Bab Delapan Distribusi Probabilitas Diskret Daftar Keseluruhan Hasil dan Probabilitas suatu Kejadian p> — engonian sesatha ee Penyalion Dats t—> —Uhutan Pemutaun pos ‘Angha teks Lovet Berton dan Persmatan Baca i pRORARILTABOANTEON Konsephonsep Ossar Proves ‘Biaomal Dtrtuni Probab Hipegeonetra Diavibus Provabices Li TecriKepitasan os Fosson Nenggunakan his Excel una L___, Distribus Probabitas Seteeh mempetja bab In, mahasiswacinarapkan dapat ‘> Mempaham matna dstibus! prooabitas, serta penyusunannya dan perbudaan antara dstibus csivet dan kontnu Meraham bagemana menghtug rat-ata itung varians, dan standar visi dat sua cisbibusiprobabitas, Memahami karakterstik dan perhitungan probabilitas dengan éshibus binomial ae Memahani karakterstik dan perhitungan probatlitas dengan * ‘menggunakan dstibs!hipergecmetrk dan poisson, Menggunekan peranti komputer berupa MS Excel untuk distibusi probabitas,240 Statistika untuk Ekonomi dan Kevangan Modern a Distribusi probabilitas rmempermudah ‘mengetahui probabiias sebuah persia MRSS SUA; i Pada Bab 7 telah dipelajari tentang pengertian, hukum, dan metode pendekatan probabilitas. Probabilitas yang dinyatakan dalam bentuk nilai antara 0 sampai 1, memberikan makna tentang probabilitas suatu kejadian di masa depan. Memakami probabiltas suatu kejadian biasanya dikadapkan pada kenyataan bahwa kesimpalan tentang probabilitas didasarkan pada pengamatan yang jumlahnya lebih sedikit dari popuilasi yang sebenarnya. Oleh sebab itu, kesimpulan yang diambil pasti mengandung fakior risiko atau unsurketidakpastian Probabiltas Untung dan Rugi ava Investasi Reksadane tahun 2007 aUntung = Rug) Pada bab ini akan dibahas mengenai distribusi probabilitas sebagai kelanjutan dari Bab 7. PadaBab/7 telah diketahui probabilitas terhadap suatu kejadian. Namun demikian, bagaimana mengetahui probabilitas terhadap banyak kejadian atau percobsan? Distribusi probabilitas memberikan keseluruhan kemungkinan nilsi yang mungkin ‘muncul atau terjadi dari sebuah kejadian atau percobaan, Pertanyaan awal pada bab ini adalah mengapa mempelajari distribusi probabiltas? Berikut beberapa contoh yang mungkin membantw kita akan pentingnya distribusi probabilitas. 1. Pada tahun 2007 terdapat 59 perusahean reksa dana baru yang lahir dan mampu menguasai pangsa pasar 52%. Industri reksa dana telah pulih dari krsis pada tahun 2004. saat ini banyak produk reksa dana seperti reksa dana tetap, reksa dana saham, atau reksa dana campuran. Setiap pilihan reksa dana mempunyai konsekuensipilihan, apabilarisiko rendah, maka pendapatan rendah, sebaliknya jika risiko tinggi, maka pendapatannya juga tinggi Namun demikian, dari laporan tahun 2006 ternyata 72% investasi reksa dana mencatat laba sementara 28% sisanya merugi, Apakah Anda berminat investas i eksa dana? 2. PT Moena Jaya Farm adalah perusthaan yang memasok buah segar untuk beberapa supermarket di Jakarta. Daerah pemasok buah adalah MadiunBab 8: Distribusi Probabiltas Disiret 261 dan Magetan untuk buah melon dan semangka, Probolinggo dan Gresik ‘untuk mangga, Lumajang untuk bleweh, dan Malang untuk apel. Setiap hari ada 50 ton buah diangkut dengan truk dari Jawa Timur ke Jakarta, Dalam perjalanan tentunya akan ada kerusakan buah akibat perjalanan yang terlalu lama, tertundanye pengiriman karena jalan rusak, dan lain-lain sebesar 15% Beberapa supermarket juga memberikan persyaratan bagi buah yang masuk yaitu kerusakan lebih dari 10%, maka barang akan ditolak. Oleh sebab itu, PT Moera Jaya Farm memutuskan untuk menambah jumlah buah sebesar 10,28% darijumlah pesanan, supaya memeaubi persyaratan supermarket dan kerusakn bush 3. Globalisasi menuntut perbaikan dalam kinerja dan efisiensi manajemen. PT Pura Niaga sebagai perusahaan publik di Jakarta menerapkan quality management system yang ketat. Peruszhaan mempanyai kebijakan bahwa hari esok harus lebih baik dari hari ini. Apabila seorang karyawan pada hari ini melakukan kesalahan, Kesalahan itu dijadikan indikator penilaian kerja, Manajemen juga menghitung berapa probabilitas kinerja seorang karyawan pada esok hari dibandingkan dengan hari ini, sama saj, lebih baik, atau lebih buruk. Hasl penelitian menunjukkan bahwa 10% karyawan mempunyai kinerja yang sama dengan hari ini, 76% karyawan mempunyai kinerja lebih baik, dan hanya 14% yang mempunyai kinerja lebih buruk. Kasus