Variabel Acak dan Distribusi Probabilitas Diskrit

Dosen Mata Kuliah : Dian Ari Nugroho, S.E., M.M.

Disusun oleh :
Adji Dharma Ningnagari 215020200111050
Billy Aldo Yudha Perwira 215020207111044
Giat Mahathir Jasman 215020207111049

MANAJEMEN
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS BRAWIJAYA
2022
 Kata Pengantar
Puji syukur penyusun panjatkan kepada Allah SWT, Tuhan Yang Maha Esa, karena
atas rahmat dan karunia-Nya karya tulis makalah Statistika dengan judul ''Variabel Acak dan
Distribusi Probabilitas Diskrit'' ini dapat terselesaikan dengan baik dan tepat waktu. Adapun
tujuan dari penulisan karya tulis ini adalah guna memenuhi tugas dan syarat perkuliahan mata
kuliah Statistika.

Penyusun menyadari bahwa karya tulis ini dapat terselesaikan tidak terlepas dari
bantuan berbagai pihak. Ucapan terima kasih penyusun sampaikan kepada semua pihak yang
telah membantu, tak lupa penyusun juga mengucapkan terima kasih kepada Bapak Dian Ari
Nugroho, S.E., M.M. . selaku dosen Statistika kelas BB.

Penyusun menyadari sepenuhnya bahwa dalam penulisan dan penyajian karya tulis ini
masih jauh dari kata sempurna. Oleh karena itu, penyusun mengharapkan adanya sumbangan
kritik, saran, dan pemikiran dari semua pihak untuk menyempurnakan karya tulis ini.
Penyusun juga berharap agar karya tulis ini dapat bermanfaat bagi semua pihak yang
membacanya.

Malang, 8 Oktober 2022

Penyusun

Kelompok 6
 Daftar Isi
Kata Pengantar 1
Daftar Isi 1
BAB I Pendahuluan 1
1.1 Latar Belakang 2
BAB II Isi dan Pembahasan4
2.1 Variabel Acak 2
2.2 Distribusi Probabilitas 2
2.3 Variabel Bivariate 2
2.4 Variabel Binomial 2
2.5 Variabel Poisson 2
Daftar Isi 4
 Bab I

Pendahuluan
1.1 Latar Belakang

Dalam bab ini, kami mempelajari konsep dan teknik probabilitas . Kami menyajikan
variabel acak dan distribusi probabilitas, yang penting dalam pengembangan inferensi
statistik. Berikut ini sekilas sekilas tentang dunia inferensi statistik yang menakjubkan.
Misalkan Anda melempar koin 100 kali dan menghitung jumlah kepala. Tujuannya
adalah untuk menentukan apakah kita dapat menyimpulkan dari hitungan bahwa koin
tidak seimbang. Masuk akal untuk percaya bahwa mengamati sejumlah besar kepala
(misalnya, 90) atau sejumlah kecil (misalnya, 15) akan menjadi indikasi statistik dari koin
yang tidak seimbang. Namun, di mana kita menarik garis? Pada 75 atau 65 atau 55?
Tanpa mengetahui probabilitas frekuensi jumlah kepala dari koin yang seimbang, kita
tidak dapat menarik kesimpulan apapun dari sampel 100 pelemparan koin. Konsep dan
teknik probabilitas yang diperkenalkan dalam bab ini akan memungkinkan kita
menghitung probabilitas yang kita cari. Sebagai langkah pertama, kami memperkenalkan
variabel acak dan distribusi probabilitas.
 Bab II
Isi dan Pembahasan

2.1 Variabel Acak

Variable adalah karakteristik yang bervariasi, yang harus disesuaikan dengan

tema atau peneliti. Sedangkan variable acak adalah nilai yang didapatkan dalam
percobaan/eksperimen secara acak/random, dimana peneliti tidak tahu variasi apakah
yang akan keluar. Artinya nilai tersebut tidak dapat diperkirakan nilai yang keluar dan
tidak selalu nilai yang keluar pada setiap percobaan adalah sama/berbeda.

Jadi, variable acak disebut sebagai variable acak jika variabel tersebut
menghasilkan nilai yang bisa berbeda pada setiap peristiwa/trial/eksperimen dan
perubahan hasil di setiap peristiwa tidak dapat diperkirakan (Budiarto, 2012)

Variabel acak (random variabel) dinyatakan dengan huruf kapital, sedangkan

nilainya dinyatakan dengan huruf kecil. Biasa ditandai dengan huruf “X” yang
memiliki sebuah nilai numerik tunggal untuk setiap keluaran dari sebuah eksperimen
probabilitas.

Jika X variabel acak, maka nilainya dinyatakan dengan x. Jika peluang

kejadian X bernilai kurang dari atau sama dengan x dinyatakan dengan P (X £ x).
Jadi X dapat bernilai berapapun tergantung pada keluaran yang mungkin dihasilkan
dalam dari eksperimen.

Misalnya dalam suatu percobaan yang acak/random, outcome (keluaran) yang

muncul dapat diberi nilai, misalnya 0, 1, dan 2. Keluarnya bilangan 0, 1, dan 2 dalam
setiap percobaan tersebut, selalu terjadi secara acak.

Ada 2 jenis variable acak, yaitu :

a. Variabel Acak Diskrit

Variabel acak yang nilainya berupa bilangan cacah, dapat dihitung dan
terhingga. Umumnya variabel diskrit berhubungan dengan pencacahan terhadap
suatu objek atau indvidu.
 Contoh:
• Jumlah penderita Penyakit Jantung Koroner (PJK) yang berobat ke poli
Penyakit Jantung RSJ Harapan Kita adalah 54 orang à Variabel PJK
adalah variabel acak diskrit
• Jumlah ODHA yang telah mendapatkan obat ARV di RS Infeksi Sulianti
Suroso adalah 123 orang à Variabel ODHA yang telah mendapatkan
ARV adalah variabel acak diskrit
b. Variabel Acak Kontinu
Variabel acak yang nilainya berupa selang bilangan, tidak dapat dihitung, dan
tidak terhingga. Biasanya untuk hal-hal yang dapat diukur. Variabel acak kontinu
dapat diilustrasikan sebagai titik-titik dalam sebuah garis.  

Pengukuran fisik seperti waktu atau panjang merupakan contoh yang paling
mudah dipahami untuk variabel acak kontinu ini. Misalkan para buruh di sebuah
wilayah akan diukur tinggi badannya. Jika kita menggunakan meteran dengan
ketelitian sentimeter, maka tinggi setiap orang bisa kita anggap sebagai titik dalam
meteran tersebut. Dengan demikian setiap ukuran X akan berhubungan titik-titik
yang jumlahnya sangat banyak atau takterhingga.   

Contoh:
Di Kantor pemadam kebakaran berlaku aturan bahwa petugas pemadam
kebakaran harus memiliki berat badan antara 60 sampai 90 Kg à Variabel BB
petugas pemadam kebakaran tersebut adalah variabel acak kontinu karena nilainya
berselang antara 60 – 90 Kg.

2.2 Distribusi Probabilitas

Secara umum probabilitas merupakan peluang bahwa sesuatu akan terjadi.

Secara lengkap probabilitas adalah suatu nilai yang digunakan untuk mengukur
tingkat terjadinya suatu kejadian acak.

Distribusi Probabilitas adalah suatu distribusi yang mengambarkan peluang

dari sekumnpulan variat sebagai pengganti frekuensinya. Probabilitas kumulatif
adalah probalitas dari suatu variabel acak yang mempunyai nilai sama atau kurang
dari suatu nilai tertentu.
  Pada variabel acak à Jika X variabel acak, maka nilainya dinyatakan dengan
x.
 Pada distribusi probabilitas berlaku rumus :

P (X = x)

Distribusi probabilitas dari variabel acak bisa berupa tabel, grafik, atau gambar
yang menyatakan probabilitas setiap nilai yang mungkin dimiliki variabel acak
tersebut. Semua nilai dari variabel acak dapat dihitung, maka keluarannya adalah
terhingga dan total dari semua probabilitas adalah 1.

Contoh :

Jika kita ingin mengetahui probabilitas seorang bayi sebagai anak ke-1
atau ke-2, atau ke-3, sampai anak ke-8 lebih, maka keseluruhan kejadian
tersebut akan membentuk suatu distribusi probabilitas (Tabel 1)

Tabel 1. Distribusi Probabilitas Bayi Lahir sebagai Anak ke-1

sampai Anak ke – 8 atau Lebih dari Variabel Random/Acak X yang
Mewakili Lahir Hidup Anak-Anak di USA Tahun 2000

X P (X = x)
Anak ke-1 0.416
Anak ke-2 0.330
Anak ke-3 0.158
Anak ke-4 0.058
Anak ke-5 0.021
Anak ke-6 0.009
Anak ke-7 0.004
Anak ke-8+ 0.004
Total 1

Dengan menggunakan tabel di atas, kita dapat melihat bahwa

probabilitas lahirnya bayi sebagai anak ke-4 adalah P(X = 4) adalah 0.058
 Kita juga dapat menghitung berapa probabilitas lahirnya bayi sebagai
anak pertama atau anak kedua. Dengan menggunakan asas perhitungan
probabilitas à “atau” à Hukum pertambahan

P(X=1) atau (X = 2) = P(X=1) + P(X=2)

= 0.416 + 0.330

= 0.746

Grafik 1. Distribusi Probabilitas Bayi Lahir sebagai Anak ke-1

sampai Anak ke – 8 Lebih dari Variabel Random X yang Mewakili Lahir
Hidup Anak-Anak di USA Tahun 2000

2.3 Distribusi Bivariate

Jika perubahan acak X dan Y masing-masing memiliki sebaran distribusi normal N( μ x σ 2x )

dan N( μ x σ 2y ), maka gabungan dari kedua peubah acak tersebut akan mempunyai sebaran
distribusi bivariat normal N( μ x , μ y , σ 2x , σ 2y , ρ) yang fungsi kepadatan peluangnya adalah
untuk semua nilai X dan Y Parameter μ x dan μ y adalah bilangan real, σ x >0 , σ y >0 , dan ρ
adalah koefisien korelasi antara X dan Y dimana 1 ≤ ρ ≤ 1.

Sifat-sifat distribusi bivariate normal:

 Sebaran marginal dari X dan Y adalah distribusi normal univariate,

 Sebaran X dengan syarat Y= y atau Y dengan syarat X= x juga merupakan
distribusi normal univariate.
 Jika X dan Y adalah independen maka koefisien korelasi ρ=0

2.4 Distribusi Binomial

Distribusi Binomial (Bernauli) menggambarkan fenomena dengan dua

keluaran/outcome à sukses atau gagal; sehat atau sembuh; bayi laki-laki atau bayi
perempuan; hidup atau mati. Penemunya adalah James Bernaulli à dikenal juga
dengan sebutan Distribusi Bernaulli

4 Syarat dalam Bernaulli trial / Distribusi Binomial, yaitu :

1. Jumlah trial adalah bilangan bulat
2. Setiap percobaan mempunyai dua keluaran/outcome
3. Peluang sukses untuk setiap percobaan sama
4. Setiap percobaan independen/saling bebas satu sama lain

Misalnya percobaan melemparkan satu koin lima kali à lambungan 1 sampai

5 adalah kejadian independen.

Dalam distribusi binomial à setiap percobaan atau peristiwa adalah bebas satu
sama lain/independen.

