Distribusi

Probabilitas
Sinambung
Istiono, SE., MBA.
 Pendahuluan
• Distribusi probabilitas sinambung biasanya
merupakan hasil dari pengukuran sesuatu, misalnya
pengukuran jarak dari Surabaya ke Jakarta, berat
setiap kemasan biskit yang diproduksi oleh sebuah
perusahaan, dan jumlah pendapatan keluarga per
bulan.
• Ada dua kelompok dari distribusi probabilitas
sinambung, yaitu distribusi probabilitas seragam
dan distribusi probabilitas normal. Kedua distribusi
ini menjelaskan probabilitas bahwa sebuah variabel
acak sinambung memiliki probabilitas nilai yang tak
terhingga yang terletak dalam satu kisaran tertentu.
 Distribusi Seragam
Distribusi seragam adalah suatu distribusi
probabilitas untuk variabel acak sinambung yang
mempunyai bentuk segi empat dengan nilai
minimal dan maksimal. Distribusi probabilitas ini
merupakan distribusi yang paling sederhana
untuk variabel sinambung. Contoh distribusi
seragam adalah waktu terbang dari Surabaya ke
Denpasar dengan menggunakan maskapai
penerbangan komersial berkisar dari 30 menit
sampai 50 menit.
Gambar 4.1 Distribusi Seragam Sinambung
• Rerata distribusi seragam dihitung dengan rumus:
𝑎+𝑏
𝜇=
2

• Standar deviasi distribusi seragam dihitung dengan rumus:

𝑏−𝑎 2
𝜎=
12

• Rumus distribusi probabilitas seragam adalah:

1
𝑃(𝑥) =
𝑏−𝑎

jika a  x  b dan 0 untuk yang lainnya

• Untuk distribusi yang menjelaskan sebuah variabel
acak sinambung, luas di dalam kurva distribusi
menunjukkan probabilitasnya. Grafik distribusi
seragam berbentuk segi empat, sehingga luas kurva
merupakan perkalian antara tinggi dengan alas
kurva itu. Tinggi kurva distribusi seragam adalah
1/(b – a) dan alasnya adalah b – a, sehingga

1
Luas kurva = (tinggi)(alas) = 𝑏 − 𝑎 = 1,00
𝑏−𝑎
 Contoh 4.1
Bus-bus kota melewati semua jalan utama Kota Permai setiap 25
menit sekali untuk mengangkut para penumpang. Bus-bus itu
beroperasi mulai pukul 5 pagi hingga pukul 10 malam. Para
penumpang tiba di tempat pemberhentian pada waktu yang acak.
a. Berapakah waktu yang diperlukan oleh seorang penumpang
untuk menunggu bus?
b. Gambarkan distribusi seragam waktu menunggu oleh
penumpang.
c. Hitunglah luas kurva waktu tunggu penumpang.
d. Berapakah rerata distribusi waktu tunggu penumpang?
e. Berapakah standar deviasi waktu tunggu penumpang?
f. Berapakah probabilitas seorang penumpang akan menunggu
bus lebih dari 20 menit?
g. Berapakah probabilitas seorang penumpang akan menunggu
bus antara 5 dan 20 menit?
Jawab
a. Waktu yang diperlukan oleh seorang penumpang
untuk menunggu bus terdistribusi secara seragam
dari 0 hingga 25 menit.

b. Distribusi seragam waktu menunggu oleh

penumpang dapat digambarkan dalam Gambar
4.2. Tinggi segi empat distribusi adalah 0,04, yang
diperoleh dari 1/(25 – 0). Jangkauan distribusi ini
adalah 25 menit.
 Gambar 4.2 Distribusi Seragam Waktu Tunggu
Penumpang

Waktu yang dibutuhkan oleh penumpang untuk menunggu

bus adalah seragam dalam interval 0 hingga 25 menit.
c. Luas kurva waktu tunggu penumpang adalah:
1
Luas = (tinggi)(alas) = 25 − 0 = 1,00
25 − 0

d. Rerata distribusi waktu tunggu penumpang adalah:

0 + 25
𝜇= = 12,5
2

e. Nilai standar deviasi adalah:

