STATISTIK 2

(NUT144)

MODUL 4
DISTRIBUSI PROBABILITAS

DISUSUN OLEH
LARAS SITOAYU, S.GZ., KM., RD
VITRIA MELANI, S. SI., M. SI

UNIVERSITAS ESA UNGGUL

2021

Universitas Esa Unggul

http://esaunggul.ac.id 0 / 16
 VISI UNIVERSITAS ESA UNGGUL

Menjadi perguruan tinggi kelas dunia berbasis intelektualitas, kreatifitas dan

kewirausahaan, yang unggul dalam mutu pengelolaan dan hasil pelaksanaan
Tridarma Perguruan Tinggi.

MISI UNIVERSITAS ESA UNGGUL

1. Menyelenggarakan pendidikan tinggi yang bermutu dan relevan
2. Menciptakan suasana akademik yang kondusif
3. Memberikan pelayanan prima kepada seluruh pemangku kepentingan

VISI PRODI ILMU GIZI

Menjadi Program Studi Ilmu Gizi yang unggul dalam bidang gizi olahraga yang
berwawasan global berbasis riset dan berjiwa enterpreneurship, inovatif dan tangguh.
Visi tersebut disingkat menjadi Program Studi Ilmu Gizi yang Unggul GO GREAT yang
mengandung kata kunci yaitu Unggul, Gizi Olahraga, Global, Riset, Enterpreneurship,
inovAtif dan Tangguh.

MISI PRODI ILMU GIZI

1. Menyelenggarakan program pendidikan yang bermutu dalam rangka
mengembangkan dan meningkatkan mutu sumber daya manusia dalam bidang
gizi.
2. Melaksanakan penelitian yang dapat mengembangkan ilmu pengetahuan dan
teknologi di bidang gizi.
3. Melaksanakan pengabdian masyarakat yang selaras dengan pendidikan dan
hasil penelitian serta kebutuhan masyarakat guna meningkatkan status gizi dan
kesehatan masyarakat.
4. Melakukan dan mengembangkan jejaring kerjasama dengan stakeholder terkait
untuk mendukung tri darma perguruan tinggi yang bermanfaat bagi seluruh
pemangku kepentingan.

Universitas Esa Unggul

http://esaunggul.ac.id 1 / 16
 DISTRIBUSI PROBABILITAS

A. Kemampuan Akhir Yang Diharapkan

Setelah mempelajari modul ini, diharapkan mahasiswa mampu :

1. Menjelaskan pengertian dan penerapan distribusi probabilitas
2. Menjelaskan macam-macam distribusi probabilitas
3. Menjelaskan rumus dan penerapan macam-macam distribusi probabilitas

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.

Distribusi probabilitas terdiri dari 2 macam, yaitu distribusi probabilitas untuk

data diskrit dan data kontinu. Dimana untuk distribusi probabilitas data diskrit terdiri
dari distribusi binomial dan poisson, sedangkan untuk distribusi probabilitas data
kontinu terdiri dari distribusi normal, t, F dan kai kuadrat.
Variabel yang berasal dari data diskrit merupakan variabel yang nilainya dapat
diperoleh dengan cara membilang ataupun menghitung. Variabel dari sampel yang
diambil dari populasi ini bertujuan untuk mempermudah pemahaman teori sampel dan
pembahasan hipotesis pada pengujian selanjutnya. Pada variabel diskrit setiap harga
Universitas Esa Unggul
http://esaunggul.ac.id 2 / 16
variabel terdapat nilai peluangnya, serta peluang diskrit terbentuk bilamana jumlah
semua peluang sama dengan satu.
Ini dikatakan wajar karena setiap peristiwa pasti memiliki nilai penjumlahan
peluang sama dengan satu dari setiap kejadian yang mungkin terjadi, sedangkan data
yang bersal dari data kontinu merupakan hasil dari mengukur suatu variabel.
Berikut ini akan dijelaskan satu persatu :

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.

Universitas Esa Unggul

http://esaunggul.ac.id 3 / 16
 Dalam mengaplikasikan rumus distribusi binomial antara p dan q saling
meniadakan. Contohnya jika p mewakili yang merokok maka q mewakili yang tidak
merokok, sehingga p + q = 1.
Berikut ini contoh soal latihan untuk distribusi binomial :

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 :

Masukkan apa yang diketahui pada rumus, hingga didapatkan nilai P.