Jika pada saat melambungkan koin kita mengharapkan keluar koin dengan sisi H
(Head) dan pada saat dilambungkan keluaran/outcome nya sesuai keinginan, maka
disebut “sukses”; jika tidak disebut “gagal”. Setiap lambungan mempunyai
probabilitas yang sama .

Jika lambungan pertama, probabilitas sukses adalah ½ à maka lambungan seterusnya

juga ½.

Jumlah lambungan dalam distribusi bonomial adalah bilangan bulat.

Contoh lain adalah percobaan dadu. dalam percobaan pelembaran dadu ini:

à Peluang keluarnya mata lima yang diharapkan (peluang sukses) adalah 1/6
à Peluang gagal adalah 5//6

Dapat disimpulkan bahwa, ciri-ciri distribusi probabilitas adalah sebagai berikut :

1. Setiap percobaan hanya mempunyai 2 kemungkinan hasil : sukses (hasil

yang dikehendakai), dan gagal (hasil yang tidak dikehendaki)
2. Setiap percobaan beersifat independen atau dengan pengembalian.
3. Probabilita sukses setiap percobaan harus sama, dinyatakan dengan p.
Sedangkan probabilita gagal dinyatakan dengan q, dan jumlah p dan q
harus sama dengan satu.
4. Jumlah percobaan, dinyatakan dengan n, harus tertentu jumlahnya.

Probabilitas sukses dilambangkan dengan “p”

Probabilitas gagal adalah (1 – p) atau dilambangkan dengan q :

q =1–p

Kejadian atau peristiwa binomial disimbolkan dengan b(x, n, p)

b = binomial
x = banyaknya sukses yang diinginkan (bilangan random)
n = jumlah percobaan
p = probabilitas sukses dalam satu kali percobaan

Dengan mengacu pada rumus kombinasi, maka didapat rumus untuk distribusi
binomial adalah sebagai berkut :
Contoh :
Probabilitas seorang bayi diimunisasi polio adalah 0.2. Suatu hari di
Puskesmas Sukmajaya, Depok ada 4 orang bayi. Hitunglah peluang/probabilitas dari 2
orang bayi tersebut belum diimunisasi polio?

b (x=2, n=4, p=0.2) à b(2,4,0.2)t bayi yang belum diimunisasi polio adalah:
(menggunakan distribusi binomial karena fenomena 2 keluaran dan jumlah n kecil

Sehingga didapatkan :

= 0.1536 = 0.154 = 15.4%

Interpretasi : Probabilitas dua di antara empat bayi yang belum
diimunisasi polio di Kecamatan Sukmajaya, Depok adalah 15.4%.

Contoh pengerjaan soal dengan menggunakan Distribusi Binomial dapat

juga dilakukan dengan melihat tabel Distribusi Binomial Kumulatif, sebagai
berikut :
 Distribusi binomial dapat diterapkan dalam beberapa kasus, diantaranya :
1. Jumlah pertanyaan dimana anda dapat mengharapkan bahwa terkaan anda
benar  dalam ujian pilihan ganda.
2. Jumlah asuransi kecelakaan yang harus dibayar oleh perusahaan asuransi.
3. Jumlah lemparan bebas yang dilakukan oleh pemain basket selama satu
musim.

2.5 Distribusi Poisson

Distribusi Poisson = Merupakan variabel random/acak diskrit

Berbeda dengan Distribusi Binomial, kita dihadapkan pada pada probabilitas variabel acak
diskrit yang jumlah trialnya (banyaknya peristiwa = n) kecil; dengan probabailitas yang
cukup besar. Jika suatu kejadian dengan probabilitas (P) dan menyangkut kejadian yang luas
(n), maka distribusi binomial tidak mampu lagi menentukan probabilitas variabel diskrit
tersebut, karena itulah dipakai Distribusi Poisson.