tersebut memberikan gambaran kepada kita bahwa banyak sekali kasus dalam kehidupan baik ekonomi, kesehatan, maupun manajemen yang terkait dengan probabilitaskejadian. Kejedian di dunia hampir tidak dapat dikoatroh, schingga kejadian tersebut juga acak terjadinya dan memberikan hasil yang acak atau untung.untungan. ‘Terhadap kasus demikian, distribusi probabilitas yang telah disusun, membantu kita mempermudah dan mempercepat mengetahui probabilitas sebuah kejadian, Distribusi probabilitas menunjukkan hasl yang diharapkan tejadi dari suatu percobacn atau kegiatan dengan nilai probabilitas masing-masing hasiltersebut. Untuk memahami bagaimana sebuah dlstribusi probabilitas disusun kita dapat melihat contoh berikut CONTOH 8-4 ‘Ads tiga orang nasabah yang akan menabung di bank. Terdapat duabank di lL Meruya, Jakarta Barat yaitu BCA dan BNI Ketiga orang tersebut bebas memilih bank tempatnya akan menabung, bisa di BCA semu, di BCA dan BNI, atau di BNI semua, Berikut adalah kemungkinan dari plihan ketiga orang tersebut Distribusi probabilitas: asi dari probabilias setap peristina Contoh:menchitung Aisribusiprobabitnas a242 _ Statistika untuk Ekonomi dan Kevangan Modern fies en en eel ne 1 BCA BCA BCA 0 2 BCA BCA BNI tu 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 Apabila kita perhatikan kemungkinan bank pilihan nasibah, maka hasilnya adalah, bank BNI tidak dipilih nasabah sama sekali ada 1 kejadian, bank BNI dipilih satu di antara tiga nasabah ada3 kejadian, bank BNI dipilih dua di antara tiga masabah ada 3 kejadian, dan ketiga nasabah memilih bank BNI ada | kejadian. Dari8 kemmungkinan tersebut, kita dapat menyusun distribusi probabiltas sebagai berikut: 0 i 8 ve 0,125 1 3 8 3/8 0,375 2 3 8 3/8 0,375 3 1 8 ves 0,125 Jumlah Total Distribusi Probabilitas 1,000 Dengan distribusi probabilitas hasil P(r) memudabkan kita untuk mengetahui probabilitas dari kejadian yang bersifat acak atau untung-untungan. Yang dimaksud dengan acak atau untung-untungan adalah bersifat bebas, dalam hal ini ketiga nasabah bebas memilih mana yang disukai dan tidak ada orang yang tahu. Apabila ada tga calon nasabah tersebut, berapa probabilitas ketiganya akan memilih BNI? Dengan distribusi probabilitas dengan cepat bisa dijawab 0,125. Pada distribusi probabilitas juga Anda bisa lthat bahwa nila total dar distribustfrekuenst adalah 1,000 Ini juga menunjukkan bahwa peristiwa yang bebas serta saling lepas (mutually exclusive) yaitu antar nasabah bebas menentukan pilihannya, Dalam bentuk grafik poligon, distribusi frekuensi dapat disajikan sebagai berikutBab &: Distribusi Probabiitas Diskret Grafk Distribusi Probabiltas Pilihan Nasaban 0378 07s 40 030 020 010 ro 0.00 ° 1 2 3 Jumiah Piihan Distribusi probabilitas adalah sebuak dajtar dari keseluruhan hasil swatu Percobaan kyjadian yang diseriai dengan nilai probabilitas masing-masing hasil (event), 8.2.1 Variabel Acak/Random Setelah mengetahui bagaimana menyusun sebuah distribusi probabilitas, dan sebelum, ‘membahas beberapajenis probabilitas, sebaiknya kita memahamibeberapa istiah yang digunakan dalam bab ini seperti variabel acak, variabel acak diskret, dan variabel acak kontinu, a. Variabel Acak Variabel acak didefinisikan sebagai sebuah ukuran atau besaran yang merupakan hasil suatu percobaan atau Kejadian yang terjadi secara acak atau untung-untungan dan mempunyai nilai yang berbeda-beda, Jadi variabel acak merupakan ukuran hasl suatu percobaan yang bersifat acak. Berikut adalah beberapa contoh percobaan acak dan variabel acak, 1. _ Percobuan melempar uang ke udara akan menghasilkan gambar (G) atawangka (A). Apabila kita lempar uang dus kali ke udara, sisi gambarbise muncil 2 kali, 1 kali atau 0 (tidak muncul). Percobaan melempar uang ke udara adalah percobéan acak dan nilai hasil muncul gambar seperti 2,1, dan ( adalah variebel ecak. 2. Harga saham di BEJ dapat berubah-ubah dalam hitungan meni. Harga saham BCA misalnya dibuka dengan harga Rp 5.350 per lembar, kemudian teriadi fluktuasi antara Rp 5.300-Rp 5.475 dan akhirnya ditutup dengan harga Rp 5.375, Distribusi probabititas Varlatel acak 243 a244 Statistika untuk Ekonomi dan Keuangan Mot a Variabel acak diskret ‘Variabel acak kontinu Perubahen herga adalah percobaan atau kejadian acak (untung-untungan) dan nilaiharganya seperti 5.350, 5.300, dan 5.475 merupekan nila: hasi kejadian yang disebut variabel acak. 3, PT Moena Jaya Farm menimbang berat setiap semangka yang akan dikirim ke supermarket. Dari $ semangka beratnya berturut-turut 3,56; 5,73; 6,45; 4,875 dan 5,38 kg, Penimbangan berat adalah percobaan acak dan nilai berat setiap buah adalah variabel acak. b. Variabel Acak Diskret Variabel acak diskret merupakan ukuran hasil dari percobaan yang bersifat acak dan ‘mempunyai nilai tertentu yang terpisah dalam suatu interval. Variabel acak diskret biasanya dalam bentuk bilangan bulat dan dihasilkan dari perhitungan, Perhitungan selala menghasilkan bilangan bulat, contoh jumlah buah, jumlah sepata, jumlah baju, jumlah mainan dan sebagainya. Interval veiabel dskret dan hasl pengukuran disaikan berikut Variabel Acak Diskret | Oe eieecraae! obegsd Pethitungan akan menghasilkan variabel acak diskret seperti jumlah buah 1.000 bbuah, jumlah sepatu 500 buah, jumlzh baju 800 buah, dan jumlah mainan 600 buah. ¢._Vaniabel Acak Kontinu ‘Variabel acak kontinu mempunyai nilai yang menempati pada seluruh interval hasil percobaan, Variabel acak kontinu biasanya dihasilkan dari pengukuran dan bukan perhitungan. Contoh pada buah semangka, jumlah buah semangka, misalnya 10,adalah variabel acak diskret. Tetapi bila mengukur berat semangka, misalnya 5,38kg, ukuran hasil adalah yariabel kontinu, Semua nilai yong dihasilkan dari kegiatan pengukuran bik bulat maupun pecshan merupakan variabel acak kontinu.Bab 8: Distribusi Probabilitas Diskret 245, | Variabel Acak Kontinu Hasil pengukuran tinggi badan manusia bisa menghasilkan angka lebih dari 2,0 meter. Bayi baru lahir mungkin 50,2 cm, bayi yang lain. bisa 43,33 cm. Tinggi badan remaja pria sampai 1,75 m dan remaja putri 1,56 m dan sebagainya. Oleh karena itu, pengukuran tinggi badan akan menempati seluruh interval. Begitu pula berat buah, panjang jalan, lebar sungei, dan lain-lin. Semua yang dilakukan dengan proses pengukuran akan menempati semus interval dan termasuk variabel acak kontinu. ERR a Neon 60 Stent Devos dat DistitusiFretuenst Pada Bab 3 Anda mempelajari ukuran pemusatan berupa nilai rata-rata hitung yang dilambangkan dengan jt = 2X/n. Nilai rata-ratatersebut mewakil sejumlah data dari X; sampat X,. Begitu pula pada Bab 4 Anda belajar tentang ukuran penyebaran, untuk malihat seberapa besar data menyebar dari nilai engahnya, Variansdan standar deviasi diramuskan 6? = 3(X - p)2/n dan standar devissi dirumuskan akar dari variansnya yaitu 6 = V2, Pada sub-bab ini akan dipelajari juga nilai tengah rata-rata dan varians serta standar deviasi dari distribusi frekuensinya, 8.3.1 Nilai Rata-rata Hitung Nilai rata-rata hitung pada distribusi probebilitas sebaguimana pada nilai rata-rata hitung pada Bab 3, igunakan sebagai nilai untuk mevakil nilai-nilai probabilitas yang ada pada distribusi probabilitas. Nilai rata-rata hitung juga merupakan nilai harapan (expected value) yang dilambangkan E(x), Nilairata-ratahitung dalam probabilitas juga ‘merupakan nilai rata-rata hitung tertimbang karena seluruh kemungkinan diberikan bobot berupa probabilitas pada setiap kejadian masing-masing. a246 Stalistika untuk Ekonomi dan Keuangan Modern a Contoh: menghiting mat roa ratabitung Contod: menghitung rilat reta-rotahioung Rumus nilairata-rata hitung dsajikan sebagai berikut: = B(x) = BX). POO) Di mana: hh: Nilairata-rata hitung distribusi probatilitas E(x): Nilaiharapan (expected value) X : Kejadian P(X): Probabilitas suatu kejadian X 2: Lambang operasipenjumlahan CONTOH 8-2 Hitunglah nilairata-rata hitung pada kasus pilihan tiga nasabah atas BNI pada Contoh BL Penyelesaian: lee RES 0 0,125 0,000 1 0,375, 0,375, 2 0,375 0,750 3 0,125 0,375 Jumlah 1,500 Nilai rata-rata hitung = 1,500 menunjukkan bahwa dari 3 orang nasabah yang ‘akan menabung, maka 1,5 orang akan memilih BNI. Namun karena orang tidak dalam pecahan, maka bisa didekatkan pada 1 atau 2 orang tergantung pembulatan niai rata- rata hitungnya, CONTOH 8-3 ‘Untuk keperluan analisissaham telah dicatat distribusi probabilitas untuk harga saham yaitu probabilitas harga naik 0,16; harga tetap 0,64; dan harga turun 0,20. Berapa nilai rata-tata hitung apabila pada hari Senin, 21 Mei 2007, harga saham Indosat sempat naik ke Rp 7.800 dan sempat turun ke Rp 7.650 dari harga sebelumnya Rp 7.7002 Penyelesaian: 7.800 Sanpete k OOK 1248 * 7.100 064 4928Bab 8: Distribusi Probabilitas Diskret 247 a Nilairata-rata itung sebesar Rp 7.706, dan ini merupakan nilai yang diharapkan dari saham Indosat selama 1 hari transaksi pada hari Senin, 21 Mei 2007. 