distribusi Probabilitas Poisson
Variabel Acak Diskrit
3. Distribusi Probabilitas Hipergeometrik
4. Distribusi Probabilitas Multinomial
5. DISTRIBUSI PROBABILITAS NORMAL
6. Distribusi nilai t
Variabel Kontinu
7. Distribusi nilai X2
8. Distribusi nilai F

C. DISTRIBUSI PROBABILITAS NORMAL

Distribusi normal dan kurva normal (normal curve) yang menyertainya disebut juga “
Gaussian Distrubution” (sesuai dengan nama orang yang menemukannya yakni Carl Gauss).
Definisi Kurva Normal. Jika X adalah suatu variabel acak dengan mean (μ) dan simpangan
baku/deviasi standar (σ), maka persamaan kurva normalnya adalah :

1 X −
Y= .e −1 / 2  
 2   

Y = Ordinat kurva normal untuk setiap nilai X

 = simpangan baku
 = rata-rata hitung
π = konstanta = 3,14159
e = konstanta = 2,71828

Untuk membuat kurva normal kita harus mengetahui besarnya mean (μ) dan simpangan
baku/deviasi standar (σ). Dengan persamaan tersebut kita dapat menghitung ordinat (tinggi)
kurva normal pada setiap nilai X. Akan tetapi yang lebih penting adalah mengetahui
luas/area dibawah kurva normal tersebut dan bukan ordinatnya.

Modul Statistika IAKN Tarutung 42

Karakteristik Distribusi normal dan kurva yang menyertainya sebagai berikut:
1. Kurva normal berbentuk lonceng dan memiliki satu puncak yang terletak tepat di tengah
distribusi. Rata-rata hitung, median, dan modus dari distribusi adalah sama dan terletak
di puncak kurva.
2. Distrubusi probabilitas normal adalah simetris dengan rata-rata hitungyna.
3. Kurva normal secara halus menurun ke bawah ke dua arah yang berlawanan dari nilai
tengahnya. Hal tersebut asimptotis, yang berarti kurva semakin mendekati sumbu X
tetapi tidak pernah menyentuh sumbu X.

Karena persamaan Kurva normal tergantung pada nilai-nilai rata-rata hitung dan simpangan
baku, maka kita akan mempunyai bermacam-macam bentuk kurva tergantung dengan nilai
rata-rata hitung dan simpangan baku tersebut. Untuk menyederhanakan kemudian dibuat
Kurva Normal Standard.

Kurva normal standard adalah kurva normal yang sudah diubah menjadi distribusi nilai Z,
dimana distribusi tersebut akan mempunyai nilai rata-rata hitung (μ) = 0 dan deviasi standar
(σ) = 1.

Modul Statistika IAKN Tarutung 43

Rumus :

X −
Z=


Z = angka yang menunjukkan penyimpangan suatu nilai variabel (X) dari rata-rata
hitung (μ) dihitung dalam satuan deviasi standard (σ).

Contoh : Untuk distribusi normal dengan μ = 50 dan σ = 10, hitunglah peluang bahwa X
mengambil sebuah nilai antara 45 dan 62.

Jawab : Nilai-nilai Z padanan X1=45 dan X2 = 62 adalah:

45 − 50
Z1 = = −0,5
10

62 − 50
Z2 = = 1,2
10

Dengan demikian P (45< X< 62) = P ( -0,5 < Z < 1,2)

Untuk mengetahui luas daerah dibawah kurva sesuai dengan nilai Z tersebut maka kita
mengurangkan luas daerah di sebelah kiri Z = -0,5 dari luas daerah di sebelah
kanan Z = 1,2. Dengan menggunakan tabel nilai Distribusi Normal kita akan
memperoleh :

P (45< X< 62) = P ( -0,5 < Z < 1,2)

= P (Z < 1,2) – P (Z< -0,5)
= 0,8849 – 0,3085
= 0,5764 atau 57,64 %

D. LATIHAN

1. Untuk Distribusi Normal dengan μ = 300 dan σ = 50, hitunglah peluang bahwa variabel
acak X mengambil suatu nilai yang lebih besar dari 362 !
2. Diberikan sebuah distribusi nomal dengan μ = 40 dan σ = 6,hitunglah peluang bahwa X
mengambil nilai antara 30 dan 46 !

Modul Statistika IAKN Tarutung 44