Distribusi Poisson disebut juga distribusi peristiwa yang jarang terjadi, ditemukan oleh S.D.
Poisson (1781 – 1841), seorang ahli matematika bangsa Prancis. Distribusi poisson termasuk
distribusi teoritis yang memakai variabel random diskrit. Distribusi Poisson adalah distribusi
nilai-nilai bagi suatu variabel random X (X diskrit), yaitu banyaknya hasil percobaan yang
terjadi dalam suatu interval waktu tertentu atau di suatu daerah tertentu.
Dengan kata lain, distribusi Poisson dipakai untuk menentukan peluang suatu kejadian yang
jarang terjadi/probabilitas kecil, populasinya luas dan kadang kala berhubungan dengan
waktu.

Distribusi Poisson memiliki ciri-ciri sebagai berikut.

1. Banyaknya hasil percobaan yang terjadi dalam suatu interval waktu atau suatu
daerah tertentu tidak bergantung pada banyaknya hasil percobaan yang terjadi pada
interval waktu atau daerah lain yang terpisah.
2. Probabilitas terjadinya hasil percobaan selama suatu interval waktu yang singkat
atau dalam suatu daerah yang kecil, sebanding dengan panjang interval waktu atau
besarnya daerah tersebut dan tidak bergantung pada banyaknya hasil percobaan
yang terjadi di luar interval waktu atau daerah tersebut.
3. Probabilitas lebih dari satu hasil percobaan yang terjadi dalam interval waktu yang
singkat atau dalam daerah yang kecil dapat diabaikan.

Contoh:
Peristiwa datangnya kendaraan yang lewat dalam suatu interval waktu di suatu ruas jalan.
Dari peristiwa tersebut, dapat diamati hal-hal berikut.
 Tingkat kedatangan rata-rata kendaraan dapat dihitung berdasarkan data masa lalu.
 Tingkat kedatangan rata-rata kendaraan per satuan waktu adalah konstan.
 Banyaknya kedatangan kendaraan dalam suatu interval waktu tertentu merupakan
peristiwa independen (bebas).
 Probabilitas kedatangan kendaraan-kendaraan itu dalam suatu interval waktu adalah
sangat kecil, dan dapat dikatakan mendekati nol.

Kegunaan Distribusi Poisson adalah sebagai berikut :

1. Menghitung probabilitas terjadinya peristiwa menurut satuan waktu, ruang atau isi, luas,
panjang tertentu, seperti menghitung probabilitas dari:
 Banyaknya penggunaan telepon per menit atau banyaknya mobil yang lewat
selama 5 menit di suatu ruas jalan;
 Banyaknya bakteri dalam 1 tetes atau 1 liter air;
  Banyaknya kesalahan ketik per halaman sebuah buku;
 Banyaknya kecelakaan mobil di jalan tol selama minggu pertama bulan Oktober.
2. Menghitung distribusi binomial apabila nilai n besar (n ≥ 30) dan p kecil (p < 0,1)

Rumus Probabilitas Poisson Suatu Peristiwa 

 µ = λ (lamda) = n.p à nilai rata-rata/mean

 e = konstanta = 2,71828
 x = variabel diskrit (1,2,....x)

atau bisa juga dengan menggunakan tabel Distribusi Poisson Kumulatif

 Daftar Pustaka

http://nugroho.stiemj.ac.id/wp-content/uploads/05-Kel-6-Distribusi-Probabilitas.docx

http://lumbanbatuuuu.blogspot.com/2018/04/makalah-statistik-dan-probabilitas.html

http://mysmamitaximia2.blogspot.com/2015/12/variabel-acak-dan-distribusi-peluang.html

http://kumpulanmakalah94.blogspot.com/2015/07/distribusi-binomial.html

https://bagiartikel24.blogspot.com/2017/12/makalah-binomial.html

https://emanmendrofa.blogspot.com/2014/10/distribusi-poisson.html

https://contohproposalmakalahekonomi.blogspot.com/2017/10/makalah-distribusi-
normal.html

Lind, D. A., Marchal, W. G., & Wathen, S. A. (2017). Statistical Techniques in Business &
Economics. McGraw-Hill Education.