8.3.2 Warians dan Deviasi Standar Varians dan standar deviasi merupakan ukuran penyebaran yaitu mengukur seberapa besar data menyebar dari nilai tengahnya. Semakin kecil sebaran data, maka semakin baik, Karena menunjukkan data mengelompok pada nilai rata-rata hitung, Int juga menunjukkan adanya kehomogenan yang lebih tinggi dan perbedsan antar-data tidak terlalu tinggi. ‘Varians dan standar deviasi irumuskan sebagai berikut: Varians = 0? = {(X - 1)?. P(X)] Standar Deviasi = o= Vo?» Dimana: o? : Varian ©: Standar deviasi X + Nilai suatu kejadian Ht: Nilairata-ratahitung distribusi probabilitas P(X): Probabilitas suatu kejadian X By Lambang operasi penjumlahan CONTOH 8-4 Hitunglah standar deviasi pada Contoh 8-2 dan Contoh 8-3 baik untuk distribusi Contoh menghiung probabilitas plihan nasabah dan harga seham Indoset. eas rial Penyelesaian: a. Pilihan nasabah248 Statistika untuk Ekonomi dan Keuangan Modern a a Standar deviasi penyimpangan data da Vo? = \0,75 = 0,87. Ini menunjukkan bahwa standar lai tengahnya adalah 0,87, b. Perubahan Harga Saham 36 2B Sede 627 o 2.064 2064 = 45,43. Ini menunjukkan bahwa standar tengahnya adalah 45,43 sehingga 68% pergerakan harga akan berada pada kisaran 7,706 + 45,43. Distribusi probabilitas binomial menggambarkan data yang dihasilkan oleh suatu percobaan yang dinamakan percobaan Bernoulli, Jacob Bernoulli hidup pada tahun 1654-1705, selama 20 tahun mempelajari probabilitas, dan hasil penemuannya diterbitkan dalam buku berjudul Ars Conjectandi. Buku ini mengkaji pengetahuan tentang probabilitas dari sudut umum dan bisa dimanfaatkan untuk bidang di luar perjudian, di mana teori probabilitas berawal 8.4.1. Ciri-ciri Percobaan Bernoulli Distibusi binomial 1, Setiap percobaan atau kegiatan hanya menghasilkan dua kejadian. Karena hanya banter depen dua kejadian ini, maka dikenal dengan binomial. Berikut beberapa percobaan —s atau kegiatan yang mempunyai dua kejadian:‘Bab 6: Distritusi Probabilitas Diskret Masih banyak percobaan/kegiatan yang menghasilkan dua kejadian, seperti menang-kalah, hidup-mati, dan lain-lain. 2. Probabilitas sebuah kejadian baik sukses maupun gogaltetap bernilaisama untuk setiap percobaan, Apabila probabilitasjual sakam 0,8 dan eli saham 0,2, maka untuk semua transaksi jaga mempunyai probabilitas yang sama. Begitu pula apabila probabilitas lahir anak laki-laki 0,4 dan perempuan 0,6, maka setiap ‘bu yang akan melahirkan juga mempunyai probabilitas yang sama. Inilah yang dikatakan dengan probabilitas bersfat konstan untuk seluruh percobaan, 3. Percobaan-percobaan bersifat independen, yang berarti bahwa hasil dari suatu percobaan tidak memengaruhi hasil percobaan lainnya. Apabila seorang ib melahirkan bayi perempuan, maka tidak akan memengarubi kelahiran bayi bagi ibu yang lainnye, Tidak ada ketentuan bahwa bila ibu yang melahirkan lebih ddulu laki-laki sedangkan ibu yang belakangan akan perempuan, bukan? 4. Data yang dikumpulkan merupakan hasil dari pethitungan. Dengan demikian percobaan Bernoulli adalah variabel diskret dan nilainya menempati tempat tertentu dalam interval atau skale pengukuran, 8.4.2 Pembentukan Distribusi Binomial Untuk membentuk suatu distribusi binomial diperlukan pengetahuan dua hal yaitu: (a) banyaknya atau jumlah dari percobaan atau kegiatan dan, (b) probabilitas suata keiadian baik sukses maupun gagal. Distribusi probabilitas binomial dapat dinyatakan sebagai berikut: € fqanh Pel= tat Di mana: P(e) : Nila probabilitas binomial P= Probabilitas sukses suatu kejadian dalam setiap percobaan r _ : Banyaknya peristiwa sukses suatu kejadian untuk keseluruhan percobaan : Jumlah total percobaan 4: Probabilitas gagal suatu kejadian yang diperoleh dari q= 1 - p ! : Lambang faktorial CONTOH 8-5 PT Moena Jaya Farm (MJF) mengirim buah semangka ke Hero Supermarket, Dengan jaminan kualitas yang baik, maka 90% semangks yang dikirim lolos seleksi oleh Hero Supermarket. PT MJF setiap hari mengirim 15 buah semangka dengan berat antara 5-6kg. Contob: menghitung probabiitar binomial 249 a250 Statistika untuk Ekonomi dan Keuangan Modern a a. Berapa probabilitas 15 buah diterima? b. Berapa probsbilitas 13 buah diterima? ¢, Berapa probabilitas 10 buah diterima? Penyelesaian: a. Probabilitas 15 buah diterima semua n=15 rei5 P(r) = [nl/rlin 2)! phqn-© (15) = [151/151(15 - 15)!] 