DAFTAR ISI

KATA PENGANTAR.............................................................................
DAFTAR ISI...........................................................................................
BAB 1 PENDAHULUAN.......................................................................
1. Latar Belakang.........................................................................
2. Rumusan Masalah....................................................................
BAB 2 PEMBAHASAN..........................................................................
1.Distribusi probabilitas, variable acak........................................
2.Probabilitas binomial................................................................
3.Probabilitas hipergeometrik…………………………………..
4.probabilitas poisson…………………………………………...
BAB 3 PENUTUP...................................................................................
1. Kesimpulan..............................................................................
2. Daftar Pustaka..........................................................................
 BAB 1
PENDAHULUAN
Latar Belakang

Distribusi probabilitas dapat diterapkan dalam banyak hal seperti pada

kehidupan sehari-hari, kegiatan bisnis maupun pada dunia industri. Distribusi
probabilitas berguna untuk menganalisis suatu kejadian dan memberikan
keuntungan serta manfaat dalam pengaplikasiannya. Misalnya, pada suatu proses
pelayanan di suatu Bankdapat menguji apakah dengan disediakan empat teller,
nasabah akan menunggu lama atau kapasitas yang berlebih akan membuat boros
tempat. Permasalahan ini dapat diselesaikan dengan distribusi probabilitas
yang akan membantu Bank dalam membuat keputusan dalam menyediakan
teller.Distribusi probabilitas merupakan suatu daftar atau kumpulan dari
probabilitas-probabilitas peristiwa yang mungkin terjadi. Distribusi peluang yang
demikian saling berhubungan dengan semua nilai-nilai yang mungkin terjadi dan
berasal dari variabel random. Variabel random adalah variabel yang nilainya
merupakan suatu bilangan yang ditentukan oleh terjadinya suatu percobaaan.Fungsi
distribusi probabilitas umumnya dibedakan menjadi distribusi probabilitas diskrit
dan kontinyu. Di dalam distribusi probabilitas diskrit dan kontinyu terdapat
beberapa macam distribusi. Untuk lebih memahami dan mengetahui perbedaan dari
kedua distribusi tersebut, maka praktikan melakukan praktikumdistribusi
probabilitas. Dengan melakukan praktikum diharapkan pemahaman serta
pengaplikasian distribusi probabilitas diskrit maupun kontinyu dapat dipahami dan
dimengerti

Rumusan Masalah
Mari kita perhatikan rumusan masalah sebagai berikut:
1.  Apa Distribusi probabilitas, variable acak?
2. Apa itu Probabilitas binomial
3. Apa Probabilitas hipergeometrik
4. Apa probabilitas poisson
 BAB 2
PEMBAHASAN

A. Probabilitas variable acak

variable acak adalah nilai yang didapatkan dalam percobaan/eksperimen secara

acak/random, dimana peneliti tidak tahu variasi apakah yang akan keluar. Artinya
nilai tersebut tidak dapat diperkirakan nilai yang keluar dan tidak selalu nilai yang
keluar pada setiap percobaan adalah SAMA/BERBEDA.

Jadi, variable acak disebut sebagai variable acak jika variabel tersebut menghasilkan
nilai yang bisa berbeda pada setiap peristiwa / trial / eksperimen dan perubahan hasil
di setiap peristiwa tidak dapat diperkirakan.

Variabel acak (random variabel) dinyatakan dengan huruf kapital, sedangkan

nilainya dinyatakan dengan huruf kecil. Biasa ditandai dengan huruf “X” yang
memiliki sebuah nilai numerik tunggal untuk setiap keluaran dari sebuah eksperimen
probabilitas.

Jika X variabel acak, maka nilainya dinyatakan dengan x. Jika peluang kejadian X
bernilai kurang dari atau sama dengan x dinyatakan dengan P (X  x). Jadi X
dapat bernilai berapapun tergantung pada keluaran yang mungkin dihasilkan dalam
dari eksperimen.

Ada 2 jenis variable acak, yaitu :

1.Variabel Acak Diskrit

Variabel acak yang nilainya berupa bilangan cacah, dapat dihitung dan terhingga.
Umumnya variabel diskrit berhubungan dengan pencacahan terhadap suatu objek atau
indvidu
Contoh:
• Jumlah penderita Penyakit Jantung Koroner (PJK) yang berobat ke
poli Penyakit Jantung RSJ Harapan Kita adalah 54 orang 
Variabel PJK adalah variabel acak diskrit
• Jumlah ODHA yang telah mendapatkan obat ARV di RS Infeksi
Sulianti Suroso adalah 123 orang  Variabel ODHA yang telah
mendapatkan ARV adalah variabel acak diskrit
2.Variabel Acak kontinu

Variabel acak yang nilainya berupa selang bilangan, tidak dapat dihitung, dan tidak
terhingga. Biasanya untuk hal-hal yang dapat diukur. Variabel acak kontinu dapat
diilustrasikan sebagai titik-titik dalam sebuah garis.  

