MAKALAH BIOSTATISTIK

Konsep Peluang Pada Data Kategorik dan Data Kontinius

DISUSUN OLEH :
Auliya Ningrum Simamora (2011222010)
Laila Miftah Salim (2011222042)
Mhd. Aldrian (2011222024)
Vivi Nurul Faiza (2011223004)
Kelas A2
Mata Kuliah : Biostatistik Deskriptif dan Inferensial

DOSEN PENGAMPU :
Welly Femelia, SKM., MKM

PROGRAM STUDI GIZI

FAKULTAS KESEHATAN MASYARAKAT
UNIVERSITAS ANDALAS
2021
 KATA PENGANTAR

Puji syukur kami ucapkan kepada Allah subhanahu wata’ala atas segala rahmat dan
karunia-Nya sehingga makalah ini bisa selesai sesuai dengan target yang telah ditentukan.
Shalawat serta salam kami ucapkan kepada baginda nabi Muhammad shallahu alaihi wasallam.
Dalam penyusunan makalah ini kami sudah berusaha semaksimal mungkin sesuai dengan
kemampuan kami.
Kami ucapkan terima kasih atas bimbingan dari ibu Welly Femelia, SKM., MKM sebagai
dosen mata kuliah “Biostatistik Deskriptif dan Inferensial” yang telah membimbing kami
sehingga dapat menyelesaikan makalah ini.
Kami menyadari bahwa masih terdapat kekurangan dalam makalah ini, maka saran dari
saudara semua sangat kami harapkan. Demikian semoga karya tulis ini bisa bermanfaat bagi
kami khususnya dan pembaca pada umumnya.

Padang, 25 September 2021

Penyusun

i
 DAFTAR ISI

KATA PENGANTAR......................................................................................................................i
DAFTAR ISI...................................................................................................................................ii
BAB I...............................................................................................................................................1
 1.1 Latar Belakang................................................................................................................1
 1.2 Rumusan Masalah...........................................................................................................2
 1.3 Tujuan Masalah..............................................................................................................2
BAB II.............................................................................................................................................3
A. Definisi Peluang....................................................................................................................3
B. Peluang pada data kategorik.................................................................................................3
C. Peluang pada data kontinius.................................................................................................7
BAB III..........................................................................................................................................10
Daftar pustaka................................................................................................................................11

ii
 BAB I
Pendahuluan

 1.1 Latar Belakang

Data Kategorik
Peubah kategorik mempunyai skala pengukuran yang terdiri dari beberapa kategori. Skala
pengukuran untuk peubah kategorik dapat berupa skala nominal maupun ordinal. Sebagai contoh
untuk data kategorik dengan skala nominal adalah jenis kelamin (“laki-laki” atau “perempuan”),
jenis tempat tinggal (“rumah”, “rumah susun”, atau “apartemen) dan lain lain. Sedangkan peubah
kepuasan (“kecewa”, “menengah” atau “puas”) dan tingkat pendidikan (“SD”, “SMP”, “SMA
atau “Sarjana”) merupakan contoh data kategorik dengan skala ordinal. Peubah respon atau
sering disebut sebagai peubah tidak bebas atau peubah Y dapat berupa data kategorik ataupun
numerik. Model statistika untuk respon kategorik menganalisis bagaimana peubah respon
terpengaruh oleh peubah-peubah penjelas (atau peubah bebas atau peubah X). Misalnya model
tentang kepuasan dapat diprediksi melalui peubah harga, daya tahan, dan lain-lain.

Tipe data kategori ini tidak memiliki nilai numerik dan sifatnya lebih kepada kualitatif daripada
kuantitatif. Dalam istilah statistik ia juga sering disebut sebagai data nominal. Sesuai namanya,
data tipe kategori merupakan bagian dari beberapa kelompok. Misal, jika ada besar maka ada
kecil, jika ada laki-laki maka ada perempuan, jika ada benar maka ada salah, jika ada ringan
maka ada sedang kemudian berat (3 kategori), dan seterusnya.
Hal yang perlu diingat bahwa kita bisa merubah data kategori menjadi numerik. Misal data ras,
hitam=1, coklat=2, pirang=3, dan seterusnya. Walau demikian, angka numerik dari data
kategori ini tidak memiliki nilai matematis apapun. Jadi bukan berarti rambut warna hitam
karena bernilai 1 lebih jelek dari rambut warna coklat yang bernilai 2, begitu pula pirang tidak
lebih baik/buruk dari merah.