25 − 0 2
𝜎= = 7,22
12
f. Jika ingin diketahui probabilitas seorang penumpang
akan menunggu bus lebih dari 20 menit, berarti ia
akan menunggu bus antara 20 hingga 25 menit. Hal ini
menunjukkan bahwa luas dalam distribusi adalah
untuk interval 20 hingga 25. Sehingga, nilai
probabilitasnya dapat dihitung sebagai berikut:
1
𝑃 20 < waktu tunggu < 25 = (tinggi)(alas)= 5 = 0,20
25 − 0
0,06

Luas = 0,20

0,04
Probabilitas

0  = 12,5 20 25
Waktu menunggu (menit)
g. Probabilitas seorang penumpang akan menunggu
bus antara 5 dan 20 menit adalah:
1
𝑃 5 < waktu tunggu < 20 = (tinggi)(alas)= 15 = 0,60
25 − 0

0,06
Luas = 0,60

0,04
Probabilitas

0 5  = 12,5 20 25
Waktu menunggu (menit)
 Distribusi Normal
Distribusi normal adalah suatu distribusi probabilitas untuk
variabel acak sinambung. Distribusi normal mempunyai
rumus: 2
1 𝑥−𝜇
−
𝑃 𝑥 = 𝑒 2𝜎 2
𝜎 2𝜋

dimana,  adalah deviasi standar;  adalah sebuah konstanta

dengan nilai 3,14159; e adalah konstanta yang bernilai
2,71828; x adalah nilai sebuah variabel sinambung; dan 
adalah nilai rerata.
Hasil perhitungan dengan menggunakan rumus itu untuk
berbagai nilai, disajikan dalam Lampiran 1. Nilai-nilai tersebut
menunjukkan daerah-daerah di bawah kurva normal.
 Ciri-ciri distribusi normal:
a. Kurva normal berbentuk lonceng dan memiliki satu puncak
pada bagian tengah distribusi. Rerata, median, dan
modusnya sama dan terletak di pusat distribusi. Luas total di
bawah kurva normal adalah 1,00. Setengah dari luas di
bawah kurva normal ada di sebelah kanan dari titik pusatnya
dan setengah di sebelah kiri.
b. Kurva normal adalah simetris dengan sumbu di sekitar nilai
rerata. Jika kurva normal dipotong vertikal pada titik
pusatnya, kedua bagiannya akan menjadi pencerminan satu
sama lain.
c. Kurva normal menurun secara halus pada kedua sisi dari
bagian tengah dan mendekati sumbu X (horisontal) tetapi
tidak pernah menyentuhnya. Panjang ekor di kedua sisi
kurva normal tak terhingga ().
d. Lokasi sebuah distribusi normal ditentukan oleh rerata ().
Dispersi atau sebarannya ditentukan oleh standar deviasi
().
Gambar 4.3 Kurva Distribusi Normal
Gambar 4.4 Kurva Distribusi Normal untuk Rerata
yang Sama (𝜇 = 20) tetapi Standar Deviasinya
Berbeda (𝜎 = 3; 𝜎 = 2,5; 𝑑𝑎𝑛 𝜎 = 2)
Gambar 4.5 Kurva Distribusi Normal untuk Standar
Deviasi Sama (𝜎 = 3) tetapi Reratanya Berbeda
(𝜇 = 11; 𝜇 = 35; 𝑑𝑎𝑛 𝜇 = 59)
 Distribusi Normal Baku
Distribusi normal baku adalah distribusi normal yang
mempunyai nilai rerata 0 dan standar deviasi 1.
Semua distribusi normal dapat dirubah menjadi
distribusi normal baku dengan mengurangi nilai hasil
pengamatan dengan nilai rerata populasi dan
membagi selisihnya dengan standar deviasi, hasilnya
adalah nlai Z. Nilai Z (Z values atau Z scores) adalah
jarak atau selisih antara sebuah nilai X tertentu dari
rerata hitungnya dalam unit standar deviasi.
Rumus nilai Z:
𝑋−𝜇
𝑍=
𝜎
dimana, X adalah nilai hasil pengamatan atau pengukuran
tertentu;  adalah rerata distribusi; dan  adalah standar
deviasi distribusi.

