MAKALAH DISTRIBUSI PELUANG

Dosen Pengampu : Nadya Putri Mardhiah, M.Pd

Oleh :

KELOMPOK 5

Lestari (1930209038)

Tenti Fadilah (1920209020)

Halimah Ulandari (1910209007)

Delsa Adeatmaa (1920209028)

PROGRAM STUDI PENDIDIKAN FISIKA

FAKULTAS ILMU TARBIYAH DAN KEGURUAN

UNIVERSITAS ISLAM NEGERI RADEN FATAH PALEMBANG

2021
 KATA PENGANTAR

Puji dan syukur kehadirat Allah swt. sehingga kami dapat menyelesaikan makalah yang
berjudul “DISTRIBUSI PELUANG”. Melalui makalah ini kami menyampaikan penghargaan dan
ucapan terima kasih yang tulus kepada Ibu Nadya Putri Mardhiah, M.Pd. selaku Dosen Pengampu
Mata Kuliah Statistik Pendidikan yang telah meluangkan waktu, tenaga dan pikiran dalam
memberi arahan, dan kami sebagai penulis dalam penyelesaian makalah ini kami menyadari bahwa
makalah yang kami susun ini masih jauh dari kesempurnaan. Oleh karena itu, kritik dan saran dari
teman-teman pembaca sangat diharapkan untuk pembuatan makalah yang lebih baik dimasa yang
akan datang. Diluar dari segala kekurangannya kami berharap semoga makalah ini dapat
bermanfaat untuk kita semua para pembaca. Amin...

Palembang, April 2021

Penulis

i
 DAFTAR ISI

Cover
KATA PENGANTAR................................................................................................................................ i
DAFTAR ISI ............................................................................................................................................. ii
BAB I ......................................................................................................................................................... 3
PENDAHULUAN ..................................................................................................................................... 3
1.1 Latar Belakang .......................................................................................................................... 3
1.2 Rumusan Masalah..................................................................................................................... 3
1.3 Tujuan ........................................................................................................................................ 3
BAB II ........................................................................................................................................................ 4
PEMBAHASAN ........................................................................................................................................ 4
2.1 Pengertian Distribusi Peluang .................................................................................................. 4
2.2 Distribusi Peluang Diskrit ........................................................................................................ 4
2.3 Distribusi Peluang Kontinu ..................................................................................................... 9
BAB III .................................................................................................................................................... 13
PENUTUP ............................................................................................................................................... 13
3.1 Kesimpulan .............................................................................................................................. 13
DAFTAR PUSTAKA .............................................................................................................................. 14

ii
 BAB I

PENDAHULUAN
1.1 Latar Belakang
Generalisasi yang berkaitan dengan inferensia statistik mempunyai unsur
ketidakpastian, karena kita hanya mendasarkan pada informasi parsial yang diperoleh dari
sebagian saja dari keseluruhan yang menarik perhatian kita. Untuk mengimbangi
ketidakpastian itu, pemahaman teori sangatlah mendasar, agar kita dapat menyusun model
matematik yang secara teori dapat menjelaskan perilaku populasi yang dibangkitkan oleh
percobaan.
Sebaran (distribusi) peluang diskrit adalah sebuah tabel atau rumus yang
mencantumkan semua kemungkinan nilai suatu peubah acak diskrit. Macammacam
distribusi diskit diantaranya yaitu distribusi poisson, distribusi binomial, distribusi
hipergeometri, distribusi geometri, dan distribusi binomial negatif. Sebaran (distribusi)
peluang kontinu tidak dapat disajikan dalam bentuk tabel karena peubah acak kontinu
berpeluang nol untuk mengambil tepat salah satu nilainya.
Macam-macam distribusi kontinu yaitu distribusi normal, distribusi gamma,
distribusi eksponensial, dan distribusi chi squere. Dalam pembelajaran ini, kita dapat
belajar melihat peluang dari keseluruhan populasi yang diambil dari beberapa sampel
dengan menggunakan data primer yang kemudian data pembangkitan dari banyaknya
populasi dimasukkan ke dalam minitab.
Dengan minitib bisa lebih jelas melihat peluang randomnya yang hasil akhir dari
random data minitab kemungkinan besar sama dengan pengamatan data primer. Praktikum
ini adalah dasar dalam belajar menentukan peluang random tiap permasalahan, dan akan
sangat bermanfaat bagi mahasiswa yang tengah proses pengerjaan tugas akhir untuk
membandingkan hasil penelitian dengan teori.

1.2 Rumusan Masalah

1. Bagaimana karakteristik pada masing-masing disrtibusi diskrit
2. Bagaimana karakteristik pada masing-masing disrtibusi kontinu

1.3 Tujuan
1. untuk mengetahui karakteristik pada masing-masing disrtibusi diskrit
2. untuk mengetahui karakteristik pada masing-masing disrtibusi kontinu

3
 BAB II

PEMBAHASAN

2.1 Pengertian Distribusi Peluang

Distribusi peluang adalah sebaran kemungkinan terjadinya variable acak tertentu.
Variable acak adalah peristiwa yang diharapkan akan terjadi, yang biasanya dilambangkan
dengan X. Atau, suatu bilangan yang ditentukan oleh peristiwa yang dihasilkan dari
eksperimen. Ada 2 macam distribusi peluang yaitu distribusi peluang diskrit dan distribusi
peluang kontinu.