0,9150,115 ~ 15. P(1S) = [151/151(0}!] 0,9150,19 P(s) = 1 0.206x1 P(ls) = 0206 b, Probabilitas 2 ditolak atau 13 buah diterima semua nes p=09 F213 q=0.1 P(r) = [nl/rlin=1)!] pth? P(13) = [15!/131(15 - 13)!] 0,9130,1/5- 13 P(13) = [151/131(2)!] 0.9130,12 P(I3) = 105 x 0,25 0,01 (3) = 0,267 ¢. Probabilitas 10 buah diterima semua P(r) P(10) = [15Y/101(15 - 10)!}0,91%9,1!5- 10 P(10) = [184/101(5)!] 090,15 P(10) = 3003 x 035 x0,00001 P(ld) = 0010 Jadi probabilitas untuk diterima 15 adalah 20,6%; diterima 13 buah sebesar 26,7%; dan. diterima 10 buah probabilitasnya 10,0%. 8.4.3 Menggunakan Tabel Binomial Untuk mengetahui probabilitas binomial, Anda bisa menghitung sendiri seperti pada Contoh 8-5. Namun demikian, suatu distribusi seperti dstribusi binomial merupakan suatu distribusi teoretis, sehingga distribusinya dapat disusun secara matematis, TabelBab 8: Distribusi Probabilitas Diskret 251 a distribusi binomial telah disusun untuk membantu mengetahui suatu probabilitas secara tepat. Tabel distribusi binomial secara Keseluruhan dilampirkan dalam buku ini, Dalam tabel distribusi terdapat jumlzh percobaan (n), probabilitas sukses (p), dan Kejadian (X). Langkah-langkah dalam mencatinilai probabilitas dalam tabel: 1. Mencari tabel dengan jumlah percobaan (n) yang sesuai, Pada contoh n= 15, maka dicaritabel distribust probebilitas dengen n= 15, 2 Mencari nilai X pada kolom X, misalnya dalam soal 15, 13, dan 10. Maka nilai probabilitas terletak pada baris tersebut yaitu baris 15, 13, dan 10. 3, Mencarinilat probabilitas sukses yang dilambangkan p. Perpotongan antara ‘kolom p dengan baris X, merupakan nilai probabilitasnya. Pada contoh tersebut adalah 0,9 dengan 15;0,9 dengan 13; dan 0,9 dengan 10. Nilai probabilitas secara berurutan 0,206; 0,267; dan 0,100. CONTOH 8-6 ‘Tabel Distribusi Binomial pada n = 15, p= 09 Comtoh: menggunakinn fabel binomial Pada Contoh 8-5 diketahui n= 15, p = 0,90, dan X= 15, maka dapat dilihat pada X = 15. dan p = 0,90 terdapat nilai 0,206, Jadi P(15) = 0,206. Untuk P(13) = 0,267 dan P(10)=252__ Statistika untuk Ekonomi dan Keuangan Modern a 0,010. Menggunakan tabel dapat membantu pekerjaan dengan eepat dan hemat waktu, selain tentunya relatifjauh dari kesalahan hitung. Meh U nas cam a ST!Bab 6; Distribusi Probabiltas Diskret 253 —a 8.4.4 Disiribusi Probabilitas Binomial Kumulatit Pada sub-bab di atas telat dibahas tentang probabilitas jumlah sukses dalam jumlah tertentu, misalnya 15, 13, dan 10. Namun, sering kali kita dihadapkan pada persoalan yang tidak tunggal jumahnya, tetapi kumulatif, Pertanyaan seperti berapa probabilitas minimal 13 buah diterima atau berapa probabilitas maksimal 3 buah tidak diterima, Untuk itu diperlukan adanya tabel distribusi probabilitas binomial kumulatf CONTOH 8-7 PT Great River Jaya (GRJ) merupakan perusahaan garmen di Bogor. GR] mengirimkan baju ke berbagai department store dengan sistem setengah lusinan yaitu berisi 6 baju. Dengan pengawasan kelat, terdapat 95% kemungkinan baju sesuai standar (tidak cacat), Berapa probabilitas tepat 5 baja tidak cacat dan berapa probabilitas 5 baju atau urang tidak cacat? Penyelesaian: Probabiltas tidak cacat (p) = 0,95 dan probsbilitas cacat (q) = 008. a, Probabilitas tepat 5 baju tidak cacat P(S) = [61/5166 ~ 1)1] 0,955. 0,0516- 5) = 0,232 =p =1-095 = b. Probabilitas 5 atau kurang baju tidak cacat P(rS5]n= 6p = (0.95) = P(r=0)+ Pir=1) +P(r=2) +P(r=3)+P(r=4) + P(r=5) (0,000 + 0,000 + 0,000 + 0,002 + 0,031 +0,232 0,265, Jadi probabilitas tepat 5 baju tidak cacat adalah 0,232 dan probabilitas 5 baju atau kurang cacat adalah 0,265. "MS Excol akan lebih membartu untuk mengetahui distribus! binomial eer cnet ake eee | . ‘nomi bisa ets False, maa ut kumdatt dts Tue. sri eae,254 _ Statistika untuk Ekonomi dan Keuangan Modern go Distribusi binomial mengasumsikan bahwa probabilitas suatu kejadian tetap atau Konstan, Probabilitas sukses dan gagal suatu percobaan tetap dari suatu percobaan ke percobaan lain, Pada kasus baju di PT Great River Jaya misalnye, dari 6 baju, probabilitas ‘baju tidak cacat 95% dan cacat 5%. Apabila kita mengambil 2 baju, pada pengambilan baju pertama kemungkinan