Z 0,00 0,01 0,02 0,03 ...

0,0 0,0000 0,0040 0,0080 0,0120
0,1 0,0398 0,0438 0,0478 0,0517
0,2 0,0793 0,0832 0,0871 0,0910
0,3 0,1179 0,1217 0,1255 0,1293
0,4 0,1554 0,1591 0,1628 0,1664
…..
 Contoh 4.2
Upah harian seorang pekerja mengikuti distribusi normal
dengan rerata Rp150 dan standar deviasi Rp20. Hitunglah
nilai Z untuk upah harian pekerja, jika mendapat upah:
(a) Rp150; (b) Rp160; (c) Rp125

Jawab:
a. Nilai Z untuk upah harian pekerja Rp150, adalah:
𝑅𝑝150 − 𝑅𝑝150
𝑍= = 0,00
𝑅𝑝20
dan mempunyai luas kurva normal 0,0000.
b. Nilai Z untuk upah harian pekerja Rp160, adalah:
𝑅𝑝160 − 𝑅𝑝150
𝑍= = 0,50
𝑅𝑝20

dan mempunyai luas kurva normal 0,1915 atau

probabilitas 19,15%.

c. Nilai Z untuk upah harian pekerja Rp125, adalah:

𝑅𝑝125 − 𝑅𝑝150
𝑍= = −1,25
𝑅𝑝20

dan mempunyai luas kurva normal 0,3944 atau

probabilitas = 39,44%
 Aturan empiris yang perlu diperhatikan dalam
penerapan distribusi probabilitas normal:
1. Sekitar 68 persen area di bawah kurva normal
terletak dalam satu standar deviasi dari rerata,
yang ditulis dengan   1.
2. Sekitar 95 persen area di bawah kurva normal
terletak dalam dua standar deviasi dari rerata,
yang ditulis dengan   2.
3. Sekitar 99 persen area di bawah kurva normal
terletak dalam tiga standar deviasi dari rerata,
yang ditulis dengan   3.
Gambar 4.6 Kurva Distribusi Normal sesuai Aturan
Empiris
 Contoh 4.3
Dengan menggunakan data pada Contoh 4.2, maka:
a. Sekitar 68 persen dari pekerja mendapat upah
harian antara Rp130 dan Rp170 {=Rp150 
1(Rp20)}.
b. Sekitar 95 persen dari pekerja mendapat upah
harian antara Rp110 dan Rp190 {=Rp150 
2(Rp20)}.
c. Sekitar 99 persen dari pekerja mendapat upah
harian antara Rp90 dan Rp210 {=Rp150 
3(Rp20)}.
 Contoh 4.4
Lihat kembali Contoh 4.2.
a. Berapakah probabilitas menemukan seorang pekerja yang
mendapatkan upah harian antara Rp150 dan Rp165.
b. Berapakah probabilitas menemukan seorang pekerja yang
mendapatkan upah harian antara Rp160 dan Rp175.
c. Berapakah probabilitas menemukan seorang pekerja yang
mendapatkan upah harian Rp190 atau lebih.
d. Berapakah probabilitas menemukan seorang pekerja yang
mendapatkan upah harian antara Rp135 dan Rp155.
e. Berapakah probabilitas menemukan seorang pekerja yang
mendapatkan upah harian antara Rp130 dan Rp145.
f. Berapakah probabilitas menemukan seorang pekerja yang
mendapatkan upah harian kurang dari Rp125.
Jawab:
a. Probabilitas menemukan seorang pekerja yang upah
hariannya antara Rp150 dan Rp165:

Ubah nilai Rp165 menjadi nilai Z:

𝑅𝑝165 − 𝑅𝑝150
𝑍= = 0,75
𝑅𝑝20

Lihat Lampiran 1, nilai probabilitas untuk nilai Z = 0,75 adalah

0,2734. Ini berarti probabilitas mendapatkan seorang pekerja
dengan upah harian antara Rp150 dan Rp165 adalah 27,34
persen, dan dapat ditulis dengan: P(Rp150  X  Rp165) =
0,2734 = 27,34%.
b. Probabilitas menemukan seorang pekerja yang upah
hariannya antara Rp160 dan Rp175:
Ubah nilai Rp160 dan Rp 175 menjadi
nilai Z1 dan Z2:
𝑅𝑝160 − 𝑅𝑝150
𝑍1 = = 0,50
𝑅𝑝20
𝑅𝑝175 − 𝑅𝑝150
𝑍2 = = 1,25
𝑅𝑝20

