Pertemuan ke-5

Prodi: D III Manajemen Logistik

Dosen: Dynes Rizky Navianti, S.Si., M.Si

DISTRIBUSI PROBABILITAS DISKRIT

Sub Pembahasan:
a. Rata-rata, Varians, dan Standar Deviasi dari Distribusi Probabilitas Diskrit
b. Distribusi Probabilitas Binomial, Distribusi Probabilitas Hipergeometris, dan
Distribusi Probabilitas Poisson

Distribusi Probabilitas (Sebaran Peluang)

Pengertian: Daftar yang menunjukkan seluruh hasil-hasil mungkin yang terjadi dari suatu
percobaan dan probabilitas/peluang dari setiap hasil yang bersangkutan

Ciri-ciri distribusi probabilitas:

1. Probabilitas dari sebuah hasil adalah antara 0 sampai 1 (0 ≤ P(x)≤1)
2. Hasilnya bersifat kejadian yang saling lepas
3. Penjumlahan probabilitas dari berbagai kejadian sama dengan 1 (∑ P ( x )=1)

Variabel Acak ( Peubah Acak)

Pengertian: Suatu variabel yang nilainya merupakan bilangan yang ditentukan oleh hasil
suatu percobaan

Ciri-ciri variabel acak:

1. Variabel acak bisa dilambangkan dengan huruf besar semisal X atau Y
2. Nilai variabelnya dilambangkan dengan huruf kecil semisal x atau y

Variabel Acak

Variabel Acak Diskrit Variabel Acak Kontinu

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”

Distribusi Probabilitas Diskrit

Pengertian: Sebuah tabel atau grafik yang memuat semua kemungkinan nilai suatu variabel
acak diskrit beserta peluangnya

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

(a) Probabilitas/peluang dari nilai-nilai variabel acak X

X adalah variabel acak, yaitu jumlah sisi muka yang muncul pada 3 koin yang
dilemparkan bersamaan
x adalah nilai variabel acak pada pelemparan 3 koin secara bersamaan jika yang muncul
adalah sisi muka, sehingga:
P(X=0) = P(BBB) = 1/8
P(X=1) = P(BBM) + P(BMB) + P(MBB) = 3/8
P(X=2) = P(MMB) + P(MBM) + P(BMM) = 3/8
P(X=3) = P(MMM) = 1/8

(b) Distribusi probabilitas/peluang X

Tabel Distribusi Peluang pada Hasil Pelemparan Tiga Koin Secara Bersamaan
x 0 1 2 3
P(X = x) 1/8 3/8 3/8 1/8

(c) Grafik distribusi probabilitas/peluang X

P(x)

3/8

2/8

1/8

2
x
0 0 1 2 3
A. Rata-rata, Varians, dan Standar Deviasi dari Distribusi Probabilitas Diskrit

Rumus rata-rata distribusi probabilitas diskrit:

i
μ=∑ [ xi P( x i)]
i=1

Rumus varians distribusi probabilitas diskrit:

i
σ =∑ [ ( x i−μ )2 P(x i ) ]
2

i=1

Rumus standar deviasi distribusi probabilitas diskrit:

√
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

= 0 (0,10) + 1 (0,20) + 2 (0,30) + 3 (0,30) + 4 (0,10)

= 2,1
Tabel Distribusi Probabilitas Rata-Rata Penjualan Mobil:
x (Jumlah Mobil Terjual) P(x) x . P(x)
0 0,10 0
1 0,20 0,20
2 0,30 0,60
3 0,30 0,90
4 0,10 0,40
Total 1,00 2,10 → μ

Jadi, rata-rata jumlah mobil yang terjual sejumlah 2,1 unit pada suatu hari yaitu hari Sabtu.

Tabel Distribusi Probabilitas Varians Mobil:

x (Jumlah Mobil Terjual) P(x) (x - μ) ( x−μ)2 (x−μ)2 P(x)
0 0,10 0 – 2,1 4,41 0,441
1 0,20 1 – 2,1 1,21 0,242
2 0,30 2 – 2,1 0,01 0,003
3 0,30 3 – 2,1 0,81 0,243

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 ¿ .

B. Distribusi Probabilitas Binomial, Distribusi Probabilitas Hipergeometris, dan

Distribusi Probabilitas Poisson

1. Distribusi Probabilitas Binomial

Ciri-ciri:
a. Hanya terdapat 2 kemungkinan hasil percobaan dari suatu eksperimen yang saling lepas
(Misal: Keberhasilan atau kegagalan)
b. Variabel acak menghitung jumlah keberhasilan pada sejumlah percobaan
c. Probabilitas dari suatu keberhasilan adalah tetap sama dari satu percobaan ke percobaan
lainnya
d. Masing-masing percobaan adalah saling bebas dari percobaan lainnya (hasil dari suatu
percobaan tidak mempengaruhi hasil dari percobaan lainnya)

Rumus probabilitas binomial: P(x) = C nx . π x .(1−π )n− x , x = 0,1,2,...

Keterangan:
C : Lambang kombinasi
n : Banyaknya jumlah percobaan
x : Variabel acak yang diartikan jumlah keberhasilan
π : Probabilitas dari suatu keberhasilan pada tiap percobaan

Rumus rata-rata distribusi binomial: μ=nπ

Rumus varians distribusi binomial: σ 2=nπ (1−π )

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.

Rata-rata jumlah penerbangan yang terlambat:

μ=nπ=5 ( 0,20 ) =1
Variansi jumlah penerbangan yang terlambat:
2
σ =nπ ( 1−π )=5 ( 0,20 )( 1−0,20 )=0,80

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

DISTRIBUSI PROBABILITAS BINOMIAL KUMULATIF

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

2. Distribusi Probabilitas Hipergeometris

Ciri-ciri:
a. Terdapat 2 kemungkinan hasil percobaan dari suatu eksperimen yang saling lepas (Misal:
keberhasilan atau kegagalan)
b. Variabel acaknya adalah jumlah keberhasilan pada sejumlah percobaan
c. Percobaan-percobaannya tidak saling bebas
d. Distribusinya berasal dari perhitungan jumlah keberhasilan di dalam sejumlah percobaan
e. Digunakan ketika pengambilan sampel tanpa pengambilan dari populasi yang terbatas

Rumus probabilitas hipergeometris:

(C Sx )(C n−
N−S
x)
P(x) = N
Cn
Keterangan:

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

Rumus rata-rata distribusi poisson : μ=nπ

Rumus varians distribusi poisson : σ 2=nπ

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.

Probabilitas satu tas yang hilang pada suatu penerbangan:

μ x e−μ (0,3)1 e−0,3
P(x) = ; P(1) = = 0,2222
x! 1!
Jadi, ada 22 persen penerbangan yang kehilangan satu 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!

sehingga probabilitas terjadi minimal 4 kecelakaan dapat dihitung melalui perhitungan

berikut:
P(x ≥ 4) = 1 – P(total)
= 1 - 0,1512043942
= 0,8487956058

9
10