DISTRIBUSI PELUANG

MAKALAH

Untuk Memenuhi Salah Satu Tugas

Mata Kuliah Statistika 1

Oleh:

Windi Noviandita
203402616

PROGRAM STUDI S1 MANAJEMEN

FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS SILIWANGI
TASIKMALAYA
2020
 KATA PENGANTAR

Puji syukur kepada Tuhan Yang Maha Esa yang telah senantisa memberkati
kami dalam menyelesaikan makalah ini, sehingga kami bisa menyelesaikannya
tepat pada waktunya. Kami juga mengucapkan terima kasih kepada Dosen, teman–
teman, dan semua pihak yang telah memberi bantuan dandukungan kepada kami
dalam menyusun dan menyelesaikan makalah ini.

Selaku manusia biasa, kami menyadari bahwa dalam makalah ini masih
banyak kekurangan dan kekeliruan yang tidak disengaja. Oleh karena itu kami
membutuhkan kritik dan saran untuk menyempurnakan pembuatan makalah
selanjutnya. Kami berharap makalah ini dapat bermanfaat bagi kita semua,
khususnya dibidang pendidikan.

Tasikmalaya, 20 Desember 2020

Penulis

i
 DAFTAR ISI

KATA PENGANTAR................................................................................... i

DAFTAR ISI.................................................................................................. ii

BAB I PENDAHULUAN

A. Latar Belakang................................................................... 1
B. Rumusan Masalah.............................................................. 1
BAB II PEMBAHASAN

A. Pengertian Peluang Distribusi Diskit................................ 3

B. Pengertian Pengertian Peluang Distribusi continu............ 6

BAB III PENUTUP

A. Kesimpulan........................................................................ 19
B. Saran.................................................................................. 20

DAFTAR PUSTAKA.................................................................................... 21

ii
 BAB I
PENDAHULUAN

1. Latar Belakang

Sejauh ini teori peluang yang kita bicarakan hanya sebatas pada suatu
peristiwa tertentu atau tentang kemungkinan terjadinya peristiwa dengan nilai
peluang tertentu.Padahal masih ada nilai-nilai peluang dari peristiwa lainnya
yang bisa ditentukan.Nilai-nilai peluang tambahan yang demikian bisa
membentuk suatu distribusi yang disebut sebagai distribusi peluang.Sebagai
contoh, ketika melempar sebuah dadu, kita bisa menghitung peluang dari
seluruh peristiwa yang mungkin yakni munculnya angka 1, 2, 3, 4, 5 dan 6
yang masing-masing memiliki peluang 1/6.Distribusi peluang bisa diturunkan
dari peluang logis maupun dari frekuensi relatif.

Di kehidupan sehari-hari kerap kali ditemui berbagai macam model

peluang. Faktor ketidakpastian banyak memiliki model peluang yang
menggambarkan suatu akibat yang mungkin terjadi seandainya kondisi –
kondisi tertentu terjadi. Distribusi peluang atau peluang teoritis merupakan
suatu model peluang yang memungkinkan untuk mempelajari hasil
eksperimen random yang riil dan menduga hasil – hasil yang akan terjadi.
Distribusi peluang yang demikian merupakan distribusi populasi karena
berhubungan dengan semua nilai – nilai yang mungkin terjadi dan
populasinya merupakan variabel random.

Berdasarkan jenis variabelnya tergolong atas distribusi peluang diskrit

dan distribusi peluang kontinu. Distribusi peluang diskrit adalah suatu ruang
contoh yang mengandung jumlah titik contoh yang terhingga sedangkan
distribusi peluang kontinu adalah suatu ruang contoh mengandung tidak

1
 terhingga banyaknya titik contoh yang sama dengan banyaknya titik pada
sebuah garis. Distribusi peluang diskrit dibagi atas berbagai macam
diantaranya adalah distribusi peluang binomial, distribusi peluang
hipergeometrik, distribusi peluang poisson, distribusi peluang geometrik, dan
distribusi peluang binomial negatif. Sedangkan, distribusi peluang kontinu
dibagi atas distribusi peluang normal, distribusi peluang gamma, distribusi
peluang eksponensial, distribusi peluang chi-square.

2. Rumusan Masalah
1. Apa yang di maksud dengan Distribusi Peluang Diskrit ?
2. Apa yang di maksud distribusi Distribusi peluang kontinu ?

