Tugas Makalah Mata Kuliah Statistika

Tentang

Distribusi Probabilitas Diskrit

Disusun Oleh :
Kelompok 5
Safrizal
Khoirul Akmal

Semester : VI

Dosen Pengampu : Sri Rezeki, M.Pd

STAI HUBBUL WATHAN DURI

JURUSAN PERBANKAN SYARIAH
TAHUN 2022

0
 BAB I
PENDAHULUAN
1.1   Latar Belakang
Suatu variabel yang nilainya merupakan suatu bilangan yang ditentukan oleh terjadinya hasil
suatu percobaan disebut sebagai variabel random. Dalam sampel random semua unit
daripopulasi mempunyai kesempatan yang sama untuk dijadikan sampel.Variabel random
terdiri dari distribusi diskrit dan distribusi kontinyu. Nilai-nilai distribusidiskrit terdiri atas
hasil-hasil perhitungan sederhana dari sejumlah unit.Penyajian distribusi probabilitas dapat
berbentuk tabel atau kurva probabilitas. Untuk suatuvariabel random diskrit, semua nilai yang
dapat terjadi dari variabel random dapat di daftardalam suatu tabel dengan menyertakan
probabilitas-probabilitasnya. Sedangkan untuk suatuvariabel random kontinyu, karena semua
nilai pecahan yang dapat terjadu tidak dapat di daftar,probabilitas-probabilitas ditentukan
dengan fungsi matematis yang dinyatakan dengan suatufungsi kontinyu, atau kurva
probabilitas.Oleh karena itu, dalam praktikum kali ini percobaan yang dilakukan dapat
dikajimenggunakan distribusi probabilitas. Distribusi probabilitas yang digunakan kali ini
adalahdistribusi probabilitas diskrit dan distribusi probabilitas kontinyu.

1.2   Rumusan Masalah
Berdasarkan latar belakang masalah di atas, penyusun merumuskan rumusan masalah sebagai
berikut.
1. Pengertian Distribusi Probilitas Diskrit
2. Jenis-jenis Distribusi Probilitas Diskrit
3. Pengertian dari setiap jenis Distribusi Probilitas Diskrit
4. Contoh dari setiap jenis Distribusi Probilitas Diskrit

1.3  Maksud dan Tujuan

Adapun maksud dan tujuan pembuatan makalah ini adalah sebagai berikut :
1. Untuk melengkapi tugas mata kuliah Statistik
2. Menjelaskan tentang apa itu Distribusi Probilitas Diskrit , jenis, fungsi, dan fungsinya

1.4  Manfaat
1. Mampu memahami dan menguasai konsep distribusi probabilitas.
2. Dapat mengetahui macam-macam distribusi probabilitas.
3. Mampu membedakan konsep dari masing-masing distribusi probabilitas.

1
 BAB II
PEMBAHASAN

2.1       Pengertian Distribusi Probilitas 

Distribusi Probilitas merupakan cara yang lebih sederhana untuk menyelesaikan probilitas
dari peristiwa yang bersifat independen dan dependen. Peristiwa indenpenden merupakan
peristiwa yang terjadi yang tidak mempengaruhi peristiwa yang berikutnya. Peristiwa
dependen adalah peristiwa yang mempengaruhi peristiwa lain. Pada berbagai peristiwa dalam
probilitas, jika frekuensi percobaan banyak, maka untuk peristiwa yang bersifat independen
dan dependen akan mengalami kesulitan dalam percobaan.
Distribusi probabilitas merupakan nilai-nilai probabilitas yang dinyatakan untuk
mewakilisemua nilai yang dapat terjadi dari suatu variabel random X, baik dengan suatu
daftar (tabel)maupun dengan fungsi matematis.

2.2       Pengertian Distribusi Probilitas Diskrit

Distribusi peluang diskrit adalah suatu tabel atau rumus yang mencantumkan
semuakemungkinan nilai suatu pengubah acak diskrit (ruang contoh diskrit mangandung
jumlah titik yang terhingga) dan juga peluangnya. Adapun macam-macam distribusi diskrit
adalah sebagaiberikut 

2.3       Jenis-jenis Distribusi Probilitas Diskrit

 Distribusi Probilitas Diskrit dibagi menjadi 5 jenis Probilitas yaitu:
1) Distribusi Uniform
2) Distribusi Binomial
3) Distribusi Multinomial
4) Distribusi giometrik
5) Distribusi Hipergiometrik
6) Distribusi Poisson

2.4       Distribusi Uniform

Distribusi probabilitas yg paling sederhana adalah jikalau tiap nilai variabel random memiliki 
probabilitas yang sama untuk terpilih. Distribusi probabilitas seperti ini diberi nama Distribusi 
Probabilitas Uniform Diskrit Jika variabel random X bisa memiliki nilai x1,x2, ...…, xk dan 
masing-masing bisa muncul dengan probabilitas yg sama maka distribusi probabilitasnya 

2
diberikan oleh :
f(x;k)=1/k untuk x= x1,x2, …, xk Notasi f(x;k) menyatakan nilai fungsi f tergantung pada k!
contoh distribusi uniform
1. Sebuah perusahaan bakery membuat suatu kelompok jenis donat yang dijual ke toko-toko
dengan distribusi diskrit uniform dengan kebutuhan harian maksimum 100 unit dan minimum
40 unit.
Tentukan bilangan acak dari distribusi diskrit uniform dgn a = 77 z0 = 12357 dan m = 128

 
 
2.5       Distribusi Binomial 
Distribusi binomial adalah suatu distribusi probabilitas yang dapat digunakan bilamana suatu
proses sampling dapat diasumsikan sesuai dengan proses Bernoulli.
Proses Bernoulli adalah, sebuah proses eksperimen statistik yang memiliki ciri-ciri:
 Probabilitas “sukses” di tiap percobaan, p, besarnya tetap dari satu percobaan ke berikutnya.

 Satu percobaan dan yg berikutnya bersifat independen

 Percobaan terdiri atas n-usaha yang berulang-ulang.

 Tiap-tiap usaha memberikan hasil yg dapat dikelompokan menjadi 2 kategori, sukses/gagal.
 Peluang kesuksesan dinyatakan dengan p, tidak berubah dari satu usaha ke usaha
berikutnya.
 Tiap usaha bebas dengan usaha lainnya.
Distribusi Binomial: General Case
Kasus distribusi binomial umum:
 dilakukan eksperimen sebanyak n kali pengambilan
 dari n tsb, sebanyak x dikategorikan “sukses”, jadi sebanyak n-x adalah “gagal”
 probabilitas “sukses” di tiap percobaan = p, berarti probabilitas “gagal “, q=1-p.

3
Maka probabilitas terjadinya outcome dengan konfigurasi x “sukses” dan (nx)
“gagal” tertentu, adalah:P(SSS … GGG) = ppp….qqq = pxqn-x  Sebab  S  ada  x  buah  dan 
G  sebanyak (n-x) buah. 
Tentu ada banyak konfigurasi  lain yg juga  memiliki x buah S dan (n-x) buah G
Sehingga probabilitas mendapatkan hasil eksperimen yang memiliki
x buah S dan (n-x) buah G adalah: Cnx pxqn-x   = b(x;n,p)
contoh distribusi binomial
1. Dari suatu distribusi binomial, diketahui p =0,5 dan n =2.Tentukan bilangan acak dari
distribusi binomial dengan a = 77 z0 = 12357 dan m = 127.

2.6       Distribusi Multinomial
Distribusi probabilitas multinomial digunakan untuk penentuan probabilitas hasil
yangdikategorikan ke dalam lebih dari dua kelompok.
Sebagai generalisasi dari distribusi binomial adalah denganmelonggarkan kriteria banyaknya 
outcome yang mungkin jadi > 2. Dalam hal ini maka percobaannya disebut percobaan multino
-mial sedangkan distribusi probabilitasnya disebut distribusi multinomial.

Definisi:

4
Misal setiap percobaan bisa menghasilkan k outcome yg berbeda, E1, E2, …,Ek masing-
masing dengan probabiliitas p1, p2, …,pk.
Maka distribusi multinomial f(x1,x2,…,xk; p1,p2, ..,pk, n) akan memberikan probabilitas 
bahwa E1 akan muncul sebanyak x1 kali,E2 akan muncul sebanyak x2 kali,  dst dalam penga-
man independen sebanyak n kali, jadi x1+ x2+ ….+ xk=n dengan p1+p2+  …+ pk =1
contoh distribusi multinomial
1. Seorang manager kedai kopi menemukan bahwa probalitas pengunjung membeli 0,1,2
atau 3 cangkir kopi masing masing adalah 0,3 , 0,5 , 0,15 , dan 0,05. Jika ada 8
pengunjung yang masuk kedai,  maka tentukan probalitas bahwa 2 pengunjung akan
memesan minuman lain, 4 pengunjung akan memesan 1 cangkir kopi, 1 pengunjung akan
memesan 2 cangkir, dan 1 pengunjung akan memesan 3 cangkir kopi.
Misalkan X adalah banyaknya pengunjung yang memesan cangkir kopi dengan x1 = 2, x2
= 4, x3 = 1, dan x4 = 1; dengan p1 = 0,3 , p2 = 0,5 , p3 = 0,15 , p4 = 0,05 , dan n = 8 ,
maka probalitas bahwa 2 pengunjung akan memesan minuman lain, 4 pengunjung akan
memesan 1 cangkir kopi, 1 pengunjung akan memesan 2 cangkir, dan 1 pengunjung akan
memesan 3 cangkir kopi adalah 

2.7       Distribusi Giometrik
Berkaitan dengan percobaan Bernoulli, dimana terdapat n percobaan independen yang
memberikan hasil dalam dua kelompok (sukses dan gagal), variabel random geometric
mengukur jumlah percobaan sampai diperoleh sukses yang pertama kali. Fungsi
distribusiprobabilitas geometric
contoh distribusi geometrik
1. Pada seleksi karyawan baru sebuah perusahaan terdapat 30 % pelamar yang sudah
mempunyai keahlian komputer tingkat advance dalam pembuatan program. Para pelamar
diinterview secara insentif dan diseleksi secara acak.
A. Tentukan bilangan acak dengan a = 43, m = 1237 dan z0 = 12357.
B. Tentukan bilangan acak dengan a = 43, m = 1237 dan z0 = 12357.

5
2.8       Distribusi Hipergiometrik
Distribusi hipergeometrik adalah distribusi probabilitas diskrit dari sekelompok obyek yang
dipilih tanpa pengembalian. Distribusi  Hipergeometrik  sangat  serupa  dengan  distribusi 
binomial, Persamaannya: Keduanya  menyatakan  probabilitas  sejumlah tertentu  percobaan 
masuk dalam Kategori tertentu.
Perbedaannya:  
o Binomial mengharuskan ketidakbergantungan dari satu percobaan (trial) ke percobaan
berikutnya.
o Jadi sampling harus dilakukan dengan dikembalikan (replaced)
o Hipergeometrik tidak mengharuskan ketidakbergantungan, jadi sampling dilakukan tanpa 
mengembalikan outcome yg sudah keluar.
Distribusi Hipergeometrik dari variabel random X yang menyatakan banyaknya outcome
yang “sukses” dari sampel random sebanyak n yang diambil dari populasi sebanyak N, 
dimana dari N tersebut sebanyak k buah adalah “sukses” dan sisanya “N k” adalah “gagal”
Suku pembagi (denominator) menyatakan banyak kombinasi yang terjadi jika dari N obyek 
diambil n tiap kali.
Faktor pertama suku terbagi (numerator) menyatakan banyaknya kombinasi dari obyek 
berjenis “sukses” yang berjumlah k jika tiap kali diambil sebanyak x buah.
Faktor kedua suku terbagi (numerator) menyatakan banyaknya kombinasi dari obyek 
berjenis “gagal” sebanyak N-k jika tiap kali diambil sebanyak (n-x) buah.
contoh distribusi hipergiometrik
1. Suatu panitia pemilihan dibentuk berdasarkan 6 orang yang diambil secara acak dari 15
orang yang mendaftar. Enam puluh persen diantaranya adalah wanita, maka dihitung
probalitas tepat 2 wanita dalam panitia tersebut.

6
 Misalkan X adalah banyaknya wanita yang terpilih dalam kepanitiaan, maka x= 2, n = 6, N
= 15, dan m = 60% dari N =(0,60)(15) = 19, sehingga probalitas tepat 2 wanita dalam
panitia tersebut adalah

2.9       Distribusi Poisson
Distribusi probabilitas Poisson bermanfaat dalam penentuan probabilitas dari
sejumlahkemunculan pada rentang waktu atau luas/volume tertentu.
Distribusi probabilitas dari variabel random Poisson X yang menyatakan banyaknya outcome 
dalam interval waktu tertentu t (atau daerah tertentu) dengan λ menyatakan laju terjadinya 
outcome persatuan waktu atau per satuan daerah diberikan oleh (tidak diturunkan!):
Sifat Distribusi Poisson

1. Tidak punya memori atau ingatan, yaitu banyaknya outcome dalamsatu interval waktu 
(atau daerah) tidak bergantung pada banyaknya outcome pada waktu atau daerah yg lain.
2. Probabilitas  terjadinya  1  outcome  dalam interval waktu (atau daerah)  yang sangat
pendek (kecil)  sebanding  dengan lama waktu interval waktu  tersebut  (atau luas 
daerahnya). Dan tidak bergantung pada kejadian atau outcome di luar interval ini.
3. Probabilitas terjadinya lebih dari 1 outcome dalam interval waktu yang sangat  pendek 
di (2) tersebut sangat kecil atau bisa diabaikan.
contoh distribusi poisson
1. Mean banyaknya panggilan ke call center dalam 2 hari adalah 6 panggila. Di hitung
probalitas  bahwa:
1) minimal ada 2 panggilan dalam 2 hari
2) ada tujuh panggilan dalam 4 hari
3) maksimum ada satu panggilan dalam 1 hari
Misalkan X adalah banyaknya panggilan ke call center dan u adalah mean banyaknya
panggilan ke call center dalam 2 hari (t = 2), maka u sama dengan 6, sehingga:

7
1) Jika mean banyaknya panggilan ke call center diberikan dalam 2 hari, maka probalitas
minimal ada 2 panggilan dalam 2 hari akan bernilai

2) Jika mean banyaknya panggilan 2 hari, maka probalitas ada 7 panggilan dalam 4 hari
akan bernilai

3) Jika mean banyaknya panggilan ke call center diberikan 2 hari, maka probalitas
maksimum ada  1 panggilan dalam 1 hari akan bernilai

8
 BAB III
PENUTUP

 3.1      Kesimpulan
Dari semua yang kita bahas di atas kesimpulannya yaitu Distribusi Probilitas merupakan cara
yang lebih sederhana untuk menyelesaikan probilitas dari peristiwa yang bersifat independen
dan dependen. Peristiwa indenpenden merupakan peristiwa yang terjadi yang tidak
mempengaruhi peristiwa yang berikutnya. Peristiwa dependen adalah peristiwa yang
mempengaruhi peristiwa lain.
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
Dari penjelasan yang telah saya jelaskan di atas,
1. Diharapkan lebih akurat dalam mencari data agar tidak terjadi kesalahan data.
2. Diharapkan praktikan lebih teliti dalam perhitungan empiris dan teoritis agar tidak terjadi
perbedaan data yang signifikan.
Maka diharapkan makalah ini dapat menjadikan pembaca menjadi memahami tentang apa itu
Distribusi Distrit). Selain itu penulis juga menyarankan untuk menerapkan apa yang baik dari
makalah ini dan juga mengingatkan penulis apa yang dianggap pembaca kurang baik dari
makalah ini. Makalah ini masih banyak memiliki kekurangan, untuk itu penulis menyarankan
agar makalah ini bisa disempurnakan baik dari cara penulisan maupun pada struktur
pembahasan. 

9
 DAFTAR PUSTAKA

Sandaru, Sandrea Willis dan Arning Susilawati.2012. Laporan Praktikum:  Distribusi

Peluang Distrit dan Distribusi Peluang Kontinu. Surabaya : ITS.

Walpole, Ronald. 1995. Pengantar Statistika.Jakarta: Graha Ilmu.

Akfa. 2016. http://syahrizaakfa.blogspot.com/2016/01/distribusi-probabilitas-
diskrit_29.html diakses tanggal 18 Maret 2022.

Destiani. 2016. http://dasetiani.blogspot.com/2016/01/makalah-distribusi-probabilitas-
diskrit.html diakses tanggal 18 Maret 2022.

wicz, E.J. and Mishra, M. (1995). Statistika Matematika Modern. (Terjemahan oleh R.K.

Sembiring). Bandung: ITB.

Ross, S. (1996). Suatu Pengantar ke Teori Peluang. (Terjemahan oleh Bambang

Sumantri). Bogor: Jurusan Statistika FMIPA-IPB.

Sudjana. (1996). Metoda Statistika. Bandung: Tarsito.

10