Lihat Lampiran 1, nilai probabilitas untuk nilai Z1 = 0,50 adalah

0,1915 dan untuk Z2 = 1,25 adalah 0,3944. Sehingga,
probabilitas mendapatkan seorang pekerja dengan upah
harian antara Rp160 dan Rp175 adalah 0,3944  0,1915 =
0,2029, dan dapat ditulis dengan: P(Rp160  X  Rp175) =
0,2029 = 20,29%.
c. Probabilitas menemukan seorang pekerja yang upah
hariannya Rp190 atau lebih:

Ubah nilai Rp190 menjadi nilai Z:

𝑅𝑝190 − 𝑅𝑝150
𝑍= = 2,00
𝑅𝑝20

Nilai probabilitas untuk nilai Z = 2,00 adalah 0,4772. Maka,

probabilitas mendapatkan seorang pekerja dengan upah
harian Rp190 atau lebih adalah: P(X  Rp190) = 0,5 – 0,4772 =
0,0228. Nilai 0,5 merupakan setengah dari luas area kurva
distribusi normal.
d. Probabilitas menemukan seorang pekerja yang upah
hariannya antara Rp135 dan Rp155:

Ubah nilai Rp135 dan Rp155 menjadi

nilai Z1 dan Z2:
𝑅𝑝135 − 𝑅𝑝150
𝑍1 = = −0,75
𝑅𝑝20
𝑅𝑝155 − 𝑅𝑝150
𝑍2 = = 0,25
𝑅𝑝20

Nilai probabilitas untuk nilai Z1 = 0,75 adalah 0,2734 dan

untuk Z2 = 0,25 adalah 0,0987. Sehingga, P(Rp135  X 
Rp155) = 0,2734 + 0,0987 = 0,3721 atau 37,21%.
e. Probabilitas menemukan seorang pekerja yang upah
hariannya antara Rp130 dan Rp145:

Ubah nilai Rp130 dan Rp145 menjadi

nilai Z1 dan Z2:
𝑅𝑝130 − 𝑅𝑝150
𝑍1 = = −1,00
𝑅𝑝20
𝑅𝑝145 − 𝑅𝑝150
𝑍2 = = −0,25
𝑅𝑝20

Nilai probabilitas untuk nilai Z1 = 1,00 adalah 0,3413 dan

untuk Z2 = 0,25 adalah 0,0987. Sehingga, P(Rp130  X 
Rp145) = 0,3413 – 0,0987 = 0,2426 atau 24,26%.
f. Probabilitas menemukan seorang pekerja yang upah
hariannya kurang dari Rp125:

Ubah nilai Rp125 menjadi nilai Z:

𝑅𝑝125 − 𝑅𝑝150
𝑍= = 1,25
𝑅𝑝20

Jadi, probabilitas mendapatkan seorang pekerja yang

memperoleh upah harian kurang dari Rp125 adalah: P(X <
Rp125) = 0,5 – 0,3944 = 0,1056 atau 10,56%.
 Penaksiran Normal untuk
Binomial
Untuk sampel besar, distribusi binomial mirip dengan
distribusi normal. Namun, perlu memperhalus probabilitas
diskret menjadi probabilitas sinambung dengan
memperhitungan faktor koreksi kontinuitas sebesar 0,5.
Faktor koreksi sinambungitas diterapkan dengan cara:
1. Untuk probabilitas terjadinya nilai X atau lebih, gunakan
luas di atas (X  0,5).
2. Untuk probabilitas terjadinya nilai lebih dari X, gunakan
luas di atas (X + 0,5).
3. Untuk probabilitas terjadinya nilai X atau kurang, gunakan
luas di bawah (X + 0,5).
4. Untuk probabilitas terjadinya nilai kurang dari X, gunakan
luas di bawah (X  0,5).
 Contoh 4.5
Manajemen sebuah rumah makan memberitahukan bahwa 60
persen pelanggan barunya akan datang kembali. Selama satu minggu
tercatat 90 pelanggan baru.
a. Hitunglah nilai rerata, varian, dan standar deviasi untuk kasus ini.
b. Berapakah probabilitas 60 atau lebih dari pelanggan baru akan
kembali membeli makanan?
c. Berapakah probabilitas lebih dari 65 pelanggan baru akan
kembali membeli makanan?
d. Berapakah probabilitas 40 atau kurang dari pelanggan baru akan
kembali membeli makanan?
e. Berapakah probabilitas kurang dari 45 pelanggan baru akan
kembali membeli makanan?
f. Berapakah probabilitas antara 50 hingga 62 pelanggan baru akan
kembali membeli makanan?
Jawab:
a. Berdasarkan data tersebut diketahui p = 0,60 dan n
= 90 dan nilai rerata, varian, dan standar deviasi
dihitung sebagai berikut:

Rerata = 𝜇 = 𝑛𝑝 = 90 0,60 = 54
Varian = 𝜎 2 = 𝑛𝑝𝑞 = 90 0,60 1 − 0,60 = 21,6
Standar deviasi = 𝜎 = 𝑛𝑝𝑞 = 90(0,6)(1 − 0,60) = 4,6
b. Probabilitas 60 atau lebih dari pelanggan baru akan
kembali membeli makanan:
Nilai Z adalah:
𝑋 − 𝜇 59,5 − 54
𝑍= = = 1,18
𝜎 4,65
Luas kurva adalah 0,3810. Lihat Lampiran 1 pada baris 1,1 dan
kolom 0,08.
Probabilitas 60 atau lebih dari pelanggan baru akan kembali
adalah:
𝑃 𝑋 ≥ 60 = 0,5 − 0,3810 = 0,1190 = 11,90%
c. Probabilitas lebih dari 65 pelanggan baru akan kembali
membeli makanan:
Nilai Z adalah:
𝑋 − 𝜇 65,5 − 54
𝑍= = = 2,47
𝜎 4,65

Luas kurva adalah 0,4932. Lihat Lampiran 1 pada baris 2,4 dan
kolom 0,07.
Probabilitas lebih dari 65 pelanggan baru akan kembali
adalah:

𝑃 𝑋 > 65 = 0,5 − 0,4932 = 0,0068 = 0,68%

d. Probabilitas 40 atau kurang dari pelanggan akan kembali
membeli makanan:
Nilai Z adalah:
𝑋 − 𝜇 40,5 − 54
𝑍= = = −2,90
𝜎 4,65

Luas kurva adalah 0,4918. Lihat Lampiran 1 pada baris 2,9 dan
kolom 0,00.
Probabilitas 40 atau kurang dari pelanggan akan kembali
adalah:

𝑃 𝑋 ≤ 40 = 0,5 − 0,4918 = 0,0082 = 0,82%

e. Probabilitas kurang dari 45 pelanggan baru akan kembali
membeli makanan:
Nilai Z adalah:
𝑋 − 𝜇 44,5 − 54
𝑍= = = −2,04
𝜎 4,65

Luas kurva adalah 0,4793. Lihat Lampiran 1 pada baris 2,0 dan
kolom 0,04.
Probabilitas kurang dari 45 pelanggan baru akan kembali
adalah:

𝑃 𝑋 < 45 = 0,5 − 0,4793 = 0,0207 = 2,07%

f. Probabilitas antara 50 hingga 62 pelanggan baru akan
kembali membeli makanan:
Nilai Z1 dan Z2 adalah:
𝑋 − 𝜇 49,5 − 54
𝑍1 = = = −0,97
𝜎 4,65
𝑋 − 𝜇 62,5 − 54
𝑍2 = = = 1,83
𝜎 4,65
Luas kurva adalah 0,3340 dan 0,4664 (Lihat Lampiran 1).
Probabilitas antara 50 hingga 62 pelanggan baru akan kembali
adalah:
𝑃 50 ≤ 𝑋 ≤ 62 = 0,3340 + 0,4664 = 0,8004 = 80,04%