2
 BAB I
PENDAHULUAN
1. Distribusi Peluang Diskrit
Distribusi peluang diskrit adalah suatu ruang contoh yang mengandung
jumlah titik contoh yang terhingga atau suatu barisan unsur yang tidak pernah
berakhir tetapi yang sama banyaknya dengan bilangan cacah (Walpole,1993).
Syarat dari distribusi diskrit adalah apabila himpunan pasangan terurut (x, f(x))
merupakan suatu fungsi peluang atau distribusi peluang peubah acak diskrit x bila,
untuk setiap kemungkinan hasil x
1. f(x) > 0
2. ∑ f ( x) = 1
3. P (X=x) = f(x)

Macam – macam distribusi peluang diskrit antara lain :

a. Distribusi Peluang Binomial

Suatu percobaan dimana pada setiap perlakuan hasilnya
hanya ada dua kemungkinan yaitu proses dan gagal dalam n
ulangan yang bebas (Walpole,1993). Ciri – ciri distribusi peluang
binomial adalah sebgai berikut :
1. Percobaan terdiri dari atas n ulangan
2. Dalam setiap ulangan, hasilnya digolongkan dalam sukses dan
gagal
3. Peluang sukses dilambangkan dengan p, sedangkan gagal 1-p
atau q
4. Ulangan – ulangan tersebut bersifat saling bebas satu sama lain.
Distribusi peluang binomial dilambangkan dengan :

()
b ( x ; n; p )= n p x qn− xuntuk x = 0,1,2,3 . . . ,n
x

3
 Keterangan :
n = banyaknya data
x = banyak keberhasilan dalam peubah acak X
p = peluang berhasil pada setiap data
q = peluang gagal (1 – p) pada setiap data

Rata-rata dan ragam distribusi peluang binomial

μ=n . p

2
σ =n . p . q

Keterangan:

μ = rata-rata

2
σ = ragam

n = banyak data
p = peluang keberhasilan pada setiap data

q = peluang gagal = 1 – p pada setiap data

b. Distribusi Peluang Hipergeometrik

Bila dalam N populasi benda, k benda diberi label berhasil dan
N-k benda lainnya diberi label gagal, maka distribusi peluang bagi
peubah acak hipergeometrik X yang menyatakan banyaknya
keberhasilan dalam contoh acak berukuran n (Walpole,1993).

h ( x ; N , n , k )=
( x )( n−x )
k N −k
untuk x = 0,1,2, . . .,k
(n)
N

Keterangan :

4
 N = ukuran populasi
n = ukuran contoh acak
k = banyaknya penyekatan / kelas
x = banyaknya keberhasilan
Rata – rata dan ragam distribusi peluang hipergeometrik
nk
μ=
N
(2.5)

σ 2=
N −n k
n
N−1 N
1−
k
N( )
(2.6)

Keterangan :
μ = rata-rata
2
σ = ragam
N = ukuran populasi
n = ukuran contoh acak
k = banyaknya penyekatan/kelas
c. Distribusi Peluang Poisson
Percobaan yang menghasilkan nilai-nilai bagi suatu peubah
acak X, yaitu banyaknya hasil percobaan yang terjadi selama suatu
selang waktu tertentu atau distribusi daerah tertentu (Walpole,1993).
Distribusi peluang poisson memiliki ciri – ciri sebagai berikut :
1. Banyaknya hasil percobaan yang terjadi dalam suatu selang waktu
atau suatu daerah tertentu, tidak langsung pada banyaknya hasil
percobaan yang terjadi pada selang waktu atau daerah lain yang
terpisah.

5
 2. Peluang terjadinya satu hasil percobaan selama suatu selang
waktu yang singkat sekali atau dalam suatu daerah yang kecil,
sebanding dengan panjang selang waktu tersebut, dan tidak
bergantung pada banyaknya hasil percobaan yang terjadi diluar
selang waktu atau daerah tersebut.
3. Peluang bahwa lebih dari satu hasil percobaan akan terjadi dalam
selang waktu yang singkat tersebut atau dalam daerah yang kecil
tersebut, dapat diabaikan. Bilangan X yang menyatakan
banyaknya daerah hasil percobaan dalam suatu distribusi poisson
disebut peubah acak poisson.
Karena nilai – nilai peluangnya hanya bergantung pada µ maka
dirumuskan :

−μ x
e μ
p ( x ; μ )= untuk x =1,2, . . .
x!

Keterangan :

x = banyak keberhasilan dalam peubah acak X

µ = rata-rata banyak sukses yang terjadi per satuan waktu

e = 2,71828...

Rata – rata dan ragam distribusi poisson p(x;m) keduanya sama dengan
m

d. Distribusi Peluang Geometrik

Percobaan yang mengandung tindakan yang bebas dan
berulang – ulang dapat menghasilkan keberhasilan dengan peluang q =
1 – p, maka distribusi peluang bagi peubah acak X, yaitu banyaknya
ulangan sampai munculnya keberhasilan yang pertama
(Walpole,1993).

6
 g ( x ; p )= p . q x−1 untuk x = 1,2,3, . . .

Keterangan
p = peluang sukses
q = peluang gagal
Rata – rata dan ragam distribusi peluang geometrik
1
μ=
p
2 1−p
σ = 2
p

e. Distribusi Peluang Binomial Negatif

Percobaan yang mengandung ulangan yang bebas dan berulang
–ulang dapat menghasilkan keberhasilan dengan peluang p dan
kegagalan dengan peluang q = 1 – p, maka distribusi peluang bagi
peubah acak X, yaitu banyaknya ulangan sampai terjadinya k
keberhsilan (Walpole,1993).

b∗( x ; k ; p )= ( xk−1
−1
)p q
k x−k

untuk x = k, k+1, k+2, . ..

