BIOSTATISTIK

“ PROBABILITAS dan DISTRIBUSI PROBABILITAS ”

OLEH :
KELOMPOK 5

1. Messy Wulandari (18301056)

2. Nurhikmah (18301060)
3. Resti Julita (18301064)
4. Salima Cerlina Laia (18301068)

PROGRAM STUDI S-1 KEPERAWATAN

STIKES PAYUNG NEGERI
PEKANBARU
2021
 KATA PENGANTAR

Puji dan syukur penulis ucapkan kehadirat Allah Swt. karena berkat rahmat dan
hidayah-Nya penyusunan makalah ini dapat terselesaikan. Makalah ini disusun untuk
memenuhi tugas mata kuliah “ Biostatistik ”. Penulis ucapkan terimakasih kepada dosen
pengampu mata kuliah Keperawatan Keluarga yaitu Ibu Dr. Ezalina, S.Kep, Ns, M.Kes dan
juga kepada semua pihak yang telah membantu, sehingga makalah ini dapat selesai pada
waktunya. Semoga makalah ini dapat bermanfaat bagi pihak yang membutuhkan, khususnya
bagi penulis sehingga tujuan yang diharapkan dapat tercapai. Karena keterbatasan
pengetahuan maupun pengalaman penulis, makalah ini masih banyak kekurangan dalam
pembuatan. Oleh karena itu, penulis harapkan kritik dan saran dari pembaca yang berguna
untuk perbaikan makalah selanjutnya.

Pekanbaru, 07 Oktober 2021

Kelompok 5

i
 DAFTAR ISI

KATA PENGANTAR............................................................................................................................i
DAFTAR ISI.........................................................................................................................................ii
BAB I PENDAHULUAN.....................................................................................................................1
1. Latar Belakang..........................................................................................................................1
2. Rumusan Masalah.....................................................................................................................1
3. Tujuan........................................................................................................................................1
BAB II TINJAUAN PUSTAKA...........................................................................................................3
A. Probabilitas................................................................................................................................3
a. Pengertian Probabilitas..........................................................................................................3
b. Jenis-jenis probabilitas...........................................................................................................3
c. Hukum-hukum probabilitas...................................................................................................5
B. Distribusi Probabilitas...............................................................................................................7
a. Pengertian distribusi Probabilitas...........................................................................................7
b. Macam-macam Distribusi......................................................................................................8
d. Distribusi Binominal............................................................................................................10
c. Distribusi Poisson................................................................................................................12
d. Distribusi Normal................................................................................................................12
BAB III PENUTUP.............................................................................................................................14
1. Simpulan..................................................................................................................................14
2. Saran........................................................................................................................................14
DAFTAR PUSTAKA.........................................................................................................................15

ii
 BAB I
PENDAHULUAN

1. Latar Belakang
Statistika adalah ilmu yang mempelajari bagaimana merencanakan, mengumpulkan,
menganalisis, mengintepretasi, dan mempresentasikan data. Sedangkan statistik adalah
data informasi, atau hasil penerapan algoritma statistika pada suatu data. Statistik dalam
arti sempit berarti angka/data, dan dalam arti luas statistik sebagai suatu prosedur atau
metode pengumpulan data, pengolahan data, analisis data, dan penyajian data. Sedangkan
penelitian adalah cara ilmiah untuk mendapatkan data dengan tujuan dan kegunaan
tertentu.

Probabilitas didifinisikan sebagai peluang atau kemungkinan suatu kejadian, suatu

ukuran tentang kemungkinan atau derajat ketidakpastian suatu peristiwa (event) yang akan
terjadi di masa mendatang. Rentangan probabilitas antara 0 sampai dengan 1. Jika
mengatakan probabilitas sebuah peristiwa adalah 0, maka peristiwa tersebut tidak mungkin
terjadi. Dan jika mengatakan bahwa probabilitas sebuah peristiwa adalah 1 maka peristiwa
tersebut pasti terjadi. Serta jumlah antara peluang suatu kejadian yang mungkin terjadi dan
peluang suatu kejadian yang mungkin tidak terjadi adalah satu, jika kejadian tersebut
hanya memiliki 2 kemungkinan kejadian yang mungkin akan terjadi.

