Distribusi Probabilitas Diskret

DISTRIBUSI PROBABILITAS DISKRET
1
Distribusi Probabilitas Diskret
BAGIAN II Probabilitas dan

Teori Keputusan
Pengertian Distribusi
Probabilitas
Konsep-konsep Dasar
Probabilitas Distribusi Probabilitas Binomial
Distribusi Probabilitas
Diskret
Hipergeometrik
Distribusi Probabilitas Poisson

Distribusi Normal
Menggunakan MS Excel untuk
Teori Keputusan
2
PENDAHULUAN
Definisi:
• Distribusi probabilitas adalah sebuah susunan distribusi yang
mempermudah mengetahui probabilitas sebuah peristiwa.
• Merupakan hasil dari setiap peluang peristiwa.
• Sebuah daftar dari keseluruhan hasil suatu percobaan kejadian
yang disertai dengan nilai probabilitas masing-maing hasil(event)
Contoh Kasus:
• Berapa peluang meraih untung dari investasi di reksa dana
• Berapa banyak barang harus dikirim, apabila selama
perjalanan barang mempunyai probabilitas rusak
• Berapa peluang karyawan bekerja lebih baik esok hari 3
CONTOH
Ada 3 nasabah akan menabung di bank, terdapat 2 bank yaitu BCA dan
BNI di suatu tempat, Ketiga nasabah tersebut bebas memilih bank, bisa di
BCA semua, BCA dan BNI atau BNI semua
Berikut kemungkinan dari ketiga orang tersebut :
Kemungkinan Nasabah Jumlah Pemilih BNI

Pilihan 1 2 3
1 BCA BCA BCA 0

2 BCA BCA BNI 1
3 BCA BNI BCA 1
4 BCA BNI BNI 2
5 BNI BCA BCA 1
6 BNI BCA BNI 2
7 BNI BNI BCA 2
8 BNI BNI BNI 3 4
CONTOH
Jumlah BNI dipilih Jumlah Total Distribusi Probabilitas
Nasabah Frekuensi Kemungkinan Hasil P ( r )
0 1 8 1/ 8 0.125
1 3 8 3/ 8 0.375
2 3 8 3/ 8 0.375
3 1 8 1/ 8 0.125
Jumlah Total Distribusi Probabilitas 1
5
VARIABEL ACAK
Variabel acak
Sebuah ukuran atau besaran yang merupakan hasil suatu
percobaan atau kejadian yang terjadi acak atau untung-
untungan dan mempunyai nilai yang berbeda-beda.
Variabel acak diskret Variabel acak kontinu

Ukuran hasil percobaan Ukuran hasil percobaan
yang mempunyai nilai yang mempunyai nilai yang
tertentu dalam suatu menempati seluruh titik
interval. dalam suatu interval.
6
Variabel Acak
◼ VARIABEL ACAK :Suatu fungsi yang menghubungkan
sebuah bilangan real dengan setiap unsur dalam ruang
sampel
Contoh
Sepasang suami istri, mereka mempunyai 3 orang anak
Variabel X didefinisikan " banyaknya anak perempuan "
A1 A2 A3
L L L Nilai Variabel Acak
P L L Ruang Sampel (X =x) P(X = x)
L P L
L L P LLL 0 1/8
L P P
PLL LPL LLP 1 3/8
P L P
P P L LPP PLP PPL 2 3/8
P P P PPP 3 1/8
X menyatakan variabel acaknya X = { 0,1,2,3} 7

x menyatakan Nilai variabel acaknya x = 0 x = 1 x = 2 x= 3
Variabel Acak
Distribusi peluang Variabel Acak
1. Tabel
x 0 1 2 3
f(x) 1/8 3/8 3/8 1/8
2. Fungsi 3 Grafik
0 untuk x lainnya
f(x) = 1/8 untuk x = 0 atau x= 3
3/8 untuk x = 1 atau x= 2
Yang perlu diperhatikan

1. Nilai peluang selalu ≤ 1 0 ≤ f(x) ≤ 1 8
2. Jumlah semua f(x) = 1

Distribusi Kumulatif
9
10
11
RATA-RATA HITUNG, VARIANS, DAN
STANDAR DEVIASI
• Rata-rata Hitung = E(X) = (X.P(X))
 : Nilai rata-rata hitung distribusi probabilitas

E(x) : Nilai harapan ( ecpected value )
X : Kejadian
P(X) : Probabilitas suatu kejadian X
 : Lambang operasi penjumlahan
12
STANDAR DEVIASI
Contoh.
Hitunglah nilai rata-rata pada kasus pilihan tiga nasabah
atas BNI pada contoh sebelumnya
X P (X) X. P(X)
0 0.125 0
1 0.375 0.375
2 0.375 0.750
3 0.125 0.375
Jumlah 1.500
13
STANDAR DEVIASI
• Varians ²= (X - )² .P(X)
• Standar Deviasi =  ²
² : Varians
 : Standar Deviasi
X : Nilai suatu Kejadian
 : Nilai rata-rata hitung distribusi probabilitas
P(X) : Probabilitas suatu kejadian X
 : Lambang operasi penjumlahan
14
STANDAR DEVIASI
Hitunglah standar deviasi pada sebelumnya

(contoh 8.2) untuk distribusi probabilitas pilihan
nasabah
15
RATA-RATA HITUNG, VARIANS DAN

STANDAR DEVIASI
X P(X) X.P(X) X-  (X- )2 (X- )2P(X)
0 0,125 0,000 -1,50 2,25 0,28
1 0,375 0,375 -0,50 0,25 0,09
2 0,375 0,750 0,50 0,25 0,09
3 0,125 0,375 1,50 2,25 0,28
= 1,500 2 = 0,75
Standar deviasi =  = 2 =0,75 = 0,87
Ini menunjukan bahwa standar penyimpangan dari nilai tengahnya 16

adalah 0.87

Teori Keputusan
Probabilitas
Konsep-konsep Dasar
Diskret
Hipergeometrik

Distribusi Normal
Teori Keputusan
17
DISTRIBUSI PROBABILITAS BINOMIAL
Ciri-ciri Percobaan Bernouli:
• Setiap percobaan menghasilkan dua kejadian:

(a) kelahiran anak: laki-laki-perempuan;
(b) transaksi saham: jual- beli,
(c) perkembangan suku bunga: naik–turun dan lain-lain.
• Probabilitas suatu kejadian untuk sukses atau gagal adalah tetap

untuk setiap kejadian. P(p), peluang sukses, P(q) peluang gagal,
dan P(p) + P(q)= 1.
• Suatu percobaan dengan percobaan bersifat bebas.
• Data yang dihasilkan adalah data perhitungan.
18
DISTRIBUSI PROBABILITAS BINOMIAL
Rumus distribusi probabilitas binomial:
atau
Dimana:
P(r) : Nilai probabilitas binomial
p : Probabilitas sukses suatu kejadian dalam setiap percobaan
r : Banyaknya peristiwa sukses suatu kejadian untuk keseluruhan
percobaan
n : Jumlah total percobaan
q : Probabilitas gagal suatu kejadian yang diperoleh dari q = 1-p
! : Lambang faktorial
19
CONTOH DISTRIBUSI BINOMIAL
PT MJF mengirim buah melon ke super market. Buah yang dikirim

90% diterima dan sisanya ditolak. Setiap hari 15 buah dikirim ke
super market. Berapa peluang 15 dan 13 buah diterima?
Hitung probabilitas 10 buah diterima???
Jawab:
P(p) = 0,9 dan P(q) = 1-0,9 = 0,1 n = 15
P(15) = [15!/(15!(15-15)!] 0,9150,10 = 0,206