tidak cacat 95% dan cacat 5%. Pada pengambilan kedua, probabilitasnya juga sama yaitu tidak cacat 95% dan cacat 5%. Hal demikian terjadi, kkarena percobaan Bernoulli menggunakan prinsip pengembalian. Pada kasus baju tersebut, percobaan pertama adalah mengambil baju pertama dari 6, dengan probabilitas 95% tidak cacat dan 5% cacat. Untuk pengambilan kedua, maka baju yang pertama dikembalikan lagi, sehingga jumlahnya tetap 6 bukan 5, sehingga probabilitas kedua tetap 95% tidak cacat dan 5% cacat. Dalam kehidupan yang sesungguhnya, proses pengembalianjerang trjadi. Apabila dari 6 baju, distribusi binomial akan mengasumsikan probabilitas setiap baju terambilBab 8: Distribusi Probabilitas Diskret 255 a) adalah 1/6. Apabila kita menggurakan prinsip tanpa pengembalian, maka probabilitas pertama adalah 1/6, namun pada pengambilan kedua, probabilitasnya tinggal 1/5. Hal ini terjadi Karena baju yang sudah diambil tidak dikembalikan lagi. Dengan demikian terlinat bahwa (a) tanpa pengembslian, maka percobaan tidak bersifat independen, suatu hasi percobaan akan memengaruhi percobaan berikutnya, dan (b) nilai probabilitas setiap percobaan berbeda, tidak Konstan. Oleh sebab itu, untuk percobaan tanpa pengembalian, distribusi binomial tidak dapat dilakukan, ada kasus di mana terjadi percobaan tanpa pengembalian pade populasi yang terbatas, dan jumlah sampel terhadap populasinya lebih 5%, distribusi hipergeometrik lebih tepat digunakan, Distribusi hipergeometrik dinyatakan sebagai berikut: (sCe) x (= sn ae Di mana: P(r) : Probabilitas hipergcometrik dengan N : Jumlah populasi S + Jumlah sukses dalam populasi r+ Jumlah sukses yang menjadi perhatian. n: Jumlah sampel dari populasi C + Simbo! kombinasi CONTOH 8-8 Anggaplah dari semua perusahean yang menjual sahamnya (emiten) di BEI, pada Contot: menghiting tahun 2006, yang membagikan dividen mencapai33 perusahaan, Dari33 perusahaan dengan menggunatan tersebut, 20 perusahaan berkinerja baik dan membagikan dividen di atas Rp 100 per ##"iet hipereomerra Jembar. Sebagai tindskan pengawasan tethadap emiten, BEJ meminta 10 perusahaan memberikan laporan keuangannya. Dari 10 perusahaan sampel tersebut, berapakah probabilitas bahwa $ peruschaan merupakan perusahaan yang akan membagikan dividen di atas Rp 100 per lembarnya? Penyelesaian Jumlah sampel adalah 10, dan populasi 33, jadi persentase sampel dengan populasi = 0,303 atau 30,36%, Karena rasio sampel/populas lebih dari 5%, maka dapat diselesaikan dengan distribusi hipergeometrik. N=33 S=20 n=10 te5 Cx) x Cn Ca -1) P(r) =256 Statistika untuk Ekonor mr ——e—e— Perbedaan binomial dan hipergeometrik: n< 0,08N sama, n> QOSN berkeda dan Kevangan Modern (206s) x (3-20€10-3) = 33C10 Jadi probabilitas 5 perusahaan sampel akan membagikan stham di atas Rp 100 per lembar adalah 21,6%. Untuk mengetahui probabiltas setiap kejadian dari 10 sampel perusahean akan membagikan sham di atas Rp 100 per lembar, dapat disusun distribusi probabilitas hipergeometrik Sebagai perbandingan juga diberikan distribusi binomial (n = 10, p = 20/33 = 0,61), Berikut hasil kedua distribusi probabilitasnya, 0 6,000 0,0001 1 0,002 0,013 2 0,026 0,090 3 00211 10,0374 4 0,0898 0,1023 5 0,2156 0,1920 6 0,294 0,2503 7 0,2395, 0.2237, 8 0.1062 041312 9 0,0236 0.0856 10 0,020 0,071 Jumlah 1,0000 1,0000, Dari kedua distribusitersebut terlihat hahwa nila prohabiltastertinggi dicapai pada kejadian 4 sampai kejadian 8. Jadi dari 10 sampel, perusahaan yang akan membagikan saham di atas Rp 100 per lembar berkisar di antara 4-8 perusahaan, Apabila dilihat dari nilai probabilitas setiap kejadian, nilai hipergeometrik dan binomial berbeda. Naman pada kasus di mana n < 0,05 N, maka nilaidistribusi binomial hampir sama dengan distribusi hipergeometrik,251 a Grafik Distribusi Probabilitas Hipergeometrik (n>5% N) dan Binomial i Jumih Samper DP Hipegeoncirk MDP Binomial (c) akan muncul pada bars formufa result atau tanda ‘Stl Anda kan OK pada lnghad ke, mae akan heer Ma | lak dog sepert beri: (=)258 Statistika untuk Ekonomi dan Kevangan Modern Distribusi Poisson: probabilias sukses teil, N sangat bear Contoh: menghitung distribus Porson ae Distribusi Poisson dikembangkan oleh Simon Poisson pada tahun 1837. Poisson memerhatikan bahwa distribust binomial sangat bermanfaat dan dapat menjelaskan dengan sangat memuaskan terhadap probabilitas binomial b(X|n,p) untuk X = 1,2,3, «ft, Namun demikian, untuk suatu kejadian di mana n sangat besar (lebih besar dari 50) sedangkan probabilitas sukses (p) sangat kecil seperti 0,1 atau kurang, maka nila binomialnya sangat sulit dicari Sebagai contoh misalkan emiten di BE] ada 330 (n), sedangkan probabilitas harga saham naik dalam kondisi krisis misalnya hanya 01 (p) maka berapa probabilitas 5 (X) perusahaan harga sahamnya meningkat? Perumusan binomial menyatakan: P(r) = [nl/e!(n-x)!] pig - (5) = [3301/54(330 — 5)!] 0.150,9330 -5 Andabisa membayangkan berapa nilai 330! dan 0,9325.Inilah yang dimaksudkan dengan peristiwa yang sulit. Poisson kemudian mengembangkan distribusi yang dikenal dengan hukum tentang peristiwa yang sulitterjadi, Peristiwa yang sulit dimaksudkan sebagai peristiwa dengan probabilitas sukses sangat kecil, walaupun jumlah n sangat besar, e Banyak peristiwa yang senade dengan persoalan Poisson seperti kemungkinan kesalahan pemasukan data, kemungkinan cek ditolak oleh bank, jumlah pelanggan yang. hharus antre pada pelayanan rumah sakit, restoran cepat saji, atau pada pintu masuk Dunia Fantans, Ancol Distribusi Poisson dapat dinystakan secara matematik sebagai berikut: Xe-l Dimana: P(X): Nilai probabilitas distribusi Poisson fH: Rata-rata hitung dart jumilah nilai sukses; di mana j= n.p e Bilangan konstan = 271828 X + Jumlah nila sukses P+ Probabilitas sukses suatu kejadian ! Lambang faktorial CONTOH 8-9 Anggaplah jummlah emiten yangkinerjanya baik di BE] ada 150 perusahaan, Probabilitas perusshaan-perusahaan tersebut memberikan dividen pada tahun 2006 hanya 0, Apabila BE] meminta laporan dari emiten sebanyak 5 perusahaan, berapa probabilitas 5 perusahan tersebut adalah perusahaan yang membagikan dividen?Bab 8: Distribusi Probsbilitas Diskret Penyelesaian: N=150,X =5, dan p = 0,1 (Ini merupakan ciri distribusi Poisson, N > 50 dan p kecil yaitus 0,1), w=nip = 150 x0,1=15 pag ee x! 15 P(10) = P(10) = 0,252/150 = 0,002 Jadi probabilitas 5 peruszhaan sampel membagikan dividen hanys 0,002 atau 0,2%. 8.6.1 Bagaimana Menggunakan Tabel Distribusi Poisson? Untuk membantu memperoleh dengan cepat nilai probabilitas distribusi Poisson, tabel hasildistribusi Poisson akan sangat membantu. Bagaimana menggunakan tabel ini? 259 G 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 ois 0,001 50,003 | ———__—_________________________-» 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 ‘Anda dapat melihat Tabel Distribusi Poisson pada lampiran buku ini, Penggunaan tabel ini menghendaki pengetahuan nilai tengah rata-rata hitung (i= n.p) dan jumlah sukses X. Pada baris Anda lihat nilai ut yaitu = 15 dan pada kolom baris, Anda lihat X = 5, maka perpotongan antara jt= 15, X = 5 adalah 0,002.260 Statistika untuk Ekonomi dan Keuangan Modern ee een faaBab 8: Distribusi Probabilitas Disket 264 Distribusi probabilitas adalah sebuah daftar dari keseluruhan hasil suatu percobaan kejadian yang disertai dengan nilai probabilitas masing-masinghasil (event). ‘Variabel acak adalah sebuah ukuran yangmerupakan hasil suatu percobaan atau kejadian yang terjadi secara acak atau untung-untungan dan mempunyai nilai yang berbeda-beda. Variabel acak diskret adalah ukuran hasil dari percobaan yang bersifat acak dan mempunyai nila tertentu yang terpisah dalam suatu interval. Variabelacak diskret biasa dalam bentuk bilangan bulat dan dihasilkan dani perhitungan. Varlabel acak kontinu mempunyai nilai yang menempati pada seluruh interval hasil percobaan. Variabel acak kontinu dihasilkan dari pengukuran dan dalam bentuk pecahan. Rata-rata hitung, varians, dan standar deviasidistribusi probabilitas diramuskan sebagai berikut: a. Rata-rata hitung = = E[X.P(X)] b. Varians = 6? = S[(X - pw)? .P(X)] c. Standar deviasi = 6 = Vo? Distribusi binomial dicirkkan dengan (a) terdapat hanya 2 peristiwa dalam setiap percobaan, (b) besarnya probabilitas sukses dan gagal dalam setiap percobaan sama, (c) antara percobaan yang satu dengan percobaan yang lain bersifat independen, dan (d) data merupakan hasil perhitungan. Distribusi binomial dirumuskan: rgn-r al pass = Ware a Distribusi hipergeometrik dicirikan dengan (a) hanya ada 2 peristiwa dalam setiap percobaan, dan (b) percobaan tidak bersifat independen, atau percobaan tanpa pengembalian, Distribusi hipergeometrik dirumuskan: x(y-sCn-1) Cn Pir) Distribusi Poisson dicirikan dengan (a) hanya ada 2 peristiwa dalam setiap percobean, (b) probabilitas sukses dalam setiap percobaan sangat kecil, (c) jumlah popalasi sangat besar dan (d) antar-percobaan bersifat independen. Distribusi hipergeometrik dirumuskan: py) = het x! a262 Statistika untuk Ekonomi dan Keuangan Modern a PT’Buana Jaya Hotel di jakarta mengoperasikan hotel dengan kapasitas 0 kamar ceksekutif. Namun demikian setiap kamar tidsk selaluterisi penuh, Manajemen memberikan pethatian terhadap ini, dan mencatat berapa probabilitas kamar kovong, Berikut gambaran distribusifrekuensinya. 0,10 0.20 0,30 0,20 O15 0,05 Wm ence Hitunglah rata-rata hitung dan standar deviasinya! Penyelesaian: a. Rata-rata hitung = = E[X.P(X)]" 1(X - wo)? .POX)] b. Varians= « eatio ts eee ee 0,10 0,00 2,25 5,06 0,51 0,20 020 125 156 031 0,30 0,60 0,25 0,06 0,02, 0,20 060 0,75 056 OL O15 0,60 475 3,06 0.46 0,05 025 275 7,56 038 i 225 o 179 Jadi nlai tengah rata-rata = 2,25 dan standar devia 34. Jadi harapan akan terjadi kamar yang kosong sebanyak 2,25 kamar dengan penyebaran 1,34 kamar, Interval kamar kosong 2,25 PT Ayu Jaya di Jakarta Timur merupakan produsen sepatu dengan merek “Iquana’, Setiap jamnya dapat dihasilkan 10 buah sepatu. Probabilitas sepatu ccacat Karena guntingan, lem, dan lain-lain sebesar 20%. Beraps probabilitas minimal 50% dari jumlah sepatu tersebut tidak cacat?Penyelesaian: Diketahui n = 10, r = 5 (50% x 10), q = 0,2, jadi p = 1-02 =0,8 Probabilitas minimal 50% tidak cacat dapat diartikan P(r <5) Pir<5) = P(0) + P(1) + P(2) + P(3) + P(A) + PS) P(r<5) = 0,000 + 0,000 + 0,000 + 0,001 + 0,006 + 0,026 P(r<5) = 0,033 Jadi probabilitas tidak cacat sampai $0% adalah 0,033 atau 3,3%. PT Devanka Multi Abadi, sebuah perusahaan percetakan di Ciganjur, Jakarta Selatan, Setiap menit dari pabrik dapat dihasilkan 15 buku dengan 12 buku dalam kondisi baik dan 3 rusak, Untuk meneliti mutu buku, maka setiap menit diambil sampel sebanyak 5 buku atau 33,33%, Berapa probabilitas dari buku yang dijadikan sampel 4 buku dalam kondisi baik (tidak rusak)? Penyelesaian: Proses pengambilan sampel buku dengan tidak ada pengembal digunakan distribusi probabilitas hipergeometrik. in, maka S=12 r= 4 (6) x(n) eee Ca) G5 = 2Cs- pay = a) * (is- 2Cs-4) 15C5 P(4) = 049 PT WEB Indonesia, merupakan perusahaan penyewaan komputer yang relatif besar di Jakarta Barat, Di setiap ruangan kantor terdapat 100 buah komputer. Kemungkinan komputer rusak dalam sebulan adalah 5%. PT WEB Indonesia menyediakan faslitas perbaikan hanya untuk 3 komputer. Berapa probabilitas maksimal 3 komputer tersebut rusak, schingga tidak melebihi anggaran yang disediakan Penyelesaian: N= 100, p =0,05. Karena sampel besar dan p kecil, maka digunakan distribusi Poisson.264 Statistika untuk Ekonomi dan Keuengan Modern o HW =n.p= 100 x0,05=5 P(X<3) =P(0) + P(1) + P(2) + PB) P(X $3) = 0,007 40,034 + 0,084 + 0,140, P(X $3) =0,265 Jadi probabilitas maksimal 3 komputer rusak 0,265 atau 265%, 1. Toko rotiDyzh Ayu yang berlokasi di Malang menjual beragam jenis kue ulang tahun, Dalam satu hari terjual antara 10-13 kue ulang tahun, Berikut distribusi probabilitas dari jumlah roti yang terjual setiap harinya 125, n 0.40 12 0,25 13 0,10 a. Hitunglah nila rata-rata hitung dan stendar deviasinyal b. Buatlsh grafik distribusi probabilitasnyal 2. PT Bank Rahayu Cebang Kopo, Bandung mempunyai karyawan 20 orang. Karyawan yang mempunyai prestasi baik mencapai 40%. Apabila akan dipilih 3 karyawan untuk menghadap pimpinan cabang, berapa probabilitas 3 karyawan tersebut termasulk kacyawan yang berprestasibaik? 3. Toko Jaya Abadi merupakan salah satu toko di kawasan Glodok, Jakarta Barat Setiap hari toko menerima kiriman sebanyak 20 buah TV. Apabila toko ingin memeriksa setiap TV yang diterima, namun tenaga kerja tidak cukup, maka setiap kiriman tersebut diambil sampel6 TV untuk diperiksa, Apabila yang rusak hanya 2, maka kiriman tersebut diterima, dan kerusakaa ituakan ditindaklanjuti di lain waktu, Berapa probabilitas kiriman TV akan ditolak karena yang rusak lebih dari 2 TV? 4, Jalan tol dalam kota di Jakarta panjangnya 360 ken, probabilitas lancar hanya 10% dan 90% macet terutama pada jam Kantor. Apabila jarak dari gerbang tol ke gerbang tol ain adalah 6 km, berapa probabilitas antar-gerbang tersebut tidak macet?