Probabilitas adalah kemungkinan yang dapat terjadi dalam suatu peristiwa. Dalam
kehidupan sehari-hari sulit untuk mengetahui dengan “pasti” apa yang akan terjadi pada
waktu yang akan datang, baik dalam jangka pendek maupun jangka panjang. Sebuah
contoh sederhana adalah jika sebuah koin dilempar, maka akan sulit untuk memastikan
bahwa muka gambar atau muka angka yang berada di atas. Jika terkait dengan suatu
perusahaan, maka akan sulit untuk memprediksikan apakah tahun depan akan mengalami
keuntungan atau kerugian. Jika terkait dengan suatu ujian, juga akan sulit untuk
memastikan apakah lulus atau gagal dan lain sebagainya. Semua peristiwa tersebut berada
dalam “ketidakpastian” atau Uncertainty. Dengan demikian, probabilitas atau peluang
merupakan “derajat kepastian” untuk terjadinya suatu peristiwa yang diukur dengan angka
pecahan antara nol sampai dengan satu, dimana peristiwa tersebut terjadi secara acak atau
random.

1
 Berdasarkan pengertian atau penjelasan mengenai statistik dan probabilitas, maka
kelompok akan membahas mengenai konsep probabilitas dan distribusi probabilitas.

2. Rumusan Masalah
Berdasarkan latar belakang diatas, penulis dapat menarik rumusan masalah pada
makalah ini yaitu “ Bagaimana probabilitas dan distribusi probabilitas pada statistik?”

3. Tujuan
A. Tujuan Umum
Untuk menjelaskan mengenai konsep probabilitas dan distribusi probabilitas
B. Tujuan Khusus
1. Probabilitas
a. Untuk menjelaskan tentang pengertian probabilitas
b. Untuk menjelaskan tentang jenis-jenis probabilitas
c. Untuk menjelaskan tentang hukum-hukum probabilitas
2. Distribusi Probabilitas
a. Untuk menjelaskan tentang pengertian distribusi probabilitas
b. Untuk menjelaskan tentang macam-macam distribusi
c. Untuk menjelaskan tentang distribusi binominal
d. Untuk menjelaskan tentang distribusi poisson
e. Untuk menjelaskan tentang distribusi normal

2
 BAB II
TINJAUAN PUSTAKA

A. Probabilitas
a. Pengertian Probabilitas
Probabilitas merupakan bilangan yang mewakili nilai kemungkinan sebuah event
terjadi bila suatu eksperimen acak dilakukan. Teori probabilitas dapat dibedakan dalam
dua pendekatan, yaitu frekuensi relative dan aksioma probabilitas. Pendefenisian
probabilitas melalui frekuensi relative memberikan pemahaman mendalam berkenaan
dengan hokum alam yang banyak diaplikasikan dalam persoalan praktis. Pendekatan
melalui defenisi terkait dengan aksioma probabiltas lebih banyak digunakan sebagai
dasar pemahaman untuk mempelajari teori probabilitas yang lebih modern dan lebih
lanjut.

b. Jenis-jenis probabilitas
Terdapat beberapa jenis probabilitas, diantaranya sebagai berikut:

1. Frekuensi Relatif
Suatu eksperimen acak memiliki prosedur “pilih bola dalam kotak yang berisi
bola identic yang diberi nomor 1,2,3” dengan observasi yang harus dilakukan adalah
“catat nomor bola”. Dalam eksperimen ini dapat 3 outcome yang mungkin (k) dengan
ruang sampel adalah S = {1,2,3}. Anggap eksperimen diulang sebanyak n kali (trial)
dalam kondisi yang sama.
a. Contoh outcome eksperimen dalam 100 trial yang dilakukan secara simulasi
menggunakan computer. Jelas bahwa outcome eksperimen secara konsisten tidak
dapat diprediksi dengan benar. Misalkan N1(n), N2(n), dan N3(n) merupakan jumlah
dari tiap outcome k yang terjadi, maka frekuensi relative dari outcome tersebut
didefenisikan dengan

Regulasi statistik menyatakan bahwa model probabilitas dalam teknik didasarkan

pada kenyataan bahwa rata-rata nilai deretan outcome yang panjang dari
pengulangan (trial) eksperimen acak secara konsisten menghasilkan nilai yang

3
kurang lebih sama. Oleh karena itu, fk (n) akan menuju nilai konstanta untuk n trial
yang sangat besar Dengan konstanta pk disebut dengan probabilitas untuk outcome
k.