P(13) = [15!/(13!(15-13)!] 0,9130,12 = 0,267
P(10) = [15!/(10!(15-10)!] 0,9100,15 = 0,0105
Untuk mencari nilai distribusi binomial dapat menggunakan tabel

distribusi binomial dengan n=15; di mana X =15, dan X = 13, X =
10 dengan P(p)= 0,9 dan dapat diperoleh nilai 0,206 ; 0,267 dan
0.0105 20
CONTOH DISTRIBUSI BINOMIAL
Contoh tabel distribusi binomial pada n = 15, p = 0.9
N = 15
Probability
X 0.05 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 0.95
0 0.463 0.206 0.035 0.005 0.000 0.000 0.000 0.000 0.000 0.000 0.000
1 0.366 0.000
2 0.135 0.000
3 0.031 0.000
4 0.005 0.000
5 0.001 0.000
6 0.000 0.000
7 0.000 0.000
8 0.000 0.000
9 0.000 0.002
10 0.000 0.010
11 0.000 0.043
12 0.000 0.129
13 0.000 0.267
14 0.000 0.343
15 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.005 0.035 0.206 0.463
21
CONTOH DISTRIBUSI BINOMIAL KUMULATIF
PT GRJ merupakan perusahaan garmen di Bogor. GRJ mengirikan baju ke berbagai

Dep Store dengan system lusinan ( berisi 6 baju ), dengan pengawasan ketat,
terdapat 95 % kemungkinan baju sesuai standar (tidak cacat)
Berapa probabilitas tepat 5 baju tidak cacat dan berapa probabilitas 5 baju atau
kurang tidak cacat
22
OUTLINE

Teori Keputusan
Probabilitas
Konsep-konsep Dasar
Diskret
Hipergeometrik

Distribusi Normal
Teori Keputusan
23
DISTRIBUSI HIPERGEOMETRIK
• Dalam distribusi binomial diasumsikan bahwa peluang suatu

kejadian tetap atau konstan atau antar-kejadian saling
lepas.
• Dalam dunia nyata, jarang terjadi hal demikian. Suatu

kejadian sering terjadi tanpa pemulihan dan nilai setiap
kejadian adalah berbeda atau tidak konstan.
• Distribusi dengan tanpa pemulihan dan probabilitas berbeda

adalah Distribusi Hipergeometrik.
24
Rumus nilai Distribusi Hipergeometrik:
( s C r x ( N −s C n −r )
P( r ) =
N
Cn
Dimana:
P(r) : Probabilitas hipergeometrik dengan kejadian r sukses
N : Jumlah populasi
S : Jumlah sukses dalam populasi
r : Jumlah sukses yang menjadi perhatian
n : Jumlah sampel dari populasi
C : Simbol Kombinasi
25
CONTOH DISTRIBUSI HIPERGEOMETRIK
Ada 33 perusahaan di BEJ akan memberikan deviden dan

20 di antaranya akan membagikan dividen di atas
100/lembar. Bapepam sebagai pengawas pasar saham
akan melakukan pemeriksaan dengan mengambil 10
perusahaan. Berapa dari 10 perusahaan tersebut, 5
perusahaan akan membagikan saham di atas
100/lembarnya?
Jawab:
N = 33 S= 20 n=10 r=5
P(r) = [(20C5) x (33- 20C10 -5)]/ (33C10) = 0,216

26
OUTLINE

Teori Keputusan
Probabilitas
Konsep-konsep Dasar
Diskret
Hipergeometrik

Distribusi Normal
Teori Keputusan
27
DISTRIBUSI POISSON
• Dikembangkan oleh Simon Poisson
• Poisson memperhatikan bahwa distribusi binomial sangat

bermanfaat dan dapat menjelaskan dengan baik, namun
untuk n di atas 50 dan nilai P(p) sangat kecil akan sulit
mendapatkan nilai binomialnya.
28
DISTRIBUSI POISSON
• Rumus:
Dimana:
P(X) : Nilai Probabilitas distribusi Poisson
 : Rata-rata hitung dari jumlah nilai sukses; dimana  = n.p
e : Bilangan konstan = 2.71828
X : Jumlah nilai sukses
P : Probabilitas sukses suatu kejadian
! : Lambang faktorial
Ciri distribusi poisson yaitu

