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.
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
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)
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.
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)
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
= 0.416 + 0.330
= 0.746
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 .
à Peluang keluarnya mata lima yang diharapkan (peluang sukses) adalah 1/6
à Peluang gagal adalah 5//6
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 :
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.
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.
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)
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.