2.2 Distribusi Peluang Diskrit

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:
sifat-sifat berikut

Berikut di bawah ini beberapa distribusi diskrit:

a. 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:

Contoh :
Jika sebuah dadu dilempar, maka setiap elemen dari ruang sampelnya S= {1,2,3,4,5,6}
terjadi dengan peluang yang sama 1/6, sehingga kita mempunyai distribusi seragam

4
b. Distribusi Binominal
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.
Contoh: pada pengujian suatu produk untuk menentukan berapa jumlah produk yang
cacat dari n pengujian atau usaha. Pada tiap pengujian ditentukan bahwa suatu produk
cacat atau tidak cacat. Setiap pengujian bersifat independen (tidak bergantung pada
pengujian sebelumnya).
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.

Contoh proses Bernoulli:

Misalkan suatu kelompok usaha Bernoulli yang berupa pengambilan tigabarang secara
acak dari suatu hasil proses manufaktur,diperiksa, dan kemudian diklasifikasikan ke
dalam kategori baik (N) dan cacat (D). Misalkan X adalah peubah acak yang
menyatakan jumlah barang yang cacat. Nilai yang mungkin dari X adalah 0, 1, 2, dan 3
seperti pada tabel berikut:

5
Karena barang dipilih secara independen dari proses yang dianggap mempunyai peluang
25% barang yang cacat, maka:

Distribusi peluang X secara lengkap adalah:

Jumlah X yang sukses dari n percobaan Bernoulli disebut dengan peubah acak binomial.
Distribusi peluang dari peubah acak diskrit ini disebut dengan distribusi binomial, dan
nilainya akan dinotasikan dengan b(x; n, p), misalkan:

P(X=2) = f(2) = b(2; 3, 1/4) = 9/64

Suatu usaha Bernoulli dapat menghasilkan sukses dengan peluang p dan gagal dengan
peluang q = 1 – p. Maka distribusi peluang dari peubah acak binomial X, yaitu jumlah
sukses dari n usaha yang independen adalah

6
 Keterangan: rangan: adalah notasi lain untuk C(n, x), Notasi ini disebut juga
notasi binomial.
Biasanya dalam soal kita diminta menghitung distribusi kumulatif
P(X < r) atau P(a ≤ X ≤b).

Untuk menghitung sigma itu, untunglah sudah tersedia tabel binomial yang sudah
berisi nilai-nilai b(x; n, p) untuk bermacam-macam nilai x, n dan p.
c. 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:

d. Distribusi hipergeometrik
Distribusi hipergeometrik mempunyai sifat-sifat sebagai berikut:
a. Secara acak diambil sebanyak n tanpa dikembalikan dari N benda.
b. 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:

7
 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 :

e. 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:

a. 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.
b. 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.
c. 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…

8
 Rataan dan variansi dari distribusi Poisson p(x;λt) adalah sama, yaitu λt.

2.3 Distribusi Peluang 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:

Distribusi peluang kontinu dibagi menjadi 4:

a. 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 :
1) Distribusi normal terjadi secara alamiah.
2) Beberapa variabel acak yang tidak terdistribusi secara normal dapat dengan
mudah ditransformasi menjadi suatu distribusi variabel acak yang normal.
3) Banyak hasil dan teknik analisis yang berguna dalam pekerjaan statistik hanya
bisa berfungsi dengan benar jika model distribusinya merupakan distribusi
normal.
4) Ada beberapa variabel acak yang tidak menunjukkan distribusi normal pada
populasinya, namun distribusi dari rata-rata sampel yang diambil secara random
dari populasi tersebut ternyata menunjukkan distribusi normal.

Distribusi Normal disebut juga Gausian distribution adalah salah satu fungsi
distribusi peluang berbentuk lonceng seperti gambar berikut.

9
 Berdasarkan gambar di atas, distribusi Normal akan memiliki beberapa ciri
diantaranya:
1) Kurvanya berbentuk garis lengkung yang halus dan berbentuk seperti genta.
2) Simetris terhadap rataan (mean).
3) Kedua ekor/ ujungnya semakin mendekati sumbu absisnyatetapi tidak pernah
memotong.
4) Jarak titik belok kurva tersebut dengan sumbu simetrisnya sama dengan σ
5) Luas daerah di bawah lengkungan kurva tersebut dari -~ sampai + ~ sama
dengan 1 atau 100 %.

