Chapter 2

PowerPoint® Slides
KULIAH STATISTIKA II
ALI AKBAR, S.E., M.Si.
Fakultas Ekonomi dan Bisnis Universitas Baturaja
Variabel Random
• Variabel random adalah suatu kondisi yang menunjukkan bahwa nilai
terjadinya suatu peristiwa ditentukan oleh proses kebetulan, bukan
dikendalikan oleh peneliti.
• Variabel random atau variabel acak merupakan variabel yang nilai-
nilainya ditentukan oleh kesempatan atau variabel yang dapat bernilai
numerik yang didefinisikan dalam suatu ruang sampel. Misalnya,
pelemparan sebuah dadu sebanyak 6 kali maka munculnya angka 1
sebanyak 0, 1, 2, 3, 4, 5, atau 6 kali merupakan suatu kesempatan.

Variabel random ada dua yaitu:

1. Variabel random diskrit
2. Variabel random kontinu
Chapter 2 Distribusi Teoritis 2
 Contoh :
3

 S = {BBB, BBC, BCB, CBB, BCC, CBC, CCB,

CCC}
dengan B menunjukkan “tanpa cacat (baik)”
dan C menunjukkan “cacat”.
 Variabel random X yang menyatakan jumlah
barang yang cacat pada saat tiga komponen
elektronik diuji, maka ditulis X = 0, 1, 2, 3.

Chapter 2 Distribusi Teoritis 3

Variabel random diskrit adalah variabel random yang tidak
mengambil seluruh nilai yang ada dalam sebuah interval, atau
variabel yang hanya memiliki nilai tertentu yang besarannya
tidak dapat menempati semua nilai diantara dua titik, sehingga
nilainya merupakan bilangan bulat dan asli, tidak berbentuk
pecahan.

Variabel random diskrit jika digambarkan pada sebuah garis

interval, akan berupa sederetan titik-titik yang terpisah.

0 1 2 3 4 5 6
Contoh :
Data hasil pencacahan, misalnya
banyaknya anak pada sebuah keluarga dapat
berjumlah 1,2,3 orang dan seterusnya, tetapi tidak
mungkin berjumlah 2,7 atau 1,5.
Chapter 2 Distribusi Teoritis 4
 Variabel random diskrit:
5

 Jika suatu ruang sampel berisi sejumlah

kemungkinan terhingga atau urutan yang tidak
terbatas dengan unsur sebanyak bilangan bulat,
maka ruang sampel ini disebut Ruang Sampel
Diskrit, dan variabel random yang didefinisikan
disebut Variabel Random Diskrit.

Chapter 2 Distribusi Teoritis 5

 Variabel random diskrit:
6

PERCOBAAN VARIABEL
KEMUNGKINAN
RANDOMNILAI VARIABEL
RANDOM
Penjualan Mobil Jenis Kelamin 0 = Jika laki-laki
Pembeli 1 = Jika Wanita
Penelitian Terhadap Jumlah Produk yang 0,1,2,3,...,50
50 Produk Baru Rusak
Pencatatan Jumlah Pengunjung 0,1,2,3,....dst
Pengunjung Restoran
Pada Suatu Hari

Chapter 2 Distribusi Teoritis 6

Variabel random kontinu adalah variabel random yang mengambil seluruh
nilai yang ada dalam sebuah interval. Variabel random kontinu jika
digambarkan pada sebuah garis interval, akan berupa sederetan titik yang
bersambung membentuk suatu garis lurus sebagai berikut.

0 6

(Nilai variabel random kontinu dapat terjadi di mana pun dalam interval itu.)
Maka Variabel random kontinyu dapat dinyatakan dalam sembarang nilai
yang terdapat dalam interval tertentu sehingga nilainya bisa berupa bilangan
bulat maupun pecahan atau pengukurannya dapat dibagi dalam bagian-
bagian yang tak terhingga.
Contoh :
Data pengukuran ; umur, panjang dan lain-lain,
misalnya umur orang 3.5 tahun, 3 tahun dsb.