Contoh frekuensi relative untuk 3 outcome eksperimen. Frekuensi relative tersebut

konvergen pada nilai 1/3 bila jumlah trial semakin banyak seperti yang ditunjukan
pada gambar yang ke-2. Nilai frekuensi rekatif ini menunjukan bahwa terjadinya
masing-masing outcome dalam eksperimen memiliki kemungkinan yang sama

Karena jumlah terjadinya tiap outcome (Nk) dalam pemilihan bola yang diulang
sebanyak n kali (n trial) adalah bilangan antara 0 dan n, maka (0 < Nk < n untuk k
=1,2,3
Dan bila persamaan tersebut dibagi dengan n (banyak trial), diperboleh frkuensi
relative yang merupakan bilangan antara nol dan satu : 0 < fk < 1 untuk k = 1,2,3
Jumlah dari terjadinya seluruh outcome yang mungkin adala sama dengan n, ditulis

4
 Jika ke-2 sisi dari persamaan tersebut dibagi menjadi dengan n, maka jumlah
seluruh frekuensi relative adalah sama dengan 1, yaitu:

Persamaan ini merupakan sifat dari frekuensi relative. Beberapa kelemahan

pendekatan frekuensi relative diantaranya adalah pada umunya suatu eksperimen
jarang dilakukan sampai dengan tak hingga sehingga probabilitas pk tidak dapat
diketahui dengan pasti.
2. Aksioma Probabilitas
Misalkan A menyatakan evet yang didefenisikan pada ruang sampel S dan
probabilitas event A dinotasikan dengan P(A). Teori probabilitas dimulai dengan
pendefenisian tiga aksioma sebagai berikut:
a. P(A)> 0, aksioma ini menyatakan bahwa nilai probabilitas adalah bilangan tidak
negative
b. P(S)=1, aksioma ke-2 menyatakan bahwa ruang sampel meliputi seluruh hasil yang
mungkin dalam suatu eksperimen. Oleh karena itu probabilitas ruang sampel
mempunyai nilai probabilitas yang tertinggi yaitu 1. Nilai ini juga menyatakan
bahwa S diketahui sebagai event yang pasti. Sedangkan event yang tidak
mempunyai elemen diketahui sebagai event yang tidak mungkin dengan
probabilitas sama dengan nol (0)

c. , aksioma ini menyatakan bahwa probabilitas union

sejumlah event mutually exclusive sama dengan jumlah dari probabilitas event-
evet individu.

Aksioma probabilitas memberikan sekumpulan aturan-aturan yang konsisten

bahwa bersaran probabilitas yang valid harus terpenuhi. Dari aksioma probabilitas
ini, dapat dikembangkan beberapa dalil yang berguna untuk perhitungan nilai
probabilitas.

c. Hukum-hukum probabilitas
Terdapat beberapa hukum atau aturan pada probabilitas, diantaranya:
1. Aturan penjumlahan :

5
 Untuk menerapkan aturan penjumlahan ini, harus dilihat jenis kejadiannya apakah
bersifat saling meniadakan atau tidak saling meniadakan.
a) Kejadian Saling Meniadakan :
Dua peristiwa atau lebih disebut saling meniadakan jika kedua atau lebih
peristiwa itu tidak dapat terjadi pada saat yang bersamaan. Jika peristiwa A dan B
saling meniadakan, probabilitas terjadinya peristiwa tersebut adalah P(A atau B) =
P(A) + P(B) atau P(A  B) = P(A) + P(B)
Contoh : Sebuah dadu dilemparkan ke atas, peritiwanya adalah
A = peristiwa mata dadu 4 muncul.
B = peristiwa mata dadu lebih kecil dari 3 muncul.
Tentukan probabilitas dari kejadian berikut !
Mata dadu 4 atau lebih kecil dari 3 muncul!
Penyelesaian : P(A) = 1/6, P(B) = 2/6, P(A atau B) = P(A) + P(B)
= 1/6 + 2/6
= 0,5
b) Kejadian Tidak Saling Meniadakan :
Dua peristiwa atau lebih disebut peristiwa tidak saling meniadakan apabila kedua
peristiwa atau lebih tersebut dapat terjadi pada saat yang bersamaan. Jika dua
peristiwa A dan B tidak saling meniadakan, probabilitas terjadinya peristiwa
tersebut adalah P(A atau B) = P(A) + P(B) – P(A dan B), P(A  B) = P(A) + P(B)
– P(A  B) Jika 3 peristiwa A, B, dan C tidak saling meniadakan, probabilitas
terjadinya peristiwa tersebut adalah P(A  B  C) = P(A) + P(B) + P(C) – P(A 
B) – P(A  C) – P(B  C) + P(A  B  C)
2. Aturan Perkalian :
Dalam konsep probabilitas, aturan perkalian diterapkan secara berbeda menurut
jenis kejadiannya. Ada dua jenis kejadian dalam hal ini, yaitu kejadian tak bebas dan
kejadian bebas.
a) Kejadian Tak Bebas :
Dua peristiwa atau lebih disebut kejadian tidak bebas apabila peristiwa yang satu
dipengaruhi atau tergantung pada peritiwa lainnya. Probabilitas peristiwa tidak
saling bebas dapat pula dibedakan atas tiga macam, yaitu yaitu probabilitas
bersyarat, gabungan, dan marjinal.
1) Probabilitas Bersyarat :

6
 Probabilitas bersyarat peristiwa tidak saling bebas adalah probabilitas
terjadinya suatu peristiwa dengan syarat peristiwa lain harus terjadi dan
peristiwa-peristiwa tersebut saling mempengaruhi. Jika peristiwa B bersyarat
terhadap A, probabilitas terjadinya periwtiwa tersebut adalah P(B/A) dibaca
probabilitas terjadinya B dengan syarat peristiwa A terjadi.
2) Probabilitas Gabungan :
Probabilitas gabungan peritiwa tidak saling bebas adalah probabilitas
terjadinya dua atau lebih peristiwa secara berurutan (bersamaan) dan
peristiwa-peristiwa itu saling mempengaruhi.
Jika dua peristiwa A dan B gubungan, probabilitas terjadinya peristiwa
tersebut adalah P(A dan B) = P(A  B) = P(A) x P(B/A)
Jika tiga buah peristiwa A, B, dan C gabungan, probabilitas terjadinya
peristiwa tersebut adalah P(A  B  C) = P(A) x P(B/A) x P(C/A  B)
3) Probabilitas Marjinal :
Probabilitas marjinal peristiwa tidak saling bebas adalah probabilitas
terjadinya suatu peristiwa yang tidak memiliki hubungan dengan terjadinya
peristiwa lain dan peristiwa tersebut saling mempengaruhi. Jika dua peristiwa
A adalah marjinal, probabilitas terjadinya peristiwa A tersebut adalahP(A) =
P(B  A) = P(Ai) x P(B/Ai), i = 1, 2, 3, …..
b) Kejadian Bebas :
Dua kejadian atau lebih dikatakan merupakan kejadian bebas apabila
terjadinya kejadian tersebut tidak saling mempengaruhi. Dua kejadian A dan B
dikatakan bebas, kalau kejadian A tidak mempengaruhi B atau sebaliknya. Jika A
dan B merupakan kejadian bebas, mak P(A/B) = P(A) dan P(B/A) = P(B) atau P(A
 B) = P(A) P(B) = P(B) P(A).

B. Distribusi Probabilitas
a. Pengertian distribusi Probabilitas
Distribusi probabilitas adalah suatu distribusi yang mengambarkan peluang dari
sekumnpulan variat sebagai pengganti frekuensinya, adapun untuk kunci penerapan atau
aplikasi probabilitas dalam statistik yaitu memperkirakan terjadinya peluang atau
probabilitas yang dikaitkan dengan terjadinya suatu peristiwa dalam beberapa keadaan.
Menurut Mendenhall dan Reinmunt (1982) dalam Supranto (2008), probability is a
measure of a likelihood of the occurance of a random event. Kemudian menurut DR.

7
Boediono (2014), derajat atau tingkat kepastian atau keyakinan dari munculnya hasil
percobaan statistik disebut probabilitas atau peluang. Berdasarkan ketiga definisi
tersebut, probabilitas atau peluang pada dasarnya memberikan sebuah nilai atau besaran
pada sebuah kejadian yang masih dalam ruang lingkup pembicaraan. Dengan kata lain
probabilitas atau peluang adalah sebuah kemungkinan terjadinya suatu event yang
dinyatakan dalam sebuah nilai atau besaran.

Perumusan probabilitas terbagi menjadi tiga, yaitu perumusan klasik, perumusan

empiris, dan perumusan subjektif.

1. Perumusan klasik
Dalam perumusan klasik, probabilitas sebuah peristiwa dinyatakan sebagai hasil bagi
natara jumlah peristiwa yang mungkin terjadi dengan jumlah semua peristiwa yang
mungkin terjadi. Jika peristiwa tersebut dimisalkan sebagai peristiwa A, terjadi dalam
m cara dari seluruh n cara yang mungkin terjadi dan masing-masing n cara
tersebutmemiliki kesempatan yang samauntuk muncul, maka probabilitas dapat
dinayatakan menjadi:
P (A) = m

‒‒

n
2. Perumusan empiri
Dalam perumusan empiris, perhitungan probabilitas dilakukan berdasarkan frekuensi
relatif dari terjadinya suatu kejadian dengan syarat banyaknya pengamatan atau
banyaknya sampel n sangat besar. Bila n bertambah besar sampai tak terhingga, maka
probabilitas dari kejadian A sama dengan nilai limit dari frekuensi relatif kejadian A
tersebut (DR. Budiono, 2014). Jika kejadian A terjadi sebanyak m kali dari
keseluruhan pengamatan sebanyak n, dimana n sangat besar aaatau mendekati tak
hingga, maka probabilitas kedian A didefinisikan sebagai:
P (A) = m

lim ‒‒

n n

8
 3. Perumusan subjektif
Dalam perumusan subjektif, probabilitas dirumuskan berdasarkan keyakinan dan
pandangan pribadi terhadap probabilitas terjadinya suatu peristiwa. Sebagai contoh,
seorang guru meyakini bahwa tingkat kelulusan siswa SMA dalam ujian nasional
tahun 2005 adalah 100 %.

b. Macam-macam Distribusi
Distribusi terbagi menjadi beberapa macam, yaitu dinataranya:

1. Distribusi binomial
Distribusi dinomial diterapkan pppada percobaan atau fenomena kejadian dengan ciri-
ciri sebgaai berikut:
a) Percobaan atau fenomena atau kejadian terdiri atas n tindakan (trial) yang identik
b) Setiap percobaan atau fenomena atau kejadian hanya mempunyai dua
kemungkinan hasil, misalkan “sukses” dan “gagal”
c) Peluang suskes pada percobaan tinggal sama dengan p dan tetap sama dari
percobaan ke percobaan, peluang gagal sama dengan (1-p) = q
d) Setiap percobaan bersifat independen dan dengan pengembalian
e) Variabel acak x adalah banyaknya sukses percobaan selama n tttindkaan.
2. Distribusi hipergiometrik