Data Kontinius
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.

1
 2

Macam macam distribusi kontinius :

• Distribusi normal dan normal standar
• Distribusi T Student
• Distribusi Chi Kuadrat
• Distribusi F Fisher

Contoh data kontinu antara lain:

 Tinggi badan seseorang. Nilainya bisa 170,4 cm, 165,87 cm dan seterusnya.
 Berat badan seseorang. Nilainya bisa 67.9 kg, 78,88 kg dan seterusnya.
 Berapa lama waktu yang diperlukan pelanggan untuk memutuskan membeli (check-out)
di toko online? Nilainya bisa 15 menit, 29,87 menit dan seterusnya.

 1.2 Rumusan Masalah

1. Bagaimana cara menghitung peluang pada data kategorik?

2. Bagaimana cara menghitung peluang pada data kontinius?

 1.3 Tujuan Masalah

1. Untuk mengetahui peluang pada data kategorik

2. Untuk mengetahui peluang pada data kontinius
 BAB II
PEMBAHASAN

A. Definisi Peluang

Peluang atau yang lebih dikenal dengan sebutan probabilitas adalah suatu cara untuk
menyatakan kesempatan terjadinya suatu peristiwa. Secara kualitatif, peluang dapat
dinyatakan dalam bentuk kata sifat untuk menunjukkan kemungkinan terjadinya suatu
keadaan seperti “baik”, “lemah”, “kuat”, “miskin”, “sedikit” dan lain sebagainya. Secara
kuantitatif, peluang dinyatakan sebagai nilai-nilai numeris baik dalam bentuk pecahan
maupun desimal antara 0 dan 1. Peluang sama dengan 0 berarti sebuah peristiwa tidak
bisa terjadi sedangkan peluang sama dengan 1 berarti peristiwa tersebut pasti terjadi.

B. Peluang pada data kategorik

 Definisi data kategorik

Tipe data kategorik tidak memiliki nilai numerik dan sifatnya lebih kepada
kualitatif daripada kuantitatif. Dalam istilah statistik lebih dikenal sebagai data
nominal. Data tipe kategorik merupakan bagian dari beberapa kelompok. Contohnya,
jika ada besar maka ada kecil, jika ada laki-laki maka ada perempuan, jika ada ringan
maka ada sedang kemudian berat (3 kategori) dan lain-lain. Data kategorik adalah
data yang bisa dikelompokan berdasarkan karakteristik atau ciri-ciri tertentu.
Biasanya data ini terdiri dari skala nominal dan ordinal, serta merupakan data
kualitatif. Data kategorik biasanya disebut sebagai data non-metric atau data bukan
pengukuran. Hal yang perlu diingat bahwa kita dapat mengubah data kategorik
menjadi data numerik, misalnya data ras, hitam = 1, coklat = 2, putih = 3, dan
seterusnya. Meski demikian, angka numerik pada data kategorik tidak memiliki nilai
matematika apapun. Dalam analisis data kategorik, sebaran/distribusi yang paling
mendasar adalah sebaran binomial dan multinomial.
 Distribusi binomial
Dalam ilmu statistika distribusi binomial juga dikenal sebagai distribusi
Bernouli. Hal ini dikarenakan penemu teori distribusi binomial merupakan
matematikawan asal Swiss bernama Jacob Bernauli. Salah satu ciri utama

3
 4

percobaan Bernauli adalah tidak adanya kontinuitas antara suatu eksperimen

dengan eksperimen lain. Artinya jika melakukan 2 (dua) percobaan, maka hasil
pertama tidak akan berpengaruh pada hasil percobaan kedua. Distribusi binomial
merupakan distribusi probabilitas/peluang khusus tipe data diskret (diskontinu),
dimana hasilnya selalu bernilai sukses atau gagal saja. Distribusi binomial dapat
dipakai saat eksperimennya paling sedikit berjumlah 2 (dua) kali.
 Persyaratan Eksperimen Binomial

Agar sebuah percobaan termasuk dalam jenis eksperimen binomial, harus memenuhi beberapa
persyaratan, yaitu:
o Jumlah percobaan tetap (fixed number of trial).

o Tiap eksperimen pasti memiliki 2 (dua) hasil, yaitu sukses atau gagal.

o Peluang sukses tiap ekperimen besarnya sama.

o Setiap eksperimen bersifat bebas dan tidak terikat pada eksperimen lain.