Chapter 2 Distribusi Teoritis 7

 Variabel random kontinu:
8

 Jika suatu ruang sampel berisi sejumlah kemungkinan

terhingga atau urutan yang tidak terbatas dengan
unsur sebanyak bilangan pecahan atau desimal,
maka ruang sampel ini disebut Ruang Sampel
Kontinue, dan variabel random yang didefinisikan
disebut Variabel Random Kontinu.

Chapter 2 Distribusi Teoritis 8

 Variabel random kontinu:
9

PERCOBAAN VARIABEL KEMUNGKINAN

RANDOM NILAI VARIABEL
RANDOM
Isi Botol minuman Jumlah milimeter 0 <= X <= 600
jadi (max=600 ml)

Penimbangan 20 Berat sebuah paket 0 <= X <= 2

paket kemasan kesaman (kg)
(max = 2 kg)
Jarak Bogor- Ukuran km 80 km; 80,5 km ;
Jakarta 80, 57 km

Chapter 2 Distribusi Teoritis 9

 PERBEDAAN VARIABEL DISKRIT DAN
VARIABEL KONTINYU
 Variabel diskrit adalah:
- Variabel yang merupakan bilangan bulat dan
jumlahnya terbatas
- Variabel yang merupakan hasil penghitungan
 Variabel kontinyu adalah:
- Variabel yang terdiri dari nilai-nilai yang terletak
dalam interval tertentu, bisa berupa bilangan bulat
maupun pecahan.
- Variabel yang merupakan hasil pengukuran.

Chapter 2 Distribusi Teoritis 10

 Distribusi Peluang (Probabilitas)
11

 Kunci aplikasi probabilitas dalam statistik adalah

memperkirakan terjadinya peluang/probabilitas yang
dihubungkan dengan terjadinya peristiwa tersebut
dalam beberapa keadaan.
 Jika kita mengetahui keseluruhan probabilitas dari
kemungkinan outcome yang terjadi, seluruh probabilitas
kejadian tersebut akan membentuk suatu distribusi
probabilitas.
 Distribusi probabilitas adalah sebuah susunan distribusi
yang mempermudah mengetahui probabilitas sebuah
peristiwa.

Chapter 2 Distribusi Teoritis 11

Distribusi Teoritis atau distribusi probabilitas teoritis adalah
suatu daftar yang disusun berdasarkan probabilitas dari
peristiwa-peristiwa bersangkutan, atau merupakan hasil
dari setiap peluang peristiwa.

Frekuensi dari distribusi itu diperoleh melalui perhitungan-perhitungan,

karena itu distribusi teoritis dapat pula diartikan sebagai distribusi
yang frekuensinya diperoleh secara matematis (perhitungan).

Distribusi Probabilitas teoritis terbentuk dengan memasukkan

kemungkinan-kemungkinan peristiwa ke dalam frekuensi untuk
memudahkan mengetahui gejala-gejala yang terjadi pada sampel
frekuensi relatif.

Chapter 2 Distribusi Teoritis 12

 Ada dua mata uang logam dilempar secara bersama-sama ke atas,
maka akan ada beberapa kemungkinan peristiwa yang akan muncul.
Mata uang loga mempunyai dua sisi yaitu sisi gambar (G) dan sisi angka
(A).
Berikut ini hasil kemungkinan peristiwa yang muncul:
Muncul Frekuensi Keluar A Frekuensi A Probabilitas

AA 1 0 1 ¼

AG 1 1 2 2/4
GA 1 2 1 ¼

GG 1

-Distribusi frekuensi relatif tidak muncul sisi A = ¼ = probabilitas

-Distribusi frekuensi relatif muncul sisi A satu kali = 2/4 = probabilitas
-Distribusi frekuensi relatif muncul sisi A dua kali = ¼ = probabilitas

Chapter 2 Distribusi Teoritis 13

Sebuah mata uang logam dengan permukaan I = A dan permukaan II
= B dilemparkan ke atas

sebanyak 3 kali. Buatkan distribusi teoritisnya dan gambarkan

grafiknya!

