STATISTIK

PERTEMUAN IX

Bahan Kajian : Distribusi Peluang : (1) Distribusi Binomial (2) Distribusi

Poisson (3) Distribusi Normal.

DISTRIBUSI PELUANG
a. Pengantar
 Jika hasil suatu Eksperimen (Percobaan) diketahui secara pasti setelah
eksperimen itu selesai dilakukan, maka eksperimen seperti itu disebut
Eksperimen Random (Randomize Experiment).

Contoh 1:
1. Pertandingan sepak bola dapat dipikirkan sebagai eksperimen
random, karena hasil pertandingan hanya dapat diketahui secara pasti
setelah pertandingan selesai.
2. Ujian suatu mata pelajaran dapat dipikirkan sebagai eksperimen
random, karena hasil ujian dapat diketahui secara pasti setelah ujian
selesai.
3. Mengamati kompetensi dasar siswa dalam suatu tahapan
pembelajaran, dapat dipikirkan sebagai eksperimen random, karena
tercapai tidaknya kompetensi dasar tersebut diketahui secara pasti
setelah tahapan pembelajaran tersebut usai dilaksanakan.
 Jika hasil suatu eksperimen (percobaan) diketahui secara pasti walaupun
eksperimen itu belum dilakukan, maka eksperimen seperti itu disebut
eksperimen deterministik (deterministic experiment).

Contoh 2:
1. Air dipanaskan sampai 1000C pada tekanan udara 1 atmospher, air pasti
mendidih walaupun percobaan itu belum dilakukan.
2. Air dimasukkan ke frezer pada suhu 00C dan tekanan udara 1
atmospher, air pasti beku (menjadi es), walaupun percobaan tersebut
belum dilakukan.

 Dalam teori peluang, eksperimen yang menjadi fokus pengamatan adalah

eksperimen random, karena eksperimen tersebut menghasilkan peristiwa
 (kejadian) yang belum pasti dan ketidakpastian akan melahirkan “peluang
atau kemungkinan”.
 Variabel Random (Acak) adalah semua kuantitas (bilangan) yang
diperoleh dari suatu eksperimen radom. Dalam matematika variabel
random dipandang sebagai fungsi bernilai real, yaitu fungsi dari bilangan
Real (R) ke bilangan Real dalam [0 , 1].

Contoh 3:
2 keping koin normal dilempar sekali. Misalkan koin tersebut memiliki sisi
Gambar (G) dan sisi Angka (A). Jika peristiwa yang diamati (variabel
random) adalah banyaknya sisi gambar yang terjadi, maka :
a. Tentukan semua peristiwa yang mungkin terjadi dari eksperimen
tersebut.
b. Tentukan nilai-nilai variabel random dari eksperimen tersebut.
c. Tentukan peluang semua nilai variabel random yang mungkin
d. Berapakah jumlah semua nilai peluang variabel random tersebut?

Solusi :
Misalkan X variabel random yang menyatakan banyaknya sisi gambar
yang terjadi.
Untuk mudahnya perhatikan tabel berikut

Peristiwa yang mungkin Nilai Peluang dari X

dapat terjadi Variabel {P(X = x)}
radom (X)
AA 0 1
4
AG 1 2 1
=
GA 1 4 2
GG 2 1
4
4

∑ (PX=x i)=1
i=1

a. Semua peristiwa yang mungkin {AA , AG , GA , GG}

b. Nilai-nilai dari variabel random X = {0 , 1 , 2 }
c. Peluang masing-masing nilai variabel random X adalah :
1 1 1
P ( X=0 )= ; P ( X=1 ) = ;P ( X =2 )=
4 2 4
 d. Jumlah semua nilai peluang variabel random X adalah
4

∑ ( PX =xi ) =P ( X=0 )+ P ( X =1 ) + P ( X=2 ) = 14 + 24 + 14 =1

i=1

 Perhatikan dari contoh ini :