Distribusi Hipergeometrik adalah system distribusi probabilitas diskrit yang

terdiri dari sekelompok obyek tertentu yang dipilih tanpa terjadinya sebuah
pengembalian. Dalam distribusi probabilitas hipergeometrik tidak beda jauh
dengan distribusi probabilitas binomial. Contohnya, dimisalkan telah memiliki
populasi sebanyak N yang terdiri atas dua jenis. Jenis merah sebanyak N1 dan sisanya
jenis putih sebanyak N-N1. Kemudian diambil sampel secara acak sebanyak n buah
tanpa pengembalian. Misalkan X=k menyatakan banyaknya jenis merah yang
terambil, maka probabilitas untuk memperoleh sampel jenis merah sebanyak X = k
adalah :
{ N1} {N-N1}

{k} {n-k}

P ( X = k ) : ‒‒‒‒‒‒‒‒‒‒‒‒‒

9
 {N}

{n}

3. Distribusi pooison

Distribusi poisson merupakan suatu distribusi untuk peristiwa yang probabilitas

kejadiannya kecil, dimana kejadian tergantung pada selang waktu tertentu atau di
suatu daerah tertentu dengan hasil pengamatan berupa variabel diskrit dan antar
variabel prediktor saling independen. Selang waktu tersebut dapat berupa beberapa
saja panjangnya, misalnya semenit, sehari , seminggu, sebulan bahkan setahun.
Daerah tertentu yang dimaksudkan dapat berupa suatu garis, suatu luasan, suatu
volume, atau mungkin sepotong bahan (walpole, 1995).

Distribusi Poisson memiliki ciri - ciri sebagai berikut:

a. Banyaknya percobaan yang terjadi dalam suatu selang waktu atau suatu daerah
tertentu, tidak tergantung pada banyaknya hasil percobaan yang terjadi pada selang
waktu atau daerah lain yang terpisah.
b. Peluang terjadinya satu hasil percobaan selama suatu selang wakt yang singkat
sekali atau dalam suatu selang yang kecil. Sebanding dengan panjang selang waktu
tersebut atau besarnya daerah tersebut dan tidak tergantung pada banyak hasil
percobaan yang terjadi diluar selang waktu dan daerah tertentu.
c. Peluang bahwa lebih dari satu hasil percobaan akan terjadi dalam selang waktu
yang singkat tersebut atau dalam daerah yang kecil tersebut diabaikan

4. Distribusi normal
Distribusi normal merupakan sebuah fungsi probabilitas yang menunjukkan
distribusi atau penyebaran suatu variabel. Fungsi tersebut umumnya dibuktikan oleh
sebuah grafik simetris yang disebut kurva lonceng (bell curve). Saat menandakan
distribusi yang merata, kurva akan memuncak di bagian tengah dan melandai di kedua
sisinya dengan nilai yang setara. 
Distribusi normal memiliki sifat-sifat sebgaai berikut:
a. Grafiknya selalu ada diatas suatu sumbu mendatar x

10
 b. Simetris terhadap X = µ
c. Mempunyai satu modus, yakni nilai terbesar untuk Y, dicapai pada X = µ Yang
besarnya 0,3989/ σ
d. Grafiknya mendekati sumbu datar X yang mulai dari X = µ+3 σ kanan dan X=µ-3
σ ke kiri

d. Distribusi Binominal

Distribusi binomial berasal dari percobaan binomial yaitu suatu proses Bernoulli
yang diulang sebanyak beberapa kali dan saling bebas. Suatu distribusi Bernoulli
dibentuk oleh suatu percobaan Bernoulli (Bernoulli trial). Sebuah percobaan
Bernoulli harus memenuhi syarat: Keluaran (outcome) yang mungkin hanya salah satu
dari “sukses” atau “gagal”, Jika probabilitas sukses p, maka probabilitasgagal q = 1 – p.
Distribusi binomial adalah distribusi probabilitas diskrit yang jumlah
keberhasilan dalam percobaan ya/tidak (berhasil/gagal) yang saling bebas, dimana
setiap hasil percobaan memiliki probabilitas p. Eksperimen berhasil/gagal juga disebu
percobaan bernoulli. Ketika n = 1, distribusi binomial adalah distribusi bernoulli.
Distribusi binomial merupakan dasar dari uji binomial dalam uji signifikansi statistik.
Distribusi Binomial digunakan untuk data diskrit (bukan datakontinu) yang dihasilkan
dari eksperimen Bernouli, mengacu kepada matematikawan Jacob Bernouli.