 Ciri-ciri Distribusi Binomial

Distribusi binomial memiliki beberapa ciri khusus, yaitu:

o Percobaan dilakukan berulang sebanyak n kali.
o Peluang berhasil dinyatakan sebagai p, sedangkan peluang gagal sebagai q, dimana p
= 1-q.
o Keluaran eksperimen hanya memiliki 2 (dua) kategori, contoh: berhasil & gagal, ya
& tidak.
o Setiap percobaan memiliki sifat independen (bebas) satu dengan lainnya, artinya hasil
percobaan pertama tidak mempengaruhi hasil percobaan berikutnya.

Perhitungan distribusi binomial pada umumnya dilakukan pada percobaan

dengan kemungkinan sukses mulai dari nol mutlak (semua gagal) hingga sukses
total (semua sukses). Dimana jumlah kesuksesan maksimal pada distribusi normal
akan bernilai sama dengan besaran n (jumlah eksperimen). Pada soal distribusi
binomial normal, besarnya rata-rata (mean) serta varians juga dapat dicari dengan
mudah.
 Rumus peluang distribusi binomial :
 5

P (x) = ( nx C ) p . q
x n−x

Dimana :

( )
nC
x
=(
n!
x ! ( n−x ) !
) dan q = 1-p

Keterangan :
n = banyak percobaan
x = jumlah berhasil
p = peluang berhasil
q = peluang gagal
Contoh soal :
Sebuah dadu dilemparkan keatas sebanyak 4 kali. Tentukan peluang munculnya mata
dadu 5 muncul 1 kali !
Jawab :
n=4 x=1 p=⅙ q=1-⅙=⅚

P== ( 41 C ) . ( ⅙ ) . ( ⅚ )
1 3

4 ! 1 125
P= . .
1 ! 3! 6 216
250
P=
648
P=0,3858

 Distribusi multinomial

Distribusi ini merupakan perluasan dari distribusi binomial dengan ciri-cirinya

sebagai berikut :

1. Peristiwanya independent
2. Setiap percobaan tunggal mempunyai hasil kejadian lebih dari 2 (dua) dan
semuanya disebut sukses.
3. Peluang terjadinya setiap "outcomes" disebut p1, p2 ....pn sehingga P(n)= 1

4. Biasanya dalam hal ini jumlah percobaan tertentu.

 Rumus peluang distribusi Multinomial :
 6

n!
p ( k 1 , k 2 , ....k n )= p p ........... p n
k 1 ! k 2 ! ....k n ! 1k 1 2 2
k k
n

Dimana:
p : Probabilitas
k : Kejadian yang mungkin
Bila suatu percobaan binomial terhadap ulangannya menghasilkan lebih dari dua
kemungkinan (berhasil, “nyaris berhasil” atau gagal), percobaan itu menjadi
percobaan multinomial. Dengan kata lain, bila pada distribusi binomial hasil sebuah
percobaan hanya dikategorikan dua macam, yaitu berhasil atau gagal, dalam
distribusi multinomial sebuah percobaan akan menghasilkan beberapa kejadian
(lebih dari dua) yang saling meniadakan atau saling lepas (mutually exclusive).
Sebagai contoh, keadaan cuaca dapat digolongkan menjadi cerah, hujan, atau
mendung. Pilihan kendaraan untuk ke kantor adalah mobil sendiri, bus, kereta api,
angkot bahkan ojek. Seluruhnya merupakan ulangan-ulangan yang menghasilkan
lebih dari dua kemungkinan. Secara umum, bila setiap ulangan dapat menghasilkan
satu diantara k kemungkinan hasil percobaan E1, E2, …, Ek kali kejadian dalam n
ulangan yang bebas dengan x1 + x2 + … + xk = n. sedangkan banyaknya sekatan n
elemen ke dalam k kelompok dengan x1 dalam kelompok pertama, x2 dalam
kelompok kedua, … dan xk dalam kelompok ke k merupakan suatu permutasi dari n
elemen yang seluruhnya tidak dapat dibedakan.
Contoh soal:
Bila dua dadu dilantunkan enam kali, berapakah peluang mendapat 7 atau 11 muncul
dua kali, sepasang bilangan yang sama muncul satu kali, dan pasangan lainnya tiga
kali
Jawab:
Misal : E1 = kejadian munculnya jumlah 7 atau 11
E2 = kejadian munculnya sepasang bilangan yang sama
E3 = kejadian munculnya bukan jumlah 7 atau 11 atau sepasang bilangan
yang sama
n(S) = 36 ; x1 = 2 ; x2 =1 ; x3 = 3
E1 = { (1,6), (6,1), (2,5), (5,2), (3,4), (4,3), (5,6), (6,5) }
 7