Penyelesaian:

Dari pelemparan tersebut akan diperoleh ruang sampel dengan

anggota sebanyak 8 (n = 8), yaitu:

S = {AAA, AAB, ABA, ABB, BAA, BAB, BBA, BBB}

Chapter 2 Distribusi Teoritis 14

Jika X merupakan jumlah munculnya permukaan I (A) maka:
1.untuk AAA, didapat X = 3
2.untuk AAB, didapat X = 2
3.untuk ABA, didapat X = 2
4.untuk ABB, didapat X = 1
5.untuk BAA, didapat X = 2
6.untuk BAB, didapat X = 1
7.untuk BBA, didapat X = 1
8.untuk BBB, didapat X = 0

Dengan demikian: X = {0, 1, 2, 3} dimana n(S) = 8, n(0) = 1, n(1) =

3, n(2) = 3, dan n(3) = 1

Chapter 2 Distribusi Teoritis 15

Jika setiap nilai X dicari nilai probabilitasnya, maka distribusi
teoritisnya adalah sebagai berikut.

Untuk X = 0, maka P(X) = n(0) = 1 = 0,125

n(S) 8

Untuk X = 1, maka P(X) = n(1) = 3 = 0,375

n(S) 8

Untuk X = 2, maka P(X) = n(2) = 3 = 0,375

n(S) 8

Untuk X = 3, maka P(X) = n(3) = 1 = 0,125

n(S) 8

Chapter 2 Distribusi Teoritis 16

Tabel hasil pelemparan
sebuah mata uang logam
Grafik batangnya adalah
sebanyak 3 kali

X P(X) 0,4

0,35
0 0,125
0,3
1 0,375
0,25
2 0,375 0,2

3 0,125 0,15

Jumlah 1,000 0,1

0,05

0
0 1 2 3

Chapter 2 Distribusi Teoritis 17

 PERBEDAAN DISTRIBUSI TEORITIS
DENGAN DISTRIBUSI FREKWENSI

 Distribusi teoritis adalah distribusi yang

frekwensinya diturunkan secara matematis
 Pada distribusi frekwensi, frekwensinya diperoleh
dari hasil observasi / pengamatan.
 Perbedaan antara distribusi teoritis dan distribusi
frekwensi dapat dilihat pada tabel hasil observasi
pelemparan sebuah mata uang sebanyak 100 kali.

Chapter 2 Distribusi Teoritis 18

DISTRIBUSI TEORITIS
Sisi mata percobaan percobaan percobaan percobaan
uang 1 2 3 4

Sisi
54 61 59 41
gambar

Sisi tulisan 46 39 41 59

Jumlah
100 100 100 100
percobaan

Chapter 2 Distribusi Teoritis 19

DISTRIBUSI TEORITIS

Sisi mata uang probabilita Frekwensi

teoritis
Sisi gambar 1/2 1/2 x 100 = 50
Sisi tulisan 1/2 1/2 x 100 = 50
Jumlah 100

Chapter 2 Distribusi Teoritis 20

 Manfaat mempelajari distribusi teoritis

 Dengan mempelajari distribusi teoritisnya, maka kita

menjadi tahu pola distribusi frekwensinya.
 Contoh:
Pengusaha rumah makan perlu mengetahui pola
selera makan yang digemari para langganannya,
dengan melihat pengalaman masa lalu.
Dengan demikian pengusaha tersebut dapat
menyesuaikan persediaan barang – barangnya.

Chapter 2 Distribusi Teoritis 21

 MACAM DISTRIBUSI TEORITIS

Yang termasuk distribusi probabilitas

diskrit adalah:
• Distribusi Binomial
• Distribusi Poisson
Sedang untuk distribusi probabilitas
kontinue adalah :
• Distribusi Normal.

Chapter 2 Distribusi Teoritis 22

 Distribusi Binomial
(Distribusi Probabilitas Diskrit)
23

 Penemu Distribusi Binomial adalah James

Bernaulli sehingga dikenal sebagai Distribusi
Bernaulli.
 Menggambarkan fenomena dengan dua hasil

atau outcome. Contoh: peluang sukses dan

gagal,sehat dan sakit, dsb.