P (x = 2) = (0.3)2 x (0.7)5-2 x 5! / ((5-2)! x 2!) = 0,309

Universitas Esa Unggul

http://esaunggul.ac.id 4 / 16
Atau cara mudah adalah dengan melihat tabel probabilitas binomial kumulatif

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.

Rumus poisson sebagai berikut.

Mean = () = n.p

SD =  

Universitas Esa Unggul

http://esaunggul.ac.id 6 / 16
Atau cara lebih mudah dengan melihat tabel probabilitas poisson kumulatif berikut ini :

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.

Universitas Esa Unggul

http://esaunggul.ac.id 7 / 16
Contoh lainnya sebagai berikut :

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.

Universitas Esa Unggul

http://esaunggul.ac.id 8 / 16
 Kurva yang kita pelajari adalah kurva yang normal, yaitu kurva yang belahan
kirinya simetri dengan belahan bagian kanan. Kadang-kadang dikatakan seperti bel
yang ditelungkupkan. Kurva normal ini luasnya sebanyak 100% sehingga bagian
kirinya = 50% dan bagian kanannya 50%. Dengan dasar kurva normal inilah, biasanya
dilakukan analisis statistik. Disamping itu, dalam kurva normal, terjadi ketentuan
sebagai berikut. Banyaknya data yang besarnya antara - sampai dengan + = 68%,
banyaknya data yang besarnya antara - 2 sampai dengan + 2 = 95%, dan banyaknya
data yang besarnya antara - 3 sampai dengan + 3 = 99%.

Universitas Esa Unggul

http://esaunggul.ac.id 9 / 16
Berikut ini beberapa kemungkinan probabilitas pada distribusi normal :

Universitas Esa Unggul

http://esaunggul.ac.id 10 / 16
Misalnya, suatu perusahaan memiliki pelanggan yang jumlahnya sangat banyak.
Omzet penjualan kepada setiap pelanggan itu setiap beli rata-rata Rp115.000.000
dengan devisi standarnya Rp15.000.000. Kita akan mencari berapa persenkah
pelanggan yang dapat menghasilkan omzet antara Rp125.000.000 sampai dengan
Rp155.000.000? Gunakan data dalam contoh untuk membuat persamaan garis Y dan
mencari luas di bawah lengkung dengan menggunakan integral terbatas antara
Rp125.000.000 sampai dengan Rp155.000.000 (untuk mempermudah, disingkat
menjadi 125 sampai dengan 155) dari persamaan itu.

Universitas Esa Unggul

http://esaunggul.ac.id 11 / 16
Nilai z dapat diperoleh dari tabel distribusi normal berikut ini :

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.

Universitas Esa Unggul

http://esaunggul.ac.id 12 / 16
Universitas Esa Unggul
http://esaunggul.ac.id 13 / 16
C. Latihan
1. Dari penelitian terhadap 150 orang laki-laki yang berumur 40 – 60 tahun
didapatkan rata-rata kadar kolesterol mereka 215 mg% dan simpangan baku Sd
= 45 mg%. Hitunglah peluang kita mendapatkan seorang yang kadar
kolesterolnya:
a. > 250 mg%
b. < 200 mg%
c. Antara 200 – 275 mg%
Jawab:
Untuk menyelesaikan permasalahan di atas, nilai x di transformasikan ke nilai z.
Di dalam tabel nilai z berada pada kolom paling kiri dan baris paling atas. Ambillah
nilai 2 ini tiga digit saja. Nanti 2 digit ada di kolom dan digit ketiga ada di baris.
250−215
a. Z = = 0,76
45

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.

b. P (x < 200 mg%)

200−215
Z= = 0,33  Tabel 0,1297
45

β (x < 200 mg%) = 0,5 – 0,1297 = 0,3703.

Universitas Esa Unggul

http://esaunggul.ac.id 14 / 16
 c. P (200 mg% < x 275 mg%)

• 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.

Universitas Esa Unggul

http://esaunggul.ac.id 15 / 16