1. P ( X =xi ) ≥ 0 untuk semua nilai x i
4

2. ∑ (PX=x i)=1 (jumlah semua nilai peluang para x i sama dengan 1).
i=1

Jika kedua syarat ini dipenuhi untuk semua variabel random X, maka
Distribusi Peluang dari X telah terbentuk dan disebut Fungsi
Probabilitas dari X yaitu distribusi banyaknya sisi Gambar (G) jika dua
keping koin dilempar sekali dan ditulis,

{
1
; x=0 ,2
4
P( X =x i)= ........................................... (*)
2 1
= ; x=1
4 2

 Persamaan (*) disebut Fungsi Probabilitas (Fungsi Padat Peluang) dari

variabel random X. Untuk menyederhanakan penulisan biasanya, P( X =x i)
ditulis p( x ¿¿ i) ¿.

 Defenisi : (X variabel random diskrit)

Misalkan X variabel random diskrit memiliki nilai-nilai x 1 , x 2 , x 3 ,… , x n
(biasanya ditulis X ={x 1 , x 2 , x 3 , … , x n }). Fungsi p(x ¿¿ i) ¿ disebut fungsi
probabilitas (fungsi peluang) dari X jika dan hanya jika kedua syarat
berikut dipenuhi, yaitu :
1. P ( X =xi ) = p(x i) ≥ 0 untuk semua nilai x i
n n
2. ∑ (PX=x i)=∑ p ( x ¿¿i)=1 ¿
i=1 i=1

 Defenisi : (X variabel random diskrit)

Nilai Harapan (Rata-rata) dari variabel random X ={x 1 , x 2 , x 3 , … , x n } dengan
n

fungsi probabilitas p( x i) adalah, E ( X ) =∑ x i p(x ¿¿ i)¿.

i=1
 Contoh 4:
Tentukan nilai rata-rata (ekspektasi) dari variabel random X dalam contoh
3
Solusi :

( 14 )+1( 24 )+2( 14 )=1 ¿.

3
E ( X ) =∑ x i p(x ¿¿ i)=0 Artinya, jika dua keping koin
i=1

normal dilempar sekali, maka secara teoritis rata-rata banyaknya sisi

gambar (G) yang muncul adalah 1 (sekali).
 Definisi : (X variabel random kontinu)
Misalkan X variabel random kontinu. Fungsi f (x) disebut fungsi
probabilitas (fungsi padat peluang) dari X jika dan hanya jika kedua syarat
berikut dipenuhi, yaitu :
1. f ( x)≥ 0 untuk semua nilai x ;
∞

2. ∫ f ( x ) dx=1.
−∞

 Jika X variabel random kontinu, maka nilai peluang terjadinya peristiwa

a ≤ X ≤ b digunakan formula,
b
P ( a ≤ X ≤ b )=∫ f ( x ) dx
a

dimana f ( x )adalah fungsi padat peluang (fungsi densitas) dari X dan

dibaca “peluang terjadinya peristiwa X yang terletak diantara a dan b
adalah integral f(x) terhadap x dari a sampai b”.

Contoh 5:
Menurut pengalaman lama masa pakai (X) bola lampu mengikuti fungsi
densitas eksponensial berikut,
−1
1 x
f ( x )= e 2
; x ≥ 0.
2
Tentukan peluang masa pakai bola lampu tersebut,
a. Antara 1 sampai 2 tahun
b. Lebih dari 3 tahun
c. Tentukan rata-rata lama masa pakai bola lampu tersebut.

Solusi :

[ ]1
2 −1 −1 −1 −1
1 x x ( 2) ( 1)
a. P ( 1≤ X ≤ 2 )=∫ e 2 dx= −e 2 2=−e 2 +e 2
1 2
¿−0,3679+0,6065=0,2386=23,86 %

dx=[−e ] ∞ =−0+ e
∞ −1 −1
1 x x
b. P ( 3≤ X ≤ ∞ )=∫ e 2 2 −1,5

3 2 3
¿ 0,2231=22,31 %

[ ] ∞0 =2
∞ −1 ∞ −1 −1
1 x x x
c. E ( X ) =∫ x e 2
dx=∫ e 2
dx= −2 e 2

0 2 0