Chapter 2 Distribusi Teoritis 23

 Syarat Distribusi Binomial
24

 Jumlah trial merupakan bilangan bulat. Contoh

melambungkan coin 2 kali, tidak mungkin 2 ½
kali.
 Setiap percobaan (trial) harus bersifat
independen / saling bebas
 Setiap eksperiman mempunyai dua outcome
(hasil).
Contoh: sukses/gagal, laki/perempuan,
sehat/sakit, setuju/tidaksetuju.
Chapter 2 Distribusi Teoritis 24
 Syarat Distribusi Binomial
25

 Peluang sukses sama setiap eksperimen.

 Contoh: Jika pada lambungan pertama peluang
keluar mata H/sukses adalah ½, pada lambungan
seterusnya juga ½. Jika sebuah dadu, yang
diharapkan adalah keluar mata lima, maka
dikatakan peluang sukses adalah 1/6, sedangkan
peluang gagal adalah 5/6.
 Untuk itu peluang sukses dilambangkan p,
sedangkan peluang gagal adalah (1-p) atau biasa
juga dilambangkan q, di mana q = 1-p.
Chapter 2 Distribusi Teoritis 25
 Distribusi Binomial
26

 Banyaknya X sukses dalam n pengulangan

suatu percobaan bernoulli disebut sebagai
variabel random Binomial, sedangkan
distribusi probabilitasnya disebut distribusi
Binomial dan nilainya dinyatakan sebagai :
b(x|n,p) dimana x = 1, 2, …, n
 n  x nx
b( x; n, p )   p q
 x
 
Chapter 2 Distribusi Teoritis 26
 Distribusi Binomial
27

P(X = x) = b (x | n, p ) = nCx . px . qn-x

n!
n Cx 
dimana : x! (n  x)!
nCx = koefisien binomial
x = banyaknya peristiwa sukses.
n = banyaknya percobaan.
p = probabilitas peristiwa sukses
q = 1 – p ( probabilitas peristiwa gagal)
Chapter 2 Distribusi Teoritis 27
 Rata-rata, Varians, dan Simpangan Baku
Distribusi Binomial.

 Rata-rata (  ) = n . p

 Varians ( 2) = n . p . q

 Simpangan Baku () = n .p .q

Chapter 2 Distribusi Teoritis 28

 Contoh soal Distribusi Binomial
29

Probabilitas seorang bayi tidak di imunisasi

polio adalah 0,2 (p). Pada suatu hari di
Puskesmas “X” ada 4 orang bayi.
Hitunglah peluang dari bayi tersebut 2
orang belum imunisasi polio. Jadi, di
dalam kejadian binomial ini dikatakan b
(x=2, n=4, p=0,2)  b (2| 4; 0,2)

Chapter 2 Distribusi Teoritis 29

 Penyelesaian Contoh Soal
30

 Katakanlah bayi tersebut A,B,C,D. Dua orang tidak

diimunisasi mungkin adalah A&B, A&C, A&D, B&C,
B&D, C&D.
 Rumus untuk b (x | n,p) adalah

Chapter 2 Distribusi Teoritis 30

 Penyelesaian dengan Tabel
31
Binomial
 Caranya adalah dengan menentukan n. misalnya dari
contoh soal adalah 4, dilihat pada kolom pertama
kolom kedua adalah kemungkinan x, dalam
permasalahan ini adalah x=2.
 p dilihat pada baris paling atas dalam hal ini p=0,2,
ditarik garis dari p= 0,2 sampai ke n = 4dan x = 2,
ditabel didapatkan 0,973.
 Ini adalah peluang kumulatif dari p (x=0) + p (x=1) +
p (x=2). Jadi kalau mau mendapatkan p(x=2) saja,
maka 0,973-0,819 = 0,154

Chapter 2 Distribusi Teoritis 31

 Soal Latihan 1
32

 Probabilitas bahwa seorang pasien sembuh

dari penyakit darah yang langka adalah 0,4.
Bila 15 orang diketahui telah terkena penyakit
ini, berapakah probabilitas :
 Paling sedikit 10 orang yang selamat
 Dari 3 sampai 8 orang yang selamat
 Tepat 5 orang yang selamat
 Hitung rata-rata dan variansinya

