Tugas Makalah Pengantar Teori Peluang

DISTRIBUSI PROBABILITAS KONTINU

OLEH :
KELOMPOK 6

Melsandy Malika : A1I121013

Nurul Maqvira : A1I121021
Abdul Azim Aminullah Safyat : A1I121035
Felin : A1I121089
Putu Yuni Ardila Putri : A1I121104
Tyas Ningsih Rahayu : A1I121116

DOSEN PEMBIMBING : Rahmat, S.Pd., M.Pd.

JURUSAN PENDIDIKAN MATEMATIKA

FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN
UNIVERSITAS HALUOLEO
KENDARI
2021
 KATA PENGANTAR

Puji syukur kehadirat Allah SWT yang hingga saat ini masih memberikan kita
kenikmatan dan kesehatan, sehingga kami diberi kesempatan yang luar biasa ini yaitu
kesempatan untuk menyelesaikan tugas penulisan makalah tentang “Distribusi
Probabilitas Kontinu”
Shalawat serta salam tidak lupa selalu kita haturkan untuk junjungan nabi kita,
yaitu Nabi Muhammad SAW yang telah menyampaikan petunjukan Allah SWT untuk
kita semua, yang merupakan sebuah petunjuk yang paling benar yakni Syariah agama
Islam yang sempurna dan merupakan satu-satunya karunia paling besar bagi seluruh
alam semesta.
Sekaligus pula kami menyampaikan rasa terimakasih yang sebanyak-banyaknya
untuk Bapak Rahmat, S.Pd., M.Pd. selaku dosen matakuliah Pengantar Teori Peluang
yang telah menyerahkan kepercayaannya kepada kami guna menyelesaikan makalah ini
dengan tepat waktu.
Kami juga berharap dengan sungguh-sungguh supaya makalah ini mampu
berguna serta bermanfaat dalam meningkatkan pengetahuan sekaligus wawasan terkait
distribusi probabilitas kontinu.
Selain itu, kami juga sadar bahwa pada makalah kami ini dapat ditemukan
banyak sekali kekurangan serta jauh dari kesempurnaan. Oleh sebab itu, kami benar-
benar menanti kritik dan saran untuk kemudian dapat kami revisi dan kami tulis di masa
yang selanjutnya, sebab sekali kali lagi kami menyadari bahwa tidak ada sesuatu yang
sempurna tanpa disertai saran yang konstruktif.
Di akhir kami berharapmakalah sederhana kami ini dapat dimengerti oleh setiap
pihak yang membaca. Kami pun memohon maaf yang sebesar-besarnya apabila dalam
makalah kami terdapat perkataan yang tidak berkenan di hati.

Kendari, Juni 2022 

Penyusun
 PEMBAHASAN

A. Pengertian Distribusi Peluang Kontinu

Distribusi peluang kontinu adalah peubah acak yang dapat memperoleh semua nilai
pada skala kontinu. Ruang sampel kontinu adalah bila ruang sampel mengandung titik
sampel yang tak terhingga banyaknya.
Misalkan suatu eksperimen dilakukan dengan mencatat variabel random Y yang
menunjukkan berat seorang mahasiswa (dalam kilogram) yang dipilih dari populasi
mahasiswa UKSW. Pada prinsipnya harga Y dapat sebarang bilangan positif, seperti
52,37 kg berarti Y ≥ 0. (Secara praktis harga Y akan berkisar antara 25 kg sampai 200 kg).
Jika berat mahasiswa tersebut dapat diukur dengan ketepatan yang sempurna maka hal
ini berarti Y akan mengambil harga pada suatu interval ( yaitu y ∈(25,200))
Variabel random kontinu atau dikenal juga dengan peubah acak kontinu adalah
variabel random yang mengambil harga pada sebarang harga dalam suatu interval.