Secara formal, suatu eksperimen dapat dikatakan eksperimen binomial jika

memenuhi empat persyaratan:

a. Banyaknya eksperimen merupakan bilangan tetap (fixed number of trial)

b. Setiap ekperimen selalu mempunyai dua hasil ”Sukses” dan ”Gagal”.Tidak
ada daerah abu-abu . Dalam praktiknya, sukses dan gagal harus‟
‟didefinisikan sesuai keperluan, Misal:
a) Lulus (sukses), tidak lulus (gagal)
b) Setuju (sukses), tidak setuju (gagal)
c) Barang bagus (sukses), barang sortiran (gagal)
d) Puas (sukses), tidak puas (gagal)
e) Probabilitas sukses harus sama pada setiap eksperimen.

11
 f) Eksperimen tersebut harus bebas satu sama lain, artinya satu eksperimentidak
boleh berpengaruh pada hasil eksperimen lainnya.
1. Ciri-ciri Distribusi Binomial

a. Ciri pertama distribusi binomial adalah bila jumlah n tetap dan p kecil
makadistribusi yang dihasilkan akan miring ke kanan dan bila p makin besar
makakemiringan akan berkurang dan bila p mencapai 0,5 maka distribusi akan
menjadisimetris. Bila p lebih besar dari 0,5, maka distribusi yang dihasilkan akan
miringke kiri.

b. Ciri kedua nya adalah bila p tetap dengan jumlah n yang makin besar
makaakan dihasilkan distribusi yang mendekati distribusi simetris.

c. Percobaan diulang sebanyak n kali.

d. Hasil setiap ulangan dapat dikategorikan ke dalam 2 kelas, misal : “berhasil” atau
“gagal”; “ya” atau “tidak”; “success” or “failed”.

e. Peluang berhasil / sukses dinyatakan dengan p dan dalam setiap ulangannilai p

tetap. Peluang gagal dinyatakan dengan q, dimana q = 1-p.

f. Setiap ulangan bersifat bebas (independen) satu dengan lainnya.

2. Percobaan binomial

Secara langsung, percobaan binomial memiliki ciri-ciri sebagai berikut:

a. Percobaan tersebut dilakukan berulang-ulang sebanyak n kali

b. Masing-masing percobaan hanya dapat menghasilkan dua kemungkinan,atau hasil

yang diperoleh dapat disederhanakan menjadi dua kemungkinan.Hasil yang diperoleh
tersebut dapat dianggap sebagai hasil yang sukses ataugagal.

c. Hasil dari masing-masing percobaan haruslah saling bebas.

d. Peluang untuk sukses harus sama untuk setiap percobaan.

Rumus distribusi binomial sebagai berikut:

12
 P (y) = n!

_________________ π y (1- π) n-y

y!(n-y)!

Keterangan:

p(y) = probabilitas terjadinya y subyek yang memiliki keluaran yang diinginkan dari n
subyek yang ada= pdf (y)

n = jumlah subyek

y = jumlah subyek dengan keluaran yang diinginkan

π = probabilitas terjadinya keluaran yang ingin dihitung (misal ketidakhadiran)

n!= n faktorial
c. Distribusi Poisson

d. Distribusi Normal

Distribusi normal merupakan sebuah fungsi probabilitas yang menunjukkan distribusi

atau penyebaran suatu variabel. Fungsi tersebut umumnya dibuktikan oleh sebuah grafik
simetris yang disebut kurva lonceng (bell curve). Saat menandakan distribusi yang
merata, kurva akan memuncak di bagian tengah dan melandai di kedua sisinya dengan
nilai yang setara. 