Chapter 2 Distribusi Teoritis 32

 Distribusi Poisson
(Distribusi Probabilitas Diskrit)
33

 Dalam mempelajari distribusi Binomial kita dihadapkan

pada probabilitas variabel random diskrit (bilangan bulat)
yang jumlah trial nya kecil (daftar binomial), sedangkan jika
dihadapkan pada suatu kejadian dengan p kecil sekali
dan menyangkut kejadian yang luas n besar sekali maka
digunakan distribusi Poisson.
 Distribusi Poisson  dipakai untuk menentukan peluang
suatu kejadian yang jarang terjadi, tetapi mengenai
populasi yang luas atau area yang luas dan juga
berhubungan dengan waktu.

Chapter 2 Distribusi Teoritis 33

 Distribusi Poisson
34

 Jumlah X dari keluaran yang terjadi selama

satu percobaan Poisson disebut Variabel
random Poisson, dan distribusi
probabilitasnya disebut distribusi Poisson.
 Bila x menyatakan banyaknya sukses yang
terjadi ,  adalah rata-rata banyaknya sukses
yang terjadi dalam interval waktu atau
daerah tertentu, dan e = 2,71828 , maka
rumus distribusi Poisson adalah :
Chapter 2 Distribusi Teoritis 34
 Rumus Distribusi Poisson
26

x e 
Pr( x ) 
x!

Dimana :
 = rata-rata distribusi
x = 0, 1, 2, 3, …., n
e = konstanta 2, 71828

Chapter 2 Distribusi Teoritis 35

 Rata-rata, Varians, dan Simpangan
baku distribusi Poisson
36

 Rata-rata:
E(X) =  =  = n . p =  2
 Varians:
E(X - )2 =  2 = n . p = 
 Simpangan Baku :
== n.p
Chapter 2 Distribusi Teoritis 36
 Contoh Soal Distribusi Poisson
37

 Diketahui probabilitas untuk terjadi shock pada

saat imunisasi dengan vaksinasi meningitis adalah
0,0005. Kalau di suatu kota jumlah orang yang
dilakukan vaksinasi sebanyak 4000. Hitunglah
peluang tepat tiga orang akan terjadi shock!
 Penyelesaian:
μ = λ= n.p = 4000 x 0,0005 = 2

Chapter 2 Distribusi Teoritis 37

 Penyelesaian dengan tabel Distribusi
38
Poisson
 Baris = μ = λ
 Kolom = x

 P (x=3) = 0,857 -0,677 = 0,180

Chapter 2 Distribusi Teoritis 38

 Soal Latihan 2
39

 Di suatu simpang jalan rata-rata terjadi 6

kecelakaan sebulan, maka hitunglah probabilitas :
 Pada suatu bulan tertentu di simpang jalan itu terjadi 7
kecelakaan
 Pada suatu bulan tertentu di simpang jalan terjadi
minimal 4 kecelakaan
 Pada suatu minggu tertentu di simpang jalan itu terjadi
4 kecelakaan

Chapter 2 Distribusi Teoritis 39

 Hubungan Distribusi Poisson dengan
40
Distribusi Binomial
 Distribusi Poisson sebagai suatu bentuk
pembatasan distribusi Binomial pada saat n
besar , sedangkan p mendekati 0 , dan np
konstan.
 Sehingga bila n besar dan p mendekati 0,

distribusi Poisson dapat digunakan untuk

memperkirakan probabilitas Binomial, dengan
 = np

Chapter 2 Distribusi Teoritis 40

 DISTRIBUSI NORMAL
 Peranan Distribusi normal dalam statistik:
- Distribusi normal dapat digunakan untuk berbagai analisa
dengan cara penarikan kesimpulan berdasarkan sampel
yang diambil.
- Konsep distribusi normal sangat penting untuk dipahami
karena konsep ini mendasari asumsi pada distribusi
sampling, pendugaan statistika maupun pengujian
hipotesa.
- Distribusi normal sangat mendekati untuk menggambarkan
frekwensi yang diperoleh dari hasil observasi pada
berbagai bidang, termasuk hasil dari kegiatan yang
bersifat fisik seperti produksi maupun ukuran-ukuran lain
yang penting guna keperluan manajemen baik dibidang
sosial maupun ilmu pengetahuan alam
Chapter 2 Distribusi Teoritis 41
 PENGERTIAN DISTRIBUSI NORMAL

 Distribusi normal atau kurve normal adalah suatu

distribusi yang simetris dan berbentuk lonceng/
genta, yang menunjukkan hubungan antara ordinat
pada berbagai mean dengan berbagai ordinat
pada berbagai jarak sigma (σ) yang diukur dari
mean.