Definisi 1
Fungsi f ( y ) disebut fungsi kepadatan probabilitas variabel random kontinu Y ,
yang didefinisikan atas himpunan semua bilangan real R bila

Contoh

Misalkan variabel random Y mempunyai fungsi kepadatan probabilitas

a. Buktikan bahwa f ( y ) merupakan fungsi kepadatan probabilitas
b. Hitunglah P(0< Y ≤ 1).

Penyelesaian :
2
y
a. Karena f ( y )= untuk −1< y <2 dan f ( y)=0 untuk y yang lain maka f ( y )≥ 0
3
untuk setiap y ∈ R . Di samping itu
 Hal itu berarti bahwa f ( y ) merupakan fungsi kepadatan probabilitas

b. P(0< Y ≤ 1)

B. Macam-Macam Distribusi Peluang Kontinu

1. Distribusi seragam kontinu
Misalkan bahwa sebuah bis selalu datang pada suatu halte antara pukul 08.00 dan
08.10 dan bis tersebut datang di halte tersebut pada sebarang interval bagian waktu
tersebut sebanding dengan panjang interval bagian tersebut. Hal itu berarti bahwa bis
akan mempunyai probabilitas yang sama untuk mendatangi halte antara 08.02 dan
08.04 dibandingkan dengan 08.06 dan 08.08. Model yang beralasan untuk
mengambarkan hal di atas dinyatakan pada Gambar dibawah ini karena
P(2 ≤Y ≤ 4 )=P(6 ≤ Y ≤ 8).

Definisi 2
Variabel random Y yang mempunyai distribusi seragam kontinu akan mempunyai
fungsi kepadatan probabilitas

Konstanta yang menentukan bentuk khusus dari suatu fungsi kepadatan

probabilitas dinamakan parameter dari fungsi kepadatan probabilitas. Kuantitas
θ 1 danθ 2 adalah parameter dari fungsi kepadatan probabilitas seragam.
 Contoh :

Kedatangan pelanggan pada suatu loket layanan bank mengikuti distribusi Poisson.
Diketahui bahwa selama periode waktu 30 menit yang diberikan satu pelanggan
datang pada loket. Tentukan probabilitas bahwa pelanggan akan datang 5 menit
terakhir dari periode 30 menit tersebut.

Penyelesaian :
Sebagaimana disebutkan di atas, waktu aktual kedatangan mengikuti distribusi
seragam pada (0,30). JikaY menyatakan waktu kedatangannya maka

Hal itu berarti bahwa probabilitas bahwa kedatangan akan terjadi dalam sebarang
interval 5 menit akan mempunyai nilai 1/6.

2. Distribusi Normal
Dalam pasal ini akan dibahas tentang distribusi normal yang sangat penting
dalam statistika teori maupun terapan. Distribusi ini banyak ditemui dalam
pengukuran-pengukuran yang diperoleh dalam percobaan di laboratorium sains
maupun pengukuran di bidang ilmu sosial. Pengukuran-pengukuran tersebut
seringkali mempunyai distribusi yang berbentuk lonceng (bell-shaped distribution)
sehingga dikatakan distribusi yang normal ditemui dan dikenal dengan nama
distribusi normal. Nama lain dari distribusi normal adalah distribusi Gauss.
Variabel random kontinu Y dinyatakan berdistribusi normal dengan mean μ dan
variasi σ 2jika Y mempunyai fungsi kepadatan probabilitas berbentuk

dengan −∞ < y < ∞ . Fungsi kepadatan probabilitas normal mempunyai grafik seperti
pada Gambar
Sifat Distribusi Normal :

a. Karena f ( y ) merupakan fungsi kepadatan probabilitas maka jelas bahwa

f ( y )≥ 0untuk −∞ < y < ∞ .
b. Sebagaimana tampak dalam grafik fungsi kepadatan probabilitas normal, grafik
f ( y ) simetrik terhadap y=μ dan mempunyai titik belok y=μ ± σ .
c. Jika Z mempunyai distribusi N (0,1) maka Z dikatakan berdistribusi normal
baku (standard normal), sehingga fungsi kepadatan probabilitas Z dinyatakan
sebagai berikut :

Y −μ
d. Jika Y mempunyai distribusi N ( μ , σ 2 ) dan Z= maka Z mempunyai
σ
distribusi N (0,1) .