n (E1) = 8 ; P (E1) = 2/9

E2 = { (1,1), (2,2), (3,3), (4,4), (5,5), (6,6) }
n (E2) = 6 ; P (E2) = 1/6
n (E3) = n(S) – n(E1) – n(E2) = 36 – 8 – 6 = 22 ; P (E3) = 22/36 = 11/18
6!
F(2,1,3 ; 2/9, 1/6, 11/18, 6) =( ). (2/9)2. (1/6). (11/18)3
2!1 ! 3 !
= 0,1127

C. Peluang pada data kontinius

 Definisi
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. Syarat dari distribusi kontinu adalah apabila
fungsi f(x) adalah fungsi padat peluang peubah acak kontinu X yang didefinisikan di
atas himpunan semua bilangan riil R bila:
1. F(x) ≥ 0 untuk semua x є R
2. ∫ (𝑥)𝑥 = 1
∞

3. (𝑎 < 𝑋 < 𝑏) = ∫ f (x )dx

∞

 Konsep dan Teorema Distribusi

2. Distribusi normal
Distribusi Normal (Gaussian) mungkin merupakan distribusi probabilitas yang
paling penting baik dalam teori maupun aplikasi statistik. Distribusi ini paling
banyak digunakan sebagai model bagi data riil di berbagai bidang yang meliputi
antara lain karakteristik fisik makhluk hidup (berat, tinggi badan manusia, hewan,
dll). Terdapat empat alasan mengapa distribusi normal menjadi distribusi yang
paling penting :
a. Distribusi normal terjadi secara alamiah.
b. Beberapa variabel acak yang tidak terdistribusi secara normal dapat dengan
mudah ditransformasi menjadi suatu distribusi variabel acak yang normal.
c. Banyak hasil dan teknik analisis yang berguna dalam pekerjaan statistik hanya
bisa berfungsi dengan benar jika model distribusinya merupakan distribusi
normal.
d. Ada beberapa variabel acak yang tidak menunjukkan distribusi normal pada
populasinya, namun distribusi dari rata-rata sampel yang diambil secara random
dari populasi tersebut ternyata menunjukkan distribusi normal.
 8

Distribusi Normal disebut juga Gausian distribution adalah salah satu fungsi
distribusi peluang berbentuk lonceng seperti gambar berikut.

Berdasarkan gambar di atas, distribusi Normal akan memiliki beberapa ciri

diantaranya:
a. Kurvanya berbentuk garis lengkung yang halus dan berbentuk seperti genta.
b. Simetris terhadap rataan (mean).
c. Kedua ekor/ ujungnya semakin mendekati sumbu absisnya tetapi tidak pernah
maemotong.
d. Jarak titik belok kurva tersebut dengan sumbu simetrisnya sama dengan σ e.
Luas daerah di bawah lengkungan kurva tersebut dari - ~ sampai + ~ sama dengan
1 atau 100 %.
3. Distribusi Chi-square
Bila sampel acak ukuran n diambil dari populasi normal dengan rata-rata μ dan ragam
populasi σ², dan ragam sampel s²  dihitung, maka diperoleh suatu nilai statistik S².

Bila S² adalah ragam sampel acak berukuran n yang diambil dari populasi normal
dengan ragam σ², maka peubah acak berdistribusi Chi-Square dengan derajat
kebebasan v=n-1
 χ2= (n−1)S2
σ2
3. Distribusi Student’s t
Distribusi student’s t adalah distribusi yang ditemukan oleh seorang mahasiswa
yang tidak mau disebut namanya. Untuk menghargai hasil penemuannya itu,
distribusinya disebut distribusi Student yang lebih dikenal dengan distribusi “t”,
diambil daru huruf terakhir kata “student”. Bentuk persamaan fungsinya :
 9

Berlaku untul −∞ < 𝑡 < ∞ dan K merupakan tetapan yang besarnya tergantung
dari besar n sedemikian sehingga luas daerah antara kurva fungsi itu dan sumbu t
adalah 1. Bilangan n – 1 disebut derajat kebebasan (dk). Yang dimaksudkan
dengan dk ialah kemungkinan banyak pilihan dari sejumlah objek yang diberikan.
Misalnya kita mempunyai dua objek yaitu A dan B. Dari dua objek ini kita hanya
mungkin melakukan 1 kali pilihan saja, A dan B. Seandainya terpilih A maka B
tidak usah dipilih lagi. Dan untuk itu dk = 2 – 1 = 1.

