Sub Pembahasan:
a. Rata-rata, Varians, dan Standar Deviasi dari Distribusi Probabilitas Diskrit
b. Distribusi Probabilitas Binomial, Distribusi Probabilitas Hipergeometris, dan
Distribusi Probabilitas Poisson
Variabel Acak
Pengertian:
1. Variabel Acak Diskrit: Variabel yang dapat memiliki sejumlah nilai yang dapat dihitung
atau sejumlah nilai yang terbatas jumlahnya (variabel acak diskrit dapat dinyatakan
dengan bilangan positif).
Contoh: a. Banyaknya produk cacat dalam satu kali produksi
b. Jumlah mahasiswa di Fakultas Bisnis yang memiliki IPK ≥ 3,00
1
c. Jumlah kepala atau bagian muka yang muncul dalam pelemparan sebuah koin
2. Variabel Acak Kontinu: Variabel yang dapat berupa satu dari sekian banyak nilai yang
jumlahnya tak hingga dengan batasan-batasan tertentu.
Contoh: a. Suhu di ruangan kelas Statistika pada pukul 13.00
b. Durasi/lama suatu film atau layar lebar
c. Upah buruh di manufaktur “A”
Contoh:
Ada kejadian tiga koin yang dilempar bersamaan. Jika munculnya sisi muka yang diharapkan,
maka tentukan: (a) Probabilitas nilai-nilai variabel acak X, (b) Distribusi probabilitas X, dan
(c) Gambar grafik distribusinya
Penyelesaian:
Misal: M = Koin sisi muka
B = Koin sisi belakang
S = {(BBB), (BBM), (BMB), (MBB), (MMB), (MBM), (BMM), (MMM)},
sehingga banyaknya seluruh kejadian yang mungkin adalah 8 atau dengan kata lain: n(S) = 8
3/8
2/8
1/8
2
x
0 0 1 2 3
A. Rata-rata, Varians, dan Standar Deviasi dari Distribusi Probabilitas Diskrit
i=1
√
i
σ= ∑ [ ( x i−μ ) 2 P( x i) ]
i=1
Contoh:
John Ragsdale menjual mobil baru kepada pembeli (customer). Ia biasanya menjual jumlah
mobil terbanyak pada hari Sabtu dan ia membuat distribusi probabilitas terhadap jumlah
mobil yang ia perkirakan untuk dijual pada suatu Sabtu.
Tabel Distribusi Peluang pada Hasil Penjualan Mobil:
x 0 1 2 3 4
P(X = x) 0,10 0,20 0,30 0,30 0,10
i
μ=∑ [ xi P( x i)] = x 1 P ( x 1 )+ x2 P ( x2 ) + x 3 P ( x 3 ) + x 4 P ( x 4 ) + x 5 P ( x 5 )
i=1
Jadi, rata-rata jumlah mobil yang terjual sejumlah 2,1 unit pada suatu hari yaitu hari Sabtu.
3
4 0,10 4 – 2,1 3,61 0,361
Total ∑ P(x)= 1,290 → σ 2
1
Jadi, varians (σ 2) jumlah mobil yang terjual sebesar 1,29 unit pada suatu Sabtu, sehingga nilai
standar deviasinya adalah 1,136 (σ =√ 1,290 = 1,136).
Jika ada seorang rekan bisnis John Ragsdale yang bernama Rita Kirsch juga menjual mobil-
mobilnya dengan rata-rata 2,1 unit pada suatu Sabtu dan standar deviasi pada penjualannya
adalah 1,91, maka dapat disimpulkan bahwa variabilitas penjualan Rita Kirsch lebih banyak
dibandingkan penjualan John Ragsdale (σ JR < σ RK ¿ .
Contoh:
Terdapat 5 penerbangan harian dari Surabaya menuju Jakarta. Anggaplah probabilitas bahwa
penerbangan manapun yang datang terlambat adalah 0,20. Berapa probabilitas tidak satu
pun dari penerbangan yang terlambat hari ini? Berapa juga probabilitas bahwa satu
penerbangan-penerbangan tersebut terlambat hari ini?
Penyelesaian:
Probabilitas jumlah penerbangan yang datang terlambat:
4
Karena tidak ada penerbangan yang datang terlambat, sehingga x = 0
n x n−x
P(x) = C x . π . ( 1−π )
P ( 0 )=C 50 .(0,20)0 . (1−0,20)5−0=0,3277
Karena hanya terdapat 1 penerbangan yang datang terlambat, sehingga x = 1
n x n−x
P(x) = C x . π . ( 1−π )
P ( 1 )=C 51 .(0,20)1 .(1−0,20)5−1=0,4096
⋮
dan seterusnya.