Contoh :
Misalkan variabel random Z mempunyai distribusi normal dengan parameter mean μ
= 0 dan simpangan baku 1.

a. .

b. .

c. .
 Contoh :
Nilai ujian masuk UKSW untuk FSM berdistribusi Normal Baku dengan μ = 75 dan
σ = 10. Berapakah probabilitasnya seseorang mempunyai nilai antara 80 dan 90 ?

Penyelesaian :
Misalkan z menyatakan jarak dari mean distribusi normal yang dinyatakan dalam
y−μ
satuan simpangan baku. Berarti z= sehingga bagian dari populasi yang terletak
σ
antara

Mempunyai luas

Hal itu berarti terdapat 0,2417 bagian dari populasinya yang mempunyai nilai tes
masuk antara 80 dan 90.

3. Distribusi Gamma, Chi-Kuadrat Dan Eksponensial

Sebelum dibahas tentang distribusi Gamma, terlebih dahulu dibahas tentang
fungsi Gamma. Fungsi Gamma didefinisikan sebagai

Sifat yang dimiliki dari fungsi Gamma adalah Γ (α )=(α −1) Γ ( α −1) . Dengan
rumus rekursi diperoleh sifat (α )=( α−1)(α −2)(α −3) Γ (α −3) .
Dapat dibuktikan bahwa Γ (1)=1 dan Γ (1 /2)=√ π . Untuk α =n dengan n bilangan
bulat diperoleh Γ ( n)=(n−1).

Definisi Distribusi Gamma :

Variabel random kontinu Y berdistribusi Gamma dengan parameter α dan β bila
fungsi kepadatan probabilitas Y dinyatakan dengan
untuk α >0 dan β> 0.

Contoh :
Di suatu kota pemakaian air sehari (dalam jutaan liter) dapat dianggap berdistribusi
Gamma dengan α =2 dan β=3 yaitu

Apabila kemampuan menyediakan air adalah 9 juta liter per hari maka probabilitas
bahwa pada suatu hari tertentu persediaan air tidak mencukupi adalah

Grafik distribusi Gamma dengan parameter α =2 dan β=3dinyatakan dalam Gambar

Gambar distribusi gamma dengan parameter α =2 dan β=3.

Definisi Distribusi Chi-Kuadrat:

 ν
Variabel random Y yang berdistribusi Gamma dengan parameter α = dan β =2
2
dinamakan variabel random chi-kuadrat dengan derajat bebas ν atau dinotasikan
dengan χ 2 ν .

Perhatikan variabel acak berikut.

2 2 2 2 2
χ = y 1+ y 2 + y 3 + …. + y ν

Maka kita dapat menunjukkan bahwa untuk y ≧ 0, didapatkan persamaan

y
1
∫ e¿ ¿¿ ¿
2
P ( χ ≦ y ¿= v/2 dan
2 Γ ¿¿ o

P ( χ 2 ≦ y ¿=¿0, untuk y>0

Distribusi yang didefinisikan oleh persamaan sebelumnya memiliki fungsi

kepadatan yang ditentukan oleh
1
f ( y )= v/ 2
¿¿ ¿
y , untuk y >0
2 Γ ¿¿
f ( y )=¿ 0 , untuk y ≦0

Definisi Distribusi eksponensial:

Variabel random kontinu Y berdistribusi eksponensial dengan parameter β bila
fungsi kepadatan probabilitasnya dinyatakan sebagai

Contoh :
Lamanya waktu untuk melayani seseorang di suatu kafetaria merupakan suatu
variabel random berdistribusi eksponensial dengan β=4. Hal itu berarti fungsi
kepadatan probabilitasnya adalah
 Probabilitas seseorang akan dilayani dalam kurun waktu kurang dari 3 menit adalah