Distribusi normal kumulatif didefinisikan sebagai probabilitas variabel acak

normal X bernilai kurang dari atau sama dengan suatu nilai x tertentu. Maka fungsi
distribusi kumulatif dari distribusi normal ini dinyatakan sebagai :

10
 Dengan menerapkan ketentuan diatas pada persamaan (1) maka fungsikepadatan
probabilitas dari distribusi normal standard variabel acak kontinu Z adalah:

Sedangkan fungsi distribusi kumulatif dari distribusi normal standard ini

dinyatakan sebagai :

b. Distribusi Student’s t
Distribusi student’s t adalah distribusi yang ditemukan oleh seorang
mahasiswa yang tidak mau disebut namanya. Untuk menghargai hasil penemuannya
itu, distribusinya disebut distribusi Student yang lebih dikenal dengan distribusi “t”,
diambil dari huruf terakhir kata “student”.
Bentuk persamaan fungsinya :

Distribusi Peluang Kontinu Berlaku untuk −∞< t < ∞ dan K merupakan tetapan yang
besarnya tergantung dari besar n sedemikian sehingga luas daerah antara kurva fungsi
itu dan sumbu t adalah 1. Bilangan n–1 disebut derajat kebebasan (dk). Yang
dimaksudkan dengan dk ialah kemungkinan banyak pilihan dari sejumlah objek yang
diberikan. Misalnya kita mempunyai dua objek yaitu A dan B. Dari dua objek ini kita
hanya mungkin melakukan 1 kali pilihan saja, A dan B. Seandainya terpilih A maka
B tidak usah dipilih lagi. Dan untuk itu dk = 2–1 = 1.

11
c. Distribusi Chi-Kuadrat
Distribusi chi-kuadrat merupakan distribusi yang banyak digunakan dalam
sejumlah prosedur statistik inferensial. Distribusi chi-kuadrat merupakan kasus
khusus dari distribusi gamma dengan faktor bentuk α= v/2, dimana v adalah bilangan
bulat positif dan faktor skala β=2
Jika variabel acak kontinu X memiliki distribusi chi-kudrat dengan parameter v,
maka fungsi kepadatan probabilitas dari X adalah :

Parameter n disebut angka derajat kebebasan (degree of freedom/df) dari X.

Sedangkan fungsi distribusi kumulatif chi -kuadrat adalah :

Berikut ini diberikan rumusan beberapa ukuran statistik deskriptif untuk distribusi
chi-kuadrat.

d. Distribusi F
secara teori sebaran F merupakan rasio dari dua sebaran chi kuadrat yang
bebas. Oleh karena itu peubah acak F diberikan sebagai:

12
 BAB III

PENUTUP
3.1 Kesimpulan
Peluang adalah suatu dugaan dalam peristiwa yang kemungkinannya dapat terjadi
dengan ukuran antara 0 dan 1, makin pasti terjadinya ukurannya adalah 1 dan sebaliknya
jika mustahil terjadi maka ukurannya adalah 0. Distribusi Probalitas atau Peluang adalah
suatu distribusi yang menggambarkan peluang dari sekumpulan variat sebagai pengganti
frekuensinya.
1. Pada distribusi poisson emakin besar mean dan standart deviasi semakin kecil maka
kurva akan terbentuk dengan density paling tinggi dan paling sempit landainya, begitu
pula sebaliknya, serta dengan standart deviasi yang semakin besar maka density
menunjukkan yang paling rendah.
2. Pada distribusi Binomial n sama, p beda maka tinggi density dan lebar landai
bergantung pada mean yang semakin besar dan standart deviasi yang semakin kecil
sedangkan jika p sama, n beda maka semakin besar mean dan standart deviasi maka
kurva akan memiliki density yang paling tinggi dan landainya semakin kecil
3. Pada distribusi Hipergeometri N dan n sama, D beda sama dengan distribusi
Hipergeometri N dan D sama, n beda yakni semakin besar mean dan standart deviasi
maka kurva akan mengecil landainya dan density semakin tinggi sebaliknya semakin
kecil mean dan standart deviasi maka kurva akan melebar landainya dan density
semakin rendah.
4. Pada distribusi geometri semakin besar mean dan standart deviasi maka kurva akan
akan melebar landainya dan density semakin rendah sebaliknya semakin kecil mean
dan standart deviasi maka kurva akan mengecil landainya dan density semakin
tinggi
5. Pada distribusi Binomial Negatif n sama, p beda sama dengan distribusi Binomial
Negatif p sama, n beda yakni semakin besar mean dan standart deviasi maka akan
membentuk kurva dengan density paling rendah dan landai paling lebar sedangkan
semakin kecil mean dan standart deviasi maka akan membentuk kurva dengan density
paling tinggi dan landau paling kecil.
6. Pada distribusi normal semakin besar mean maka kurva akan semakin mengecil
landainya untuk distribusi Normal µ sama σ beda dan distribusi. Normal µ dan σ beda,
sedangkan semakin kecil mean maka kurva akan

13
 DAFTAR PUSTAKA

https://rantielas.wordpress.com/2018/01/12/distribusi-diskrit-dan-distribusi-kontinu/21
april 2021

https://www.slideshare.net/arningsusilawati/distribusi-peluang-diskrit-dan-distribusi-
peluang-kontinu/21 april 2021

https://vdocuments.site/distribusi-peluang-diskrit-dan-distribusi-peluang-kontinu.html/21
april 2021

14