 = n.p <= 5 dan p <= 0.1
atau N > 50 dan p kecil <=0.1 29
CONTOH DISTRIBUSI POISSON
Jumlah emiten di BEJ ada 150 perusahaan. Akibat krisis ekonomi,

peluang perusahaan memberikan deviden hanya 0,1. Apabila BEJ
meminta secara acak 5 perusahaan, berapa peluang ke-5
perusahaan tersebut akan membagikan dividen?
Jawab:
n = 150 X=5 p=0,1 =n.p =150 x 0,1 = 15
P(X) = 155 2,71828-15 / 5! = 0.232 / 150 = 0,002
Untuk mendapatkan nilai distribusi Poisson, dapat digunakan tabel

distribusi Poisson. Carilah Nilai  = 15 dan nilai X = 5, maka akan
didapat nilai 0,002
30
CONTOH DISTRIBUSI POISSON
X 1 1.5 2 2.5 3 4 5 6 7 8 9 10 15 20 25
0 0.368 0.223 0.135 0.082 0.050 0.018 0.007 0.002 0.001 0.000 0.000 0.000 0.000 0.000 0.000
1 0.368 0.000
2 0.184 0.000
3 0.061 0.000
4 0.015 0.001
5 0.003 0.002
6 0.001 0.005
7 0.000 0.010
8 0.000 0.019
9 0.000 0.032
10 0.000 0.049
31
Membedakan Binomial, Poisson dan
Hipergeometirk
Distribusi Binomial
Ciri – ciri :
➢ Tiap percobaan memiliki 2 hasil : Sukses (p) dan
gagal (1-p)
➢ Probabilitas sukses tiap percobaan harus sama
➢ Tiap percobaan bersifat bebas
➢ Jumlah percobaan harus tertentu
32
Hipergeometirk
Distribusi Poisson
Distribusi peristiwa yang jarang terjadi karena
n (banyaknya percobaan) sangat besar,
sedangkan probabilitas sukses (p) sangat kecil
33
Hypergeometrik
Distribusi Hypergeometrik
Ciri – Ciri
➢ Tanpa pengembalian Obyek
➢ Sebuah sampel acak (n) dipilih dari populasi ukuran

(N)
34
OUTLINE

Teori Keputusan
Probabilitas
Konsep-konsep Dasar
Diskret
Hipergeometrik

Distribusi Normal
Teori Keputusan
35
MENGGUNAKAN MS EXCEL UNTUK

DISTRIBUSI BINOMIAL
1. Anda klik icon fx atau anda klik icon insert dan pilih fx
function.
2. Anda pilih menu statistical pada function category
3. Anda pilih menu Binomdist pada function name, Anda
tekan OK.
4. Setelah anda tekan OK pada langkah ke-3, maka akan
keluar kotak dialog seperti berikut:
BINOMDIST
Number_s : ………… (masukkan nilai X)
Trials : ……….. (masukkan nilai n)
Probability : ………… (masukkan nilai p)
Cumulative: ………… (tulis kata False)
Nilai P(r) akan muncul pada baris Formula result atau
tanda (=) 36
37
38
Distribusi Probabilitas Diskret Bab 8
MENGGUNAKAN MS EXCEL UNTUK
• Klik icon fx atau klik icon insert dan pilih fx function

• Pilih menu statistical pada function category
• Pilih menu HYPGEOMDIST pada function name, tekan OK
• Setelah tekan OK pada langkah ke-3, maka akan keluar kotak
dialog seperti berikut
HYPGEOMDIST
Sampel_s : ………… (masukkan nilai r)
Number_sampel : ……….. (masukkan nilai n)
Population_s : ………… (masukkan nilai S)
Number_pop : ………… (masukkan nilai N)
• Nilai P(r) akan muncul pada baris Formula result atau tanda (=)
39
40
41
Distribusi Probabilitas Diskret Bab 8
MENGGUNAKAN MS EXCEL UNTUK DISTRIBUSI

POISSON
• Klik icon fx atau anda klik icon insert dan pilih fx function
• Pilih menu statistical pada function category
• Pilih menu POISSON pada function name, tekan OK
• Setelah tekan OK pada langkah ke-3, maka akan keluar kotak
dialog seperti berikut:
POISSON
X : ………… (masukkan nilai x)
Mean : ……….. (masukkan nilai )
Cumulative : ………… (tulis FALSE)
• Nilai P(X) akan muncul pada baris Formula result atau tanda (=)
42
43
44
TERIMA KASIH
45