Grafik distribusi Eksponensial dengan parameter β=4 dinyatakan pada Gambar

Grafik fungsi distribusi eksponensial dengan mean 4

4. Distribusi Probabilitas Beta

Distribusi probabilitas Beta mempunyai dua parameter yaitu α dan β yang
didefinisikan pada interval [0,1 ¿. Fungsi kepadatan probabilitas Beta didefinisikan
sebagai

Dengan

Contoh :
Distributor bensin mempunyai tangki persediaan yang diisi di setiap Senin. Dalam
pengamatan, kita tertarik untuk menyelidiki proporsi dari penjualan bensin dalam
seminggu. Setelah penelitian beberapa minggu maka dapat dibuat model yang
merupakan distribusi beta dengan α =4 dan β=2. Tentukan probabilitas bahwa
distributor akan menjual paling sedikit 90% dari persediaannya dalam minggu yang
diberikan.

Penyelesaian :
Jika Y menyatakan proporsi dari penjualan selama minggu tersebut maka

Berarti

Hal itu berarti probabilitasnya sangat kecil bahwa 90% dari persediaan akan terjual.
Grafik fungsi kepadatan probabilitas dari distribusi beta dengan α =4 dan β=2
dinyatakan pada Gambar

Gambar Distribusi beta dengan α =4 dan β=2.

 PENUTUP
A. Kesimpulan
Distribusi peluang kontinu adalah peubah acak yang dapat memperoleh
semua nilai pada skala kontinu. Ruang sampel kontinu adalah bila ruang sampel
mengandung titik sampel yang tak terhingga banyaknya. Variabel random
kontinu atau dikenal juga dengan peubah acak kontinu adalah variabel random
yang mengambil harga pada sebarang harga dalam suatu interval. Variabel ini
menggunakan bilangan rill untuk menyatakan hasil suatu percobaan. Contohnya:
hasil penimbangan berat badan/ tinggi badan, temperature, jarak, dan jangka
hidup.

B. Saran
Demikianlah makalah ini kami susun, kami menyadari makalah ini masih
banyak kekurangan dan jauh dari kesempurnaan. Oleh karena itu, Kami sangat
mengharap kritik dan saran yang membangun dari para pembaca. Guna perbaikan
makalah berikutnya. Dan semoga makalah ini berguna bagi kita semua. Amin.
DAFTAR PUSTAKA
Asmussen, S., 2003, Applied Probability and Queues, SringerVerlag, New York Inc, New York.

Bain, L. J dan M. Engelhardt, 1992, Introduction to Probability and Mathematical Statistics, Duxbury,
Pasific Grove.

Devore, J. L. dan K. N. Berk, 2012, Modern Mathematical Statistics with Applications 2nd ed.,
Spinger, Dordrecht.

Faires, J. D, 2007, Langkah Pertama Menuju Olimpiade Matematika (Terjemahan), Pakar Raya,
Bandung.

Grossman, S. I dan J. E. Turner, 1974, Mathematics for the Biological Science, Macmillan Publishing
Co. Inc, New York.

Hermanto, E., 2005, Diktat Pembinaan Olimpiade Matematika Tahun Pelajaran 2005/2006 , SMAN 5
Bengkulu, Bengkulu.

Hermanto, E., 2011, Diktat Pembinaan Olimpiade Matematika, SMAN 5 Bengkulu, Bengkulu.

Mendenhall, W. dan R. J. Beaver, 1991, Introduction to Probability and Statistics, PWS-Kent Pub.
Co. , Boston.

Ross, S. M., 2014, Introduction to Probability Models, Academic Press, San Diego.

Spiegel, M. R, J. Schiller, R. A. Srinivasan, 2000, Probabilitas dan Statistik Edisi Kedua

(Terjemahan), Penerbit Erlangga, Jakarta