Chapter 2 Distribusi Teoritis 42

 DISTRIBUSI NORMAL
 Sifat – sifat distribusi normal :
 Bentuknya menyerupai lonceng dengan sebuah puncak
 Nilai rata – rata (mean) pada distribusi normal akan terletak
ditengah – tengah dari kurve normal.
 Bentuknya simetris dengan nilai mean = median = modus
 Ujung masing – masing sisi kurve sejajar dgn sumbu horisontal dan
tidak memotong sumbu horisontal tsb.
 Sebagian besar data ada ditengah – tengah dan sebagian kecil ada
pada masing – masing sisi/tepi.
 Dua sisi kurva normal memanjang tak terbatas dan tak pernah
menyentuh garis horisontal.
 68% data berada dalam jarak ± 1 standar deviasi , 95% data
berada dalam jarak ± 2 standar deviasi dan 99% data berada dalam
jarak ± 3 standar deviasi.

Chapter 2 Distribusi Teoritis 43

DISTRIBUSI NORMAL
 Kurve Normal dalam bentuk standar
Kurve normal standar yaitu kurve normal yang mempunyai
mean = 0 dan standar deviasi = 1.
Segala bentuk kurve dengan mean dan standar deviasi
yang berbeda dapat dikonversikan kedalam bentuk kurve
standar dengan merubah skala x menjadi skala z dengan
rumus :
( X  )
z
s
keterangan :
z = jarak deviasi x terhadap nilai rata – rata
x = variabel x
μ = Mean
s atau σ = deviasi standar

Chapter 2 Distribusi Teoritis 44

DISTRIBUSI NORMAL
 Contoh penggunaan kurve normal
Nilai rata –rata mata kuliah statistik dari 200
orang mahasiswa adalah 6 dengan standar
deviasi 2. Berapa jumlah mahasiswa yang
mendapat nilai 8 keatas?
jawab :

( x   ) (8  6)
z  1
s 2

Chapter 2 Distribusi Teoritis 45

 DISTRIBUSI NORMAL
 Dengan melihat tabel kurve normal dapat dilihat
bahwa luas daerah 0 sampai dengan 1 adalah
34,13 % (prosentase jumlah mahasiswa yang
nilainya 6 sampai 8)
 Jadi prosentase mahasiswa yang nilainya diatas 8
adalah 50% - 34,13% = 15,87%
 Dengan demikian jumlah mahasiswa yang nilainya
diatas 8 adalah 200 x 15,87% = 31,74 = 32
orang.

Chapter 2 Distribusi Teoritis 46

 DISTRIBUSI NORMAL

50% 34,13% 15,87%

6 8

Chapter 2 Distribusi Teoritis 47

 Soal Latihan 3
 Setelah dimulainya suatu program pelestarian energi,
PLN mencatat bahwa penghematan penggunaan
listrik yang dilakukan oleh para pemakai di daerah
tertentu rata-rata adalah 10,4 KWH setiap bulannya
dengan standar deviasi 7,8 KWH. Apabila rekening
untuk seseorang pelanggan dipilih secara acak.
Hitunglah probabilitanya:
1. Penghematan listrik yang digunakan lebih dari 5 KWH
2. Penghematan listrik yang digunakan antara 5 – 15 KWH.
3. Penghematan listrik yang digunakan kurang dari 5 KWH

Chapter 2 Distribusi Teoritis 48

Chapter 2 Distribusi Teoritis 49
 Thankyou for
your Attention,
Students…

Chapter 2 Distribusi Teoritis 50