Rata – rata dan ragam distribusi peluang binomial negatif
q
μ=k
p
(2.12)
2 k .q 1 2
σ = =μ+ μ
p 2
k

2. Distribusi peluang kontinu

Distribusi peluang kontinu adalah suatu ruang contoh
mengandung tak terhingga banyaknya titik contoh yang sama dengan
banyaknya titik pada sebuah garis (Walpole,1993).

7
 Syarat dari distribusi kontinu adalah apabila fungsi f(x)
adalah fungsi padat peluang peubah acak kontinu Xt yang
didefinisikan diatas himpunan semua bilangan real Rt bila:

1. F(x) > 0 untuk semua x € R

2.  f ( x)dx = 1

3. P(a<X<b) =  f ( x)dx

Macam – macam distribusi peluang kontinu antara lain :

a. Distribusi Peluang Normal
Percobaan yang peubah acak X nya ditentukan oleh parameter µ
dan σ2. Jika X merupakan peubah acak normal dengan rataan µ dan σ 2
ragam (Walpole,1993).

( )
2
−1 x− μ
1 2 σ
(2.14)
n ( x ; μ , σ )= e untuk−∞< x < ∞
√2 πσ
Keterangan:
x = peubah acak kontinu normal

μ = mean,

σ = standar deviasi

π = 3,14159…

e = 2,71828…

b. Distribusi Peluang Gamma

Percobaan yang seubah acaknya adalah lamanya waktu
seseorang menunggu sampai sejumlah n kejadian dengan parameter
(α,β) (Walpole,1993).

8
 ∞
1
, x> 0 Г ( α )=∫ x e dx
α −1 − x/ β α −1 −x
α
x e
β Г(α) 0
F(X) =

0, x ≤ 0 (2.15)
Mean dan varians ditentukan oleh :
µ = αβ dan σ2 = αβ2

c. Distribusi Peluang Eksponensial

Distribusi eksponensial merupakan bentuk khusus dari distribusi
gamma dengan α=1. Peubah acak kontinu yang fungsi kepekatan
peluangnya diberikan oleh:

x
F(X) = 1 β
e ,x>0
β

0, x ≤ 0 (2.16)

Rataan dan variasi eksponensial adalah :

µ = β dan σ2 = β2
Sebaran eksponensial di dalam praktek sering muncul sebagai
sebaran lamanya waktu suatu kejadian tertentu terjadi.
Misalnya, lamanya waktu (mulai sekarang) sampai terjadi gempa
bumi.
d. Distribusi Peluang Chi-Square
Distribusi peluang chi-square merupakan distribusi khusus
v
gamma dengan α = , β = 2. Distribusi ini banyak dipakai untuk
2
pengujian hipotesis (teori) sebagai rumus dari statistik uji dengan

9
hipotesis tertentu. Dimana fungsi peluangnya dipengaruhi oleh
parameter v atau disebut juga db ( derajat bebas).
Distribusi chi-square dapat didefinisikan melalui rumus seperti berikut
:
v v
1 −1
x2 e 2 , x >0
F(X) =
v
Г
2 2
v
()
2

0, x ≤ 0 (2.17)

Mean dan varians distribusi ini oleh :

µ = v dan σ2 = 2v

10
 BAB III
PENUTUP
1. Kesimpulan

Distribusi peluang diskrit adalah suatu ruang contoh yang mengandung jumlah
titik contoh yang terhingga atau suatu barisan unsur yang tidak pernah berakhir
tetapi yang sama banyaknya dengan bilangan cacah (Walpole,1993).
Syarat dari distribusi diskrit adalah apabila himpunan pasangan terurut (x, f(x))
merupakan suatu fungsi peluang atau distribusi peluang peubah acak diskrit x
bila, untuk setiap kemungkinan hasil x
1. f(x) > 0
2. ∑ f ( x) = 1
3. P (X=x) = f(x)
Distribusi peluang kontinu adalah suatu ruang contoh mengandung tak
terhingga banyaknya titik contoh yang sama dengan banyaknya titik pada sebuah
garis (Walpole,1993).
Syarat dari distribusi kontinu adalah apabila fungsi f(x) adalah
fungsi padat peluang peubah acak kontinu Xt yang didefinisikan diatas
himpunan semua bilangan real Rt bila:

1. F(x) > 0 untuk semua x € R

2.  f ( x)dx = 1

3. P(a<X<b) =  f ( x)dx

11
2. Saran

Demikian makalah yang kami buat, semoga dapat bermanfaat bagi

pembaca. Apabila ada saran dan kritik yang ingin di sampaikan, silahkan
sampaikan kepada kami. Apabila ada terdapat kesalahan mohon dapat
mema'afkan dan memakluminya, karena kami adalah hamba Allah yang tak luput
dari salah khilaf, Alfa dan lupa.

12