PENGGUNAAN TEORI PELUANG PADA KEJADIAN

NORMAL DALAM PEMBELAJARAN MATEMATIKA

Salsabila Aulia Putri

Departemen Matematika dan Sains Data

Universitas Andalas

A. PENDAHULUAN
Latar Belakang
Matematika sebagai salah satu ilmu murni dalam menunjang pembelajaran
ilmu terapan sangatlah penting. Dalam matematika terdapat suatu kajian yang
membahas tentang peluang suatu kejadian yang dikenal dengan kajian statistika.
Kejadian kejadian tersebut dapat kita jumpa dalam kehidupan sehari hari seperti
peluang kejadian dalam menjawab soal ujian, peluang suatu perusahaan akan
mendapatkan laba yang besar, bahkan dalam kejadian yang paling remeh pun
seperti peluang menang kalah dalam bermain.
Matematika tidak melulu soal angka saja, tetapi terdapat juga pemahaman
yang dipadukan dengan data lapangan sehingga data tersebut dapat diolah dan
dikaji untuk menentukan hal terbaik yang bisa dilakukan.

B. PEMBAHASAN
Definisi Matematika
Matematika adalah bidang ilmu yang mencakup studi tentang topik topik
seperti bilangan (aritmatika dan teori bilangan), rumus dan struktur terkait (aljabar),
bangun dan ruang tempat mereka berada (geometri), dan besaran serta
perubahannya (kalkulus dan analisis). Matematika banyak digunakan dalam ilmu
pengetahuan untuk fenomena pemodelan. Hal ini memungkinkan ekstraksi
perkiraan kuantitatif dari hukum hukum percobaan. Misalnya pergerakan planet
dapat diprediksi dengan akurasi tinggi menggunakan hukum gravitasi Newton yang
dipadukan dengan perhitungan matematis.
Matematika sangat penting di banyak bidang, termasuk ilmu alam, rekayasa,
kedokteran, keuangan, ilmu komputer, dan ilmu sosial. Beberapa bidang matematika
seperti statistika da teori permainan, dikembangkan dalam korelasi langsung dengan
terapannya, sering dikelompokkan dengan nama matematika terapan.
Ilmu matematika dibagi atas tiga bagian yaitu matematika murni, matematika
terapan, dan matematika diskret. Matematika murni merupakan cabang matematika
yang digunakan untuk pengembangan prinsip prinsip matematika. Bahasan pada
matematika murni tidak mempertimbangkan penerapan praktis matematika dalam
sains. Kehadiran matematika murni bertujuan untuk mengatasi masalah masalah
yang timbul selama penerapan matematika murni dalam berbagai displin ilmiah.
Matematika terapan berkenaan dengan penggunaan alat matematika abstrak
guna memecakan masalah masalah konkret di dalam ilmu pengetahuan, bisnis, dan
wilayah lainnya. Salah satu bagian penting dalam matematika terapan adalah
statistika, yang menggunaan teori peluang sebagai alat dan membolehkan penjelasa
analisis dan peramalan gejala dimana peluang berperan penting.
Matematika diskret adalah nama lazim untuk lapangan matematika yang
paling berguna di dalam ilmu komputer teoritis. Ini menyertakan teori
komputabilitas, teori kompleksitas komputasional dan teori informasi.

Definisi Statistika
Statistika adalah ilmu yang mempelajari bagaimana merencanakan,
mengumpulkan, menganalisis, menginterpretasikan, dan mempresentasi data.
Statistika merupakan ilmu yang berkenaan dengan data, sedangkan statistik adalah
data informasi atau hasil penerapan algoritma statistika pada suatu data. Beberapa
istilah statistika antara lain : populasi sampel unit dan probabilitas. Ada dua macam
statistika yaitu statistika deskriptif dan statistika inferensial. Statistika deskriptif
berkenaan dengan deskripsi data misal dari menghitung rata rata dan varian dari
data mentah, mendeskripsikan menggunakan tabel tabel atau grafik sehingga data
mentah lebih mudah “dibaca” dan lebih bermakna. Sedangkan statistika inferensial
lebih dari itu, misalkan melakukan pengujian hipotesis melalui prediksi observasi
masa depan atau membuat modal regresi.
Statistika deskriptif berkenaan dengan bagaimana data dapat digambarkan
atau disimpulkan secara numerik (menghitung rata rata dan simpangan baku) atau
secara grafis (dalam bentuk tabel atau grafik) untuk mendapatkan gambaran sekilas
mengenai data tersebut sehingga lebih mudah dibaca dan bermakna. Statistika
inferensial berkenaan dengan pemodelan data dan melakukan pengambilan
keputusan berdasar analisis data, misal melakukan pengujian hipotesis melakukan
estimasi pengamatan masa mendatang (prediksi), dan sebagainya.
Statistika banyak diterapkan dalam berbagai disiplin ilmu, baik ilmu ilmu alam
(astronomi, biologi) maupun di bidang bisnis, ekonomi, dan industri. Statistika juga
digunakan dalam pemerintahan untuk berbagai macam tujuan; sensus penduduk
merupakan salah satu prosedur yang paling terkenal.

Definisi Teori Peluang

Teori peluang adalah peluang suatu kejadian yang ditunjukkan dengan angka
untuk mengetahui seberapa besar kemungkinan suatu kejadian akan terjadi. Dalam
statistika, kita menggunakan istilah percobaan bagi sebarang proses yang
membangkitkan data. Suatu percobaan dapat berupa pelemparan sekeping mata
uang. Dalam percobaan demikian ini hanya ada dua kemungkinan hasil, sisi gambar
atau sisi angka.
Dalam teori peluang terdapat unsur unsur seperti ruang sampel, titik sampel,
kejadian, ruang nol, gabungan dua kejadian, irisan dua kejadian, dan komplemen
suatu kejadian. Semua unsur unsur tersebut saling berkaitan membentuk suatu data
sehingga dapat diolah dan dikaji.
Setiap kemungkinan hasil dalam suatu ruang sampel disebut unsur atau
anggota ruang sampel tersebut, atau lebih singkat lagi titik contoh. Seandainya
banyaknya unsur ruang sampel itu terhingga, kita mungkin dapat mendaftarkan
unsur unsur tersebut dengan menggunakan koma untuk memisakan setiap unsur
dan menutupnya dengan dua kurung kurawal, Jadi, ruang sampel S bagi percobaan
pelemparan sekeping uang logam, dapat ditulis sebagai : S = {𝐴, 𝐺 }, dengan A dan G
masing masing menyatakan sisi angka dan sisi gambar. Peluang kejadian munculnya
sisi angka dan sisi gambar masing masing bernilai setengah karena pada hakikatnya,
jumlah peluang suatu kejadian yaitu antara 0 sampai 1.
Hubungan antara kejadian dan ruang sampelnya dapat digambarkan dengan
diagram Venn, ruang contohnya digambarkan sebagai persegi panjang, sedangkan
kejadian digambarkan sebagai lingkaran lingkaran di dalam persegi panjang tersebut.
Suatu kejadian dapat dikatakan sebagai ruang nol/ruang kosong/himpunan kosong
jika himpunan bagian ruang sampel yang tidak mengandung satu pun anggota.
Kejadian ini diberi lambang khusus Ø, contohnya seperti kejadian terlihatnya
organisme mikroskopik dengan mata telanjang dalam suatu percobaan biologis dan
faktor bukan prima bagi 7 selain 1.

Kejadian Normal
Dalam suatu teori distribusi peluang atau probabilitas, distribusi normal
menempati posisi penting di berbagai analisis statistika. Jenis distribusi ini juga kerap
digunakan sebagai bahan perhitungan berbagai fenomena dalam kehidupan sehari
hari. Misalnya pada perhitungan tinggi badan, tekanan darah, perhitungan
kesalahan, hingga penjabaran nilai IQ dengan kasus distribusi normal sebagai acuan
utamanya.
Distribusi normal sebagai salah satu jenis distribusi variabel acak kontinu.
Pada distribusi normal sendiri terdapat kurva berbentuk lonceng atau grafik.
Distribusi normal juga dapat berfungsi sebagai distribusi Gauss. Persamaan distribusi
normal di antaranya sebagai fungsi densitas. Distribusi normal dengan fungsi
probabilitas ini kemudian akan menunjukkan variabel atau penyebaran distribusi.
Fungsi ini nantinya juga akan dibuktikan oleh suatu grafik simetris.
Distribusi normal memiliki posisi penting dalam statistika peluang.
Penerapannya juga dianggap penting karena beberapa alasan, mulai dari
meningkatakan objektivitas penilaian, membantu menempatkan anggota anggota
yang paling tepat untuk suatu kelompok tertentu, mengevaluasi nilai siswa atau
mengelompokkan pegawai dalam satu kriteria yang sama untuk menghindari
terjadinya bias atau penilaian yang condong di satu kategori saja.
Dengan distribusi simetris dan berpusat pada nilai rata rata seluruh data
dalam suatu populasi, penilaian yang berat sebelah atau tidak seimbang kemudian
tak daoat dihindarkan. Distribusi normal juga akan membantu menentukan tingkat
normalitas dengan kecenderungan sentral. Dalam statistika, khususnya statistika
peluang, normalitas suatu data merupakan hal penting yang tidak boleh diabaikan.
Dengan demikian, artinya semakin kecil nilai deviasi, maka kurva akan membentuk
semakin runcing. Selain itu, terjadinya standar deviasi juga menggambrakan jarak
atau selisih umum antara nilai rata rata (mean) dengan data yang lain yang
diobservasi.
Seperti pada teori distribusi lain dalam statistika probabilitas, bentuk kurva
nilai peluang distribusi normal ditentukan oleh sebuah parameter. Untuk distribusi
ini, terdapat dua jenis parameter yang kemudian dijadikan acuan, yaitu mean (rata
rata) dan standar deviasi (simpangan baku). Beberapa data dibaut sengaja mengikuti
distribusi normal. Namun, dalam sebuah tes parametrik dan nonparametrik,
terdapat lebih dari data yang didistribusikan secara normal. Untuk menerapkan
distribusi normal, tentu ada syarat dan aturan yang berlaku. Perlu diketahui, deviasi
standar sangat berharga di dalam data yang terdistribusi secara normal. Sehingga
deviasi standar juga dapat digunakan untuk menemukan proporsi nilai yang mana
termasuk ke dalam sejumlah deviasi standar tertentu dari rata rata.

Peluang dalam Distribusi Normal

Bentuk distribusi (persebaran) nilai nilai suatu variabel yang berbentuk
normal disebut peluang dalam distribusi normal. Suatu sebaran data dianggap
normal apabila memenuhi beberapa kriteria : distribusi data berbentuk lonceng, rata
rata (mean) ada pada tengah dan membagi distribusi nilai menjadi dua bagian sama
besar, dan terdapat 50% data di sebelah kanan mean dan 50% di sebelah kiri mean.
Menghitung peluang distribusi normal bisa dilakukan dengan menggunakan
tabel distribusi normal, terlabih dahulu untuk menghitung nilai nilai X yang tidak
tepat sebesar ±1σ, ±2σ, atau ±3σ. Tabel distribusi normal disusun untuk menghitung
probabilitas nilai nilai variabel normal standar, yaitu distribusi normal dengan mean
nol (μ=0) dan standar devias satu (σ=1).
Karena distribusi normal standart bersifat simetris, makan tabel distribusi
normal standar dibuat hanya untuk menghitung bagian sebelah kanan mean dari
distribusi tersebut. Untuk menghitung nilai di sebelah kiri mean, nilai z yang negatif
dianggap sama dengan z positif.
Distribusi normal memiliki beberapa karakteristik : unimodal (distribusi
normal hanya memiliki satu modus), simetris (distribusi normal jika dibelah dua
setengah bagian pertama identik dengan setengah bagian yang kedua), indentik
(ukuran gejala pusat pada distribusi normal besarnya sama antara rata rata = median
 = modus, jika ditransformasikan ke skor baku (z) = 0), dan asimtotik (data yang
berada dalam distribusi normal berasal dari skor terkecil hingga skor terbesar dari
data kontinu, maka tidak ada data yang memiliki peluang sama dengan nol. Dengan
demikian peluang normal tidak pernah menyentuk absis atau garis mendatar).
Distribusi dari kurva normal yang standar (baku) memiliki rata rata sebesar =
0 dan simpangan baku sebesar = 1. Letak rata rata dan bentuk lengkungan pada
kurva normal ditentuka oleh besarnya μ dan σ, maka ada beberapa bentuk kurva
normal sesuai dengan besarnya parameter rata rata dan simpangan baku. Bentuk
distribusi normal ada beberapa macam, hal ini disebabkan adanya ketergantungan
pada besarnya rata rata dan simpangan baku data. Semakin besar simpangan baku
untuk kurvanya semakin rendah (platikurtik) dan semakin kecil simpangan baku
bentuk kurva semakin tinggi (leptokurtik).

C. KESIMPULAN
Peluang atau probabiltas yang disimbolkan denga huruf P adalah banyaknya
kejadian atau peristiwayang muncul dengan banyaknya atau semua kejadian yang
mungkin muncul . Contoh teori peluang adalah banyaknya sisi gambar yang muncul
pada pelemparan koin, banyaknya angka genap yang muncul pada pelemparan
dadu.
Distribusi normal (kejadian normal) adalah distribusi yang datanya berasal
dari variabel acak kontinu. Distribusi normal merupakan distribusi penting dalam
statistika dan banyak digunakan dalam statistika inferensial sebagai model distribusi
peluang terutama digunakan sebagai acuan untuk pengujian hipotesis.
Sebaran peluang kontinu yang paling penting dalam bidang statistika adalah
sebaran normal. Grafiknya, yang disebut kurva normal, adalah kurva yang berbentuk
genta yang dapat digunakan dalam banyak sekali gugusan data yang terjadi di alam,
industri, dan penelitian.

D. DAFTAR PUSTAKA

Ohyver, M. (2018, 12 08). Dsitribusi Peluang Binomial. Dipetik 12 13, 2022, dari
Binus: http://socs.binus.ac.id
Walpole, R. E. (1988). Pengantar Statistika (Vol. III). Jakarta: PT Gramedia Pustaka
Utama.
Wibowo, A. (2014). Peluang dan Distribusi Normal. Statistika, 1-11.