MATA KULIAH

PROBABILITAS DAN STATISTIK

PROBABILITAS FUNGSI DISTRIBUSI DAN KERAPATAN

Disusun Oleh:

Rezi Humaira

40040622650030

PROGRAM STUDI TEKNIK LISTRIK INDUSTRI

DEPARTEMEN TEKNOLOGI INDUSTRI

SEKOLAH VOKASI

UNIVERSITAS DIPONEGORO

SEMARANG

2023
 BAB I

PENDAHULUAN

Probabilitas berasal dari kata probabilitas dalam bahasa Latin yang berarti
"kemungkinan". Secara etimologis, kata probabilitas berasal dari kata probare yang berarti
"menguji" atau "menguji secara cermat". Dalam konteks matematika, probabilitas mengacu
pada pengujian dan pengukuran kemungkinan terjadinya suatu kejadian acak.

Fungsi distribusi adalah konsep matematika yang menggambarkan kemungkinan

suatu nilai dari suatu variabel acak. Fungsi distribusi digunakan untuk mengukur
kemungkinan variabel acak jatuh pada suatu rentang nilai tertentu. Dalam konteks ini, fungsi
distribusi sering kali digunakan untuk menghitung kemungkinan suatu kejadian atau
peristiwa.

Fungsi kerapatan adalah konsep matematika yang berkaitan dengan probabilitas dan
digunakan untuk mengukur kemungkinan nilai variabel acak jatuh pada suatu rentang nilai
tertentu. Fungsi kerapatan sering digunakan dalam probabilitas kontinu, di mana variabel
acak dapat mengambil nilai di antara dua bilangan real. Fungsi kerapatan memberikan
kemungkinan per unit interval, yaitu kemungkinan variabel acak jatuh di antara dua nilai
bilangan real yang sangat dekat satu sama lain.

Kedua konsep ini, fungsi distribusi dan kerapatan, sering kali digunakan bersama-
sama dalam teori probabilitas untuk menghitung kemungkinan terjadinya suatu kejadian.
Fungsi distribusi dapat memberikan gambaran tentang kemungkinan variabel acak jatuh pada
suatu rentang nilai tertentu, sementara fungsi kerapatan dapat memberikan gambaran tentang
kemungkinan per unit interval. Dengan menggunakan kedua konsep ini secara bersama-sama,
kita dapat menghitung probabilitas suatu kejadian dengan lebih akurat

2
 BAB II

PEMBAHASAN

2.1. Pengertian Probabilitas

Probabilitas adalah ukuran atau nilai numerik yang digunakan untuk mengukur
seberapa besar kemungkinan terjadinya suatu kejadian atau peristiwa acak. Menurut istilah
Probabilitas adalah ukuran terjadinya suatu peristiwa. Probabilitas biasanya dinyatakan
dalam bentuk angka desimal antara 0 dan 1, di mana 0 berarti tidak mungkin terjadi, dan 1
berarti pasti terjadi. Angka di antara 0 dan 1 menunjukkan seberapa besar kemungkinan suatu
kejadian terjadi.

Probabilitas merupakan besarnya kesempatan (kemungkinan) suatu peristiwa akan terj
adi berdasarkan pengertian probabilitas tersebut terdapat beberapa hal yang penting yaitu bes
arnya kesempatan dan peristiwa yang akanterjadi. Dengan demikian dapat disimpulkan
bahwa semakin kecil probabilitas suatu peristiwa (probabilitasnya semakin mendekat 0),
semakin kecil kesempatan (kemungkinan) peristiwa tersebut akan terjadi sebaliknya, semakin
besar probabilitas suatu peristiwa (probabilitasnya semakin mendekati 1), semakin besar
kesempatan (kemungkinan) peristiwa tersebut akan terjadi Besarnya kesempatan ini dapat
ditulis dalam bentuk bilangan desimal, pecahan, dan bentuk persen. Misalnya, probabilitas
suatu peristiwa adalah 0,25. Besarnya probabilitas untuk peristiwa tersebut juga dapat ditulis
dengan bilangan ¼ atau 25%. Konsep probabilitas lahir dari permainan seperti pelemparan
uang logam pelemparan dadu, penarikan kartu, dan sebagainya. Ekses dari permainan
tersebut dijadikan sebagai pengamatan sehingga diperoleh fakta- fakta (empiris) yang
kemudian diabstrakan ke dalam konsep, lalu dilakukan pengujian-pengujian sehingga
lahirkan konsep probablitas.  

Dengan demikian dapat disimpulkan bahwa semakin kecil probabilitas suatu peristiwa
(probabilitasnya semakin mendekat 0), semakin kecil kesempatan (kemungkinan) peristiwa
tersebut akan terjadi sebaliknya, semakin besar probabilitas suatu peristiwa (probabilitasnya
semakin mendekati 1), semakin besar kesempatan (kemungkinan) peristiwa tersebut akan
terjadi Besarnya kesempatan ini dapat ditulis dalam bentuk bilangan desimal, pecