(NUT144)
MODUL 4
DISTRIBUSI PROBABILITAS
DISUSUN OLEH
LARAS SITOAYU, S.GZ., KM., RD
VITRIA MELANI, S. SI., M. SI
B. DISTRIBUSI PROBABILITAS
Distribusi Probabilitas adalah suatu distribusi yang mengambarkan peluang dari
sekumnpulan variat sebagai pengganti frekuensinya. Fungsi distribusi peluang pada
umumnya dibedakan atas distribusi peluang diskrit dan distribusi peluang kontinu.
Kunci aplikasi probabilitas dalam statistik adalah memperkirakan terjadinya
peluang/probabilitas yang dihubungkan dengan terjadinya peristiwa tersebut dalam
beberapa keadaan. Jika kita mengetahui keseluruhan probabilitas dari kemungkinan
outcome yang terjadi, seluruh probabilitas kejadian tersebut akan membentuk suatu
distribusi probabilitas.
1. Distribusi Binomial
Untuk distribusi binomial indentik dengan hasil yang dikotomi, artinya hanya
terdapat dua kategori. Misalkan iya atau tidak, merokok atau tidak merokok, positif
atau negatif, dsb. Ciri lainnya adalah kedua outcome adalah independen artinya tidak
saling mempengaruhi. Lebih jelasnya sebagai berikut :
Ciri-ciri distribusi binomial adalah sbb :
• Setiap percobaan hanya memiliki dua peristiwa, seperti ya-tidak, sukses-gagal.
• Probabilitas suatu peristiwa adalah tetap, tidak berubah untuk setiap percobaan.
• Percobaannya bersifat independen, artinya peristiwa dari suatu percobaan tidak
mempengaruhi atau dipengaruhi peristiwa dalam percobaan lainnya.
• Jumlah atau banyaknya percobaan yang merupakan komponen percobaan
binomial harus tertentu.
Untuk mengerjakan soal tersebut, langkah yang perlu dilakukan adalah sebagai
berikut :
Diketahui :
p = 0.3
q = 1 – 0.3 = 0.7
n=5
Ditanya : P (x = 2) ?
Jawab :
Caranya adalah, dengan lebih dahulu memperhatikan sebelah kiri tabel, yaitu
mencari jumlah n yang sesuai pada soal. Pada soal n yang dimaksud adalah 5, maka
yang perlu diperhatikan pada tabel tersebut adalah n = 5. Kemudian, disamping angka
5, perhatikan angka yang memanjang ke bawah. Angka itu adalah x. Karena pada soal
x = 2 maka fokus kita adalah pada n=5 dan x=2. Langkah selanjutnya adalah
memperhatikan p pada bagian atas sesuai soal. P pada soal adalah 0.3, sehingga
fokus kita lebih sempit lagi dengan menarik garis antara n = 5, x = 2 dan p = 0.3. Kalau
berdasarkan tabel diperoleh angka 0.837. Namun bukan itu hasilnya, karena tabel ini
merupakan tabel kumulatif sehingga untuk mendapatkan nilai P (x=2) yang
sesungguhnya adalah 0.837 – 0.528 = 0,309. Sehingga dapat disimpulkan P (x = 2) =
0.309.
2. Distribusi Poisson
Rumus binomial yang sudah kita kenal hanya dapat dipakai bila probabilitas
kejadian itu tidak terlalu kecil (misalnya 0,20; 0,25; 0,40) dan tidak terlalu besar
(misalnya 3, 4, 5, 10). Apabila probabilitasnya sangat kecil (misalnya 0,005; 0,0001)
dan n-nya banyak sekali (misalnya 1000; 10000), sebaiknya kita gunakan rumus
Universitas Esa Unggul
http://esaunggul.ac.id 5 / 16
poisson. Ini dilakukan karena sangat sulit menghitungnya jika menggunakan rumus
binomial, misalnya perkalian dan perpangkatannya rumit.
Menghitung probabilitas terjadinya peristiwa menurut satuan waktu, ruang atau
isi, luas, panjang tertentu, seperti:
• Menghitung probabilitas dari kemungkinan kesalahan pemasukan data atau
kemungkinan cek ditolak oleh bank
• .Jumlah pelanggan yang harus antri pada pelayanan rumah sakit, restaurant cepat
saji atau antrian yang panjang bila ke ancol.
• Banyaknya bintang dalam suatu area acak di ruangangkasa atau banyaknya
bakteri dalam 1 tetes atau 1 liter air.
• Jumlah salah cetak dalam suatu halaman ketik. Banyaknya penggunaan telepon
per menit atau banyaknya mobil yang lewat selama 5 menit di suatu ruas jalan.
• Distribusi bakteri di permukaan beberapa rumput liar diladang. Semua contoh ini
merupakan beberapa hal yang menggambarkan tentang suatu distribusi poisson.
Berikut adalah tabel probabilitas distribusi poisson, untuk menggunakan tabel ini
langkah pertama yang harus dilakukan adalah dengan memperhatikan simbol lamda
pada tabel (). Pada soal lamdanya adalah 5, maka perhatikan pada tabel kolom
dengan lamda 5. Kemudian selanjutnya, perhatikan angka yang 0-22 yang berada di
samping kiri, angka tersebut merupakan x yang ditanyakan, pada soal yang di
tanyakan adalah x = 4 sehingga kita sudah bisa menghubungkan garis antara lamda
5 dengan x = 4, dan diperoleh angka 0.440, namun itu bukan hasil p yang
sesungguhnya, karena tabel poisson adalah tabel kumulatif maka untuk mendapatkan
nilai P (x = 4) adalah 0.440 – 0.265, sehingga diperoleh hasil 0.175.
3. Distribusi Normal
Curve atau kurva sering disebut dengan lengkung. Kurva menunjukkan
distribusi dari data. Biasanya, sekelompok data yang nilainya sedikit berada di pinggir.
Semakin besar nilainya semakin banyak di tengah-tengah. Kurva normal biasanya
digunakan untuk menggambar data yang bersifat continuous atau sinambung,
misalnya berat beras dapat dihitung dalam pecahan kilogram. Akan tetapi, memang
kadang-kadang dapat digunakan pada discrete, tetapi perlu penyesuaian.
Setelah hasil perhitungan menunjukkan angka 0.33, maka angka tersebut harus
dikonversi ke dalam nilai p pada tabel distribusi normal. Caranya adalah dengan
memperhatikan angka pada sebelah kiri tabel, karena angka yang dituju adalah 0.33,
maka kita mecari pada sebelah kiri tabel 0.3 kemudian disambung pada atas tabel
0.03 sehingga bertemu pada suatu titik dengan nilai p = 0.1293. Begitu seterusnya.
Pada tabel 0,7 dilihat pada kolom, 0,06 pada baris lihat pada tabel Z
(Distribusi Normal Standar) didapat nilai 0,2764, ini adalah luas area antara
215 s/d 250.
Yang dinyatakan adalah P (x > 250 mg%), jadi untuk mendapatkan area > 250
mg% adalah 0,5 – 0,2764 = 0,2236.
200−215
Z= = 0,33 Tabel 0,1297
45
• Pada soal b. sudah didapat area antara 215 mg s/d 200 mg …… = 0,1297
275−215
• Z2 = 1,33 Tabel 0,4082
45
0,5379
P (200 mg% < x 275 mg%) = 0,5379
D. Daftar Pustaka
a. Sabri, L., & Hastono, S. P. (2014). Statistik Kesehatan Edisi 1 Cetakan ke-
7. Jakarta: Rajawali Pers.