Hasil perhitungan di atas dapat diringkas dalam bentuk tabel di bawah ini:
x (Jumlah Penerbangan
P(x) x . P(x) (x - μ) (x−μ)2 ( x−μ)2 P(x)
Terlambat)
0 0,3277 0,000 -1 1 0,3277
1 0,4096 0,4096 0 0 0
2 0,2048 0,4096 1 1 0,2048
3 0,0512 0,1536 2 4 0,2048
4 0,0064 0,0256 3 9 0,0576
5 0,0003 0,0015 4 16 0,0048
Total ∑ P(x)= 1 μ = 1,000 2
σ = 0,7997
NB: Nilai probabilitas (P(x)) untuk masing-masing jumlah penerbangan terlambat, dapat
dilihat pada Lampiran B.9 di Halaman L-22
Suatu penelitian yang dilakukan oleh Departemen Transportasi menyimpulkan bahwa 76,2%
penumpang kursi depan mengenakan sabuk pengaman. Hal tersebut berarti bahwa kedua
penumpang kursi depan mengenakan sabuk pengaman. Misalkan kita memutuskan untuk
membandingkan informasi tersebut dengan penggunaan sabuk pengaman pada saat ini. Kita
memilih sampel sejumlah 12 kendaraan. Hitung:
a. Probabilitas 7 dari 12 kendaraan yang terpilih penumpang kursi depannya mengenakan
sabuk pengaman?
b. Probabilitas sedikitnya 7 dari 12 kendaraan yang terpilih penumpang kursi depannya
mengenakan sabuk pengaman?
Penyelesaian:
5
76,2
n = 12 ; π = = 0,762
100
a. Untuk mencari kemungkinan penumpang dari 7 sampel kendaraan yang mengenakan
sabuk pengaman, yaitu:
P(x) = C nx . π x .(1−π )n− x => probabilitas binominal
P(7) = C 12 7
7 .(0,762) .(1−0,762)
12−7
=0,0902
b. Probabilitas sedikitnya 7 dari 12 kendaraan yang terpilih penumpang kursi depannya
mengenakan sabuk pengaman, yaitu:
P( x ≥ 7 ) = P(x = 7) + P(x = 8) + P(x = 9) + P(x = 10) + P(x = 11) + P(x = 12)
= 0,902 + 0,1805 + 0,2569 + 0,2467 + 0,1436 + 0,0383
= 0,9562
Latihan:
Pada suatu kasus pada distribusi binomial di mana n = 4 dan π = 0,30. Tentukan probabilitas
ketika: a. x = 2 c. x > 2
b. x ≤ 2
Jawab :
a. x = 2
P(x) = C nx . π x .(1−π )n− x
P(2) = C 42 .(0,30)2 .(1−0.30)4−2
= 0,2646
b. x≤ 2
P( x ≤ 2) = P(x = 2) + P(x = 1) + P(x = 0)
= 0, 2646 + 0,4116 + 0,2401
= 0,9163
c. x > 2
P( x >2) = P(x = 3) + P(x = 4)
= 0,0756 + 0,0081
= 0,837
6
C : Lambang kombinasi
N : Jumlah populasi
n : Banyaknya jumlah percobaan atau jumlah sampel
S : Jumlah keberhasilan pada populasi
x : Variabel acak yang diartikan jumlah keberhasilan pada sampel
Contoh:
Perusahaan “A” mempekerjakan 50 orang di bagian perakitan. 40 orang diantaranya adalah
anggota serikat kerja. 5 pekerja dipilih secara acak untuk membentuk kepanitiaan untuk
bertemu dengan pengelola perusahaan mengenal waktu dimulainya pembagian kerja. Berapa
probabilitas 4 dari 5 yang terpilih adalah anggota serikat kerja?
Penyelesaian:
N = 50 (jumlah pekerja)
S = 40 (jumlah serikat kerja)
n = 5 (jumlah pekerja yang dipilih)
x = 4 (jumlah serikat kerja yang dipilih)
Probabilitas memilih pekerja perakitan secara acak dari 50 pekerja dan mendapati 4 dari 5
yang terpilih adalah anggota serikat kerja:
(C Sx )( C n−
N−S
x) (C 404 )( C50−40
5 −4 ) ( 91.390 )(10)
P(x) = ; P(4) = = =¿ 0,431
C
N
n C
50
5
(2.118.760)
Latihan:
Perusahaan “X” berencana untuk merekrut 5 analis keuangan baru di tahun ini. Terdapat
sekumpulan 12 pelamar yang disetujui, dan Direksi perusahaan memutuskan untuk memilih
secara acak mengenai siapa yang akan direkrut, terdapat 8 pria dan 4 wanita diantara pelamar
yang disetujui. Berapa probabilitas bahwa 3 dari 5 yang direkrut adalah pria?