Pengukuran fisik seperti waktu atau panjang merupakan contoh yang paling mudah
dipahami untuk variabel acak kontinu ini. Misalkan para buruh di sebuah wilayah
akan diukur tinggi badannya. Jika kita menggunakan meteran dengan ketelitian
sentimeter, maka tinggi setiap orang bisa kita anggap sebagai titik dalam meteran
tersebut.Dengan demikian setiap ukuran X akan berhubungan titik-titik yang
jumlahnya sangat banyak atau takterhingga.   

Contoh:
Di Kantor pemadam kebakaran berlaku aturan bahwa petugas pemadam
kebakaran harus memiliki berat badan antara 60 sampai 90 Kg  Variabel BB
petugas pemadam kebakaran tersebut adalah variabel acak kontinu karena nilainya
berselang antara 60 – 90 Kg.

B. Probabilitas binomial

Distribusi Binomial menggambarkan fenomena dengan dua keluaran/outcome

sukses atau gagal; sehat atau sembuh; bayi laki-laki atau bayi perempuan; hidup atau
mati Penemunya adalah James Bernaulli  dikenal juga dengan sebutan Distribusi
Bernaulli

4 Syarat dalam bernauli trial Distribusi Binomial, yaitu :

 Jumlah trial adalah bilangan bulat
 Setiap percobaan mempunyai dua keluaran/outcome
 Peluang sukses untuk setiap percobaan sama
 Setiap percobaan independen/saling bebas satu sama lain

Dalam distribusi binomial setiap percobaan atau peristiwa adalah bebas satu
sama lain/independen.

Misalnya percobaan melemparkan satu koin lima kali  lambungan 1 sampai 5

adalah kejadian independen, Jika pada saat melambungkan koin kita mengharapkan
keluar koin dengan sisi H (Head) dan pada saat dilambungkan keluaran/outcome nya
sesuai keinginan, maka disebut “sukses”; jika tidak disebut “gagal”. Setiap lambungan
mempunyai probabilitas yang sama

Jika lambungan pertama, probabilitas sukses adalah ½  maka lambungan seterusnya

juga ½.

Jumlah lambungan dalam distribusi bonomial adalah bilanganan bulat.

Contoh lain adalah percobaan dadu. dalam percobaan pelembaran dadu ini:
 Peluang keluarnya mata lima yang diharapkan (peluang sukses) adalah 1/6
 Peluang gagal adalah 5//6

C. Probabilitas Hipergeometrik
Distribusi hipergeometrik juga termasuk distribusi teoretis yang menggunakan
variabel diskrit dengan dua kejadian yang berkomplemen, seperti halnya distribusi
binomial.

Perbedaan yang utama antara distribusi binomial dan distribusi hipergeometrik adalah
pada cara pengambilan sampelnya. Pada distribusi binomial pengambilan sampel
dilakukan dengan pengembalian, sedangkan pada distribusi hipergeometrik
pengambilan sampel dilakukan tanpa pengembalian.

Dari penjelasan di atas, bisa disimpulkan bahwa distribusi hipergeometrik adalah

distribusi probabilitas diskrit dari sekelompok objek atau populasi yang dipilih tanpa
pengembalian.

Distribusi hipergeometrik memiliki kedua sifat berikut:

1.Sampel acak ukuran n diambil tanpa pengembalian dari N benda

2.Sebanyak k benda dapat diberi nama sukses sedangkan sisanya, N – k, diberi nama
gagal

Keterangan:

N = ukuran populasi

n = ukuran sampel

k = banyaknya unsur yang sama pada populasi

x = banyaknya peristiwa sukses

Distribusi hipergeometrik dapat diperluas, seperti berikut ini.
Jika dari populasi yang berukuran N terdapat unsur-unsur yang sama, yaitu
𝑘_1,𝑘_2,𝑘_3, … ,𝑘_𝑛 dan dalam sampel berukuran n terdapat unsur-unsur yang sama
pula, yaitu 𝑥_1,𝑥_2,𝑥_3, …,𝑥_𝑛 dengan 𝑘_1+𝑘_2+𝑘_3+ …+𝑘_𝑛=𝑁 dan
𝑥_1+𝑥_2+𝑥_3+ …+𝑥_𝑛=𝑛, distribusi hipergeometrik dirumuskan:

Contoh soal

Dalam suatu gudang terdapat 60 dus obat-obatan di mana diketahui 10 dus di

antaranya rusak. Dari gudang tersebut diambil sebanyak 15 dus secara acak. Berapa:

a. peluang terdapat 12 dus yang baik?

b. peluang paling sedikit terdapat 10 dus yang baik?

c. peluang paling banyak terdapat 9 dus yang rusak?

d. peluang terdapat antara 5 s/d 10 dus yang baik?

Penyelesaian:

Diketahui bahwa N=60, k=50, n=15N=60, k=50, n=15. Dengan

demikian, kita peroleh

D. probabilitas poisson

Distribusi Poisson disebut juga distribusi peristiwa yang jarang terjadi,

ditemukan oleh S.D. Poisson (1781 – 1841), seorang ahli matematika bangsa Prancis.
Distribusi poisson termasuk distribusi teoritis yang memakai variabel random diskrit.
Distribusi Poisson adalah distribusi nilai-nilai bagi suatu variabel
random X (X diskrit), yaitu banyaknya hasil percobaan yang terjadi dalam suatu
interval waktu tertentu atau di suatu daerah tertentu.

Dengan kata lain, distribusi Poisson dipakai untuk menentukan peluang suatu
kejadian yang jarang terjadi/probabilitas kecil, populasinya luas dan kadang kala
berhubungan dengan waktu.
Distribusi Poisson memiliki ciri-ciri sebagai berikut.

1.Banyaknya hasil percobaan yang terjadi dalam suatu interval waktu atau suatu
daerah tertentu tidak bergantung pada banyaknya hasil percobaan yang terjadi pada
interval waktu atau daerah lain yang terpisah.

2.Probabilitas terjadinya hasil percobaan selama suatu interval waktu yang singkat
atau dalam suatu daerah yang kecil, sebanding dengan panjang interval waktu atau
besarnya daerah tersebut dan tidak bergantung pada banyaknya hasil percobaan
yang terjadi di luar interval waktu atau daerah tersebut.

3.Probabilitas lebih dari satu hasil percobaan yang terjadi dalam interval waktu yang
singkat atau dalam daerah yang kecil dapat diabaikan.

Contoh:
Peristiwa datangnya kendaraan yang lewat dalam suatu interval waktu di suatu ruas
jalan. Dari peristiwa tersebut, dapat diamati hal-hal berikut.

1.Tingkat kedatangan rata-rata kendaraan dapat dihitung berdasarkan data masa lalu.

2.Tingkat kedatangan rata-rata kendaraan per satuan waktu adalah konstan.

3.Banyaknya kedatangan kendaraan dalam suatu interval waktu tertentu merupakan
peristiwa independen (bebas).

4.Probabilitas kedatangan kendaraan-kendaraan itu dalam suatu interval waktu adalah

sangat kecil, dan dapat dikatakan mendekati nol.

BAB III
PENUTUP
 3.1 Kesimpulan
Dari hasil pembahasan di atas dapat kami simpulkan bahwa yang
dimaksud dengan Distribusi Probabilitas Diskrit adalah sebuah daftar yang
berisi seluruh hasil dari eksperimen dan probabilitas yang berkaitan dengan
setiap hasi tersebut. Sedangkan Distribusi Normal digunakan untuk
mempelajari Distrbusi probabilitas kontinu, (variabel acak kontinu diperoleh
dengan cara mengukur sesuatu, seperti : tinggi badan, berat badan, dll. ).
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.

3.2 Saran
Demikianlah makalah ini kami buat, kami menyadari bahwa makalah
ini jauh dari kata sempurna. Oleh karena itu kritik dan saran yang membangun
sangat kami harapkan demi kesempurnaan makalah kami selanjutnya. Kami
berharap semoga makalah ini dapat bermanfaat serta menambah pengetahuan
dan wawasan kita semua. Amin.
 DAFTAR PUSTAKA

http://nugroho.stiemj.ac.id/wp-content/uploads/05-Kel-6-Distribusi-
Probabilitas.docx

http://lumbanbatuuuu.blogspot.com/2018/04/makalah-statistik-dan-
probabilitas.html

http://mysmamitaximia2.blogspot.com/2015/12/variabel-acak-dan-
distribusi-peluang.html