13
 Teori distribusi ini dikenal pula dengan istilah Distribusi Gauss (Gaussian
Distribution). Istilah tersebut mengacu pada Carl Friedrich Gauss, seorang
matematikawan asal Jerman yang mengembangkan teori distribusi berisi fungsi
eksponensial dua parameter pada periode 1794-1809. Meski demikian, teori awal yang
menjadi cikal-bakal fungsi distribusi tersebut sebenarnya mulai dikembangkan oleh
Abraham de Moivre pada tahun 1733.
Saat menunjukkan nilai penyebaran data, distribusi normal memiliki sejumlah
karakteristik utama sebagai berikut:
1. Teori distribusi ini memiliki nilai mean, median, dan modus yang sama. Oleh karena
itu, distribusinya sering pula disebut unimodal. 
2. Kurva distribusi selalu bersifat simetris dengan bentuk lonceng (bell curve). Titik
puncak kurva adalah nilai rata-rata. Nilai ini berada tepat di tengah kurva, sedangkan
data distribusi terletak di sekitar garis lurus yang ditarik ke bawah dari titik tengah
tersebut.
3. Mean (nilai rata-rata) dan nilai standar deviasi akan menentukan bentuk dan lokasi
distribusi.
4. Jumlah luas daerah di bawah kurva normal bernilai 1, yakni ½ di sisi kiri dan ½ di sisi
kanan. Hal ini juga berlaku untuk seluruh distribusi probabilitas kontinu.
5. Dalam kurva distribusi, dapat disimpulkan jika setengah data populasi akan memiliki
nilai yang kurang dari angka rata-rata, sedangkan sebagian lagi memiliki nilai yang
lebih besar.
6. Masing-masing ekor kurva di kedua sisi memanjang tak berbatas. Dalam beberapa
kasus penghitungan distribusi, ekor kurva bahkan bisa memotong sumbu horizontal.

BAB III
PENUTUP

1. Simpulan
Berdasarkan pembahasan yang telah dilampirkan pada bab sebelumya, maka penulis
dapat mengambil kesimpulan pada makalah, yaitu diantaranya:

a. Probabilitas merupakan bilangan yang mewakili nilai kemungkinan sebuah event

terjadi bila suatu eksperimen acak dilakukan. Teori probabilitas dapat dibedakan dalam
dua pendekatan, yaitu frekuensi relative dan aksioma probabilitas.

14
 b. Distribusi probabilitas adalah suatu distribusi yang mengambarkan peluang dari
sekumnpulan variat sebagai pengganti frekuensinya, adapun untuk kunci penerapan
atau aplikasi probabilitas dalam statistik yaitu memperkirakan terjadinya peluang atau
probabilitas yang dikaitkan dengan terjadinya suatu peristiwa dalam beberapa keadaan.
c. Distribusi probabilitas terdiri dari berbagai macam, yaitu :
a) distribusi binomial merupakan distribusi probabilitas diskrit dari percobaan yang
dilakukan sebanyak n kali dgn masing-masing percobaan mempunyai probabilitas p
dan masing2 percobaan tidak saling mempengaruhi (independen)
b) distribusi hipergeometrik merupakan distribusi prob diskrit dari sekelompok obyek
yg dipilih tanpa pengembalian
c) distribusi poisson merupakan distribusi probabilitas diskrit yg menyajikan frekuensi
dari kejadian acak tertentu
d) distribusi normal/gauss merupakan distribusi probabilitas untuk var acak kontinyu
(paling penting dalam statistic dan paling sering digunakan).

2. Saran
Penulis menyadari bahwa materi yang telah penulis lampirkan pada makalah ini
masih banyak kekurangan. Oeh karena itu penulis meminta kepada pembaca untuk
memberikan saran, ktitikan, dan hal-hal lainnya yang bisa membangun untuk menuju
kepada yang lebih baik lagi. Agar pembuatan makalah berikutnya lebih baik lagi, dan
makalah ini dapat bermanfaat bagi penulis dan pembacanya.

15
 DAFTAR PUSTAKA

Agustinah, Trihastuti dkk. 2011. Visualisasi Pengetahuan dan Virtualisasi Eksperimen.

Jakarta
DR. Boediono. 2014. Statistika dan Probabilitas. Bandung: ROSDA.
Marliana Rian R. 2010. Modul Probabilitas dan Statistika. Sumedang: STIMIK.
Sudjana. 2002. Metode Statistik. Bandung : Tarsito.

16