4. Distribusi F
Menurut Gasperz (1989:251), secara teori sebaran F merupakan rasio dari dua
sebaran chi kuadrat yang bebas. Oleh karena itu peubah acak F diberikan sebagai:
X 1²/v 1
F= X 2²/v 2
Dimana :
X12 = 𝑛𝑖𝑙𝑎𝑖 𝑑𝑎𝑟𝑖 𝑠𝑒𝑏𝑎𝑟𝑎𝑛 𝑐ℎ𝑖 𝑘𝑢𝑎𝑑𝑟𝑎𝑡 𝑑𝑒𝑛𝑔𝑎𝑛 𝑑𝑒𝑟𝑎𝑗𝑎𝑡 𝑏𝑒𝑏𝑎𝑠 𝑉1 = 𝑛1 − 1
X22 = 𝑛𝑖𝑙𝑎𝑖 𝑑𝑎𝑟𝑖 𝑠𝑒𝑏𝑎𝑟𝑎𝑛 𝑐ℎ𝑖 𝑘𝑢𝑎𝑑𝑟𝑎𝑡 𝑑𝑒𝑛𝑔𝑎𝑛 𝑑𝑒𝑟𝑎𝑗𝑎𝑡 𝑏𝑒𝑏𝑎𝑠 𝑉2 = 𝑛2 − 1
Oleh karena itu sebaran F mempunyai dua derajat bebas yaitu 𝑉1 𝑑𝑎𝑛 𝑉2 .
Misal :
Kita ingin mengetahui nilai F dengan derajat bebas 𝑉1 = 10 dan 𝑉2 = 12, maka
jika 𝛼 = 0,05 dari tabel F diperoleh nilai 𝐹0,05 (10,12) = 2,75
10
 BAB III
PENUTUP
A. KESIMPULAN

Peluang atau yang lebih dikenal dengan sebutan probabilitas adalah suatu cara untuk
menyatakan kesempatan terjadinya suatu peristiwa. Secara kualitatif, peluang dapat
dinyatakan dalam bentuk kata sifat untuk menunjukkan kemungkinan terjadinya suatu
keadaan. Sedangkan secara kuantitatif, Secara kuantitatif, peluang dinyatakan sebagai
nilai-nilai numeris baik dalam bentuk pecahan maupun desimal antara 0 dan 1. Peluang
sama dengan 0 berarti sebuah peristiwa tidak bisa terjadi sedangkan peluang sama dengan
1 berarti peristiwa tersebut pasti terjadi.
Tipe data kategorik tidak memiliki nilai numerik dan sifatnya lebih kepada kualitatif
daripada kuantitatif. Dalam istilah statistik lebih dikenal sebagai data nominal. Dalam
analisis data kategorik, sebaran/distribusi yang paling mendasar adalah sebaran binomial
dan multinomial. Distribusi peluang kontinu adalah peubah acak yang dapat memperoleh
semua nilai pada skala kontinu.

B. SARAN
Semoga makalah yang telah kami buat dapat bermanfaat bagi pembaca dan
khususnya kami sebagai penyusun. Dan diharapkan pembaca dapat memahami materi
peluang pada makalah ini.

11
 Daftar pustaka

http://arofiqimaulana.com/2019/12/28/distribusi-peluang-kontinu/
file:///C:/Users/Aldi/Downloads/Konsep_distribusi_peluang_kontinu.pdf
https://elib.unikom.ac.id/download.php?id=101772
http://digilib.uinsby.ac.id/20107/1/Statistika%20Matematika%20I.pdf
https://socs.binus.ac.id/2018/12/08/distribusi-peluang-binomial/
http://eprints.ulm.ac.id/7788/1/1.b.2-Buku.pdf
https://www.stat.ipb.ac.id
https://ocw.upj.ac.id
https://repository.unas.ac.id

12