Distribusi Probabilitas Diskret

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Distribusi Probabilitas Diskret

Diunggah oleh

Hak Cipta:

Format Tersedia

DISTRIBUSI PROBABILITAS DISKRET

BAGIAN II Probabilitas dan

Distribusi Probabilitas Poisson

Kemungkinan Nasabah Jumlah Pemilih BNI

1 BCA BCA BCA 0

Jumlah BNI dipilih Jumlah Total Distribusi Probabilitas

Nasabah Frekuensi Kemungkinan Hasil P ( r )

Variabel acak diskret Variabel acak kontinu

X menyatakan variabel acaknya X = { 0,1,2,3} 7

f(x) = 1/8 untuk x = 0 atau x= 3

3/8 untuk x = 1 atau x= 2

Yang perlu diperhatikan

2. Jumlah semua f(x) = 1

• Rata-rata Hitung = E(X) = (X.P(X))

 : Nilai rata-rata hitung distribusi probabilitas

• Varians ²= (X - )² .P(X)

Hitunglah standar deviasi pada sebelumnya

RATA-RATA HITUNG, VARIANS DAN

X P(X) X.P(X) X-  (X- )2 (X- )2P(X)

0 0,125 0,000 -1,50 2,25 0,28

1 0,375 0,375 -0,50 0,25 0,09

2 0,375 0,750 0,50 0,25 0,09

3 0,125 0,375 1,50 2,25 0,28

Standar deviasi =  = 2 =0,75 = 0,87

Ini menunjukan bahwa standar penyimpangan dari nilai tengahnya 16

BAGIAN II Probabilitas dan

Distribusi Probabilitas Poisson

DISTRIBUSI PROBABILITAS BINOMIAL

Ciri-ciri Percobaan Bernouli:

• Setiap percobaan menghasilkan dua kejadian:

• Probabilitas suatu kejadian untuk sukses atau gagal adalah tetap

• Suatu percobaan dengan percobaan bersifat bebas.

• Data yang dihasilkan adalah data perhitungan.

DISTRIBUSI PROBABILITAS BINOMIAL

Rumus distribusi probabilitas binomial:

CONTOH DISTRIBUSI BINOMIAL

PT MJF mengirim buah melon ke super market. Buah yang dikirim

P(15) = [15!/(15!(15-15)!] 0,9150,10 = 0,206

Untuk mencari nilai distribusi binomial dapat menggunakan tabel

CONTOH DISTRIBUSI BINOMIAL

Contoh tabel distribusi binomial pada n = 15, p = 0.9

CONTOH DISTRIBUSI BINOMIAL KUMULATIF

PT GRJ merupakan perusahaan garmen di Bogor. GRJ mengirikan baju ke berbagai

BAGIAN II Probabilitas dan

Distribusi Probabilitas Poisson

• Dalam distribusi binomial diasumsikan bahwa peluang suatu

• Dalam dunia nyata, jarang terjadi hal demikian. Suatu

• Distribusi dengan tanpa pemulihan dan probabilitas berbeda

Rumus nilai Distribusi Hipergeometrik:

CONTOH DISTRIBUSI HIPERGEOMETRIK

Ada 33 perusahaan di BEJ akan memberikan deviden dan

P(r) = [(20C5) x (33- 20C10 -5)]/ (33C10) = 0,216

BAGIAN II Probabilitas dan

Distribusi Probabilitas Poisson

• Dikembangkan oleh Simon Poisson

• Poisson memperhatikan bahwa distribusi binomial sangat

Ciri distribusi poisson yaitu

CONTOH DISTRIBUSI POISSON

Jumlah emiten di BEJ ada 150 perusahaan. Akibat krisis ekonomi,

P(X) = 155 2,71828-15 / 5! = 0.232 / 150 = 0,002

Untuk mendapatkan nilai distribusi Poisson, dapat digunakan tabel

CONTOH DISTRIBUSI POISSON

➢ Tiap percobaan bersifat bebas

➢ Jumlah percobaan harus tertentu