Jawab :
N = 12
S=8
n=5
x=3
(C Sx )( C n−
N−S
x) (C 83 )( C 12−8
5−3 ) ( 56 ) (6)
P(x) = ; P(3) = = =¿ 0,42
C
N
n C
12
5
(792)
3. Distribusi Probabilitas Poisson
Ciri-ciri:
a. Variabel acak pada distribusi poisson menggambarkan beberapa kali suatu kejadian terjadi
selama rentang tertentu
b. Probabilitas kejadian (keberhasilan) tersebut sebanding dengan ukuran rentang
c. Tidak ada pengulangan rentang dan rentang-rentangnya saling bebas
d. Pada distribusi poisson, rata-rata dan variansinya sama
7
e. Perhitungan probabilitas terjadinya suatu peristiwa menurut satuan waktu, ruang, luas, dan
panjang tertentu (Contoh aplikasi lihat Halaman 224)
μ x e−μ
Rumus probabilitas poisson: P(x) = ; x = 0,1,2,...
x!
Keterangan:
μ : Nilai rata-rata dari kejadian (berhasil) pada suatu rentang
e : Konstanta yang memiliki nilai sebesar 2,71828
x : Variabel acak yang diartikan jumlah kejadian (berhasil) pada sampel
Contoh 1:
Asumsikan jumlah tas yang dihilangkan oleh Delta Airlines, terdapat suatu sampel acak dari
1000 penerbangan menunjukkan total sebanyak 300 tas yang hilang. Jika jumlah tas yang
hilang tiap penerbangan mengikuti distribusi poisson dengan rata-rata hitung yaitu 0,3, maka:
Hitung probabilitas bahwa tidak ada tas yang hilang pada suatu penerbangan! Hitung juga
probabilitas satu tas yang hilang pada suatu penerbangan!
Penyelesaian:
μ = 0,3
e = 2,71828
Probabilitas bahwa tidak ada tas yang hilang pada suatu penerbangan:
0 −0,3
μ x e−μ (0,3) (2,71828)
P(x) = ; P(0) = = 0,7408
x! 0!
Jadi, ada 74 persen penerbangan yang tidak akan kehilangan tas.
Contoh 2:
Suatu perusahaan asuransi “A” menanggung asuransi tanah di sepanjang pantai Jimbaran,
Bali, Indonesia. Perusahaan memperkirakan bahwa probabilitas dari badai jenis III pada
tahun berapa pun sebesar 0,05. Jika baru-baru ini pemilik properti mengambil hipotek 30
tahun pada pembelian tanah di pulau “P”, maka berapa kemungkinan bahwa pemiliknya akan
mengalami sedikitnya satu badai selama periode hipotek?
Penyelesaian:
n = 30 ; π = 0,05 ; e = 2,71828
8
sehingga dengan menggunakan distribusi probabilitas poisson, dapat dihitung rata-ratanya
sebagai berikut: μ = n π = 30 (0,05) = 1,5
Untuk mendapatkan probabilitas sedikitnya satu badai yang menghantam pulau “P”, perlu
dihitung dahulu nilai probabilitas dari tidak adanya badai yang mengahantam pulau “P”,
0 −1,5
(1,5) (2,71828)
yaitu: P(0) = = 0,2231
0!
sehingga probabilitas sedikitnya satu badai yang menghantam pulau “P” dapat dihitung
melalui perhitungan berikut:
P(x ≥ 1) = 1 – P(0)
= 1 - 0,2231
= 0,7769
Latihan:
Di suatu jalan raya yang rawan terjadinya kecelakaan tercatat bahwa rata-rata jumlah
kecelakaan sebesar 6 dalam sebulan, maka hitunglah probabilitas:
a. Pada suatu bulan tertentu di jalan raya itu terjadi 7 kecelakaan
b. Pada suatu bulan tertentu di jalan raya itu terjadi minimal 4 kecelakaan
Jawab :
μ=6
e = 2,71828
7 −6
a. P(x) =
μ x e−μ
; P(7) = (6) (2,71828) = 279.936 .0,0024787622
5040
= 0,1376
x! 7!
Jadi ada 13 persen di jalan raya itu terjadi 7 kecelakaan
(6)0 (2,71828)−6
b. P(0) = = 0,0024787622
0!
1 −6
(6) (2,71828)
P(1) = = 0,0148725732
1!
(6)2 (2,71828)−6
P(2) = = 0,0446177196
2!
3 −6
(6) (2,71828)
P(3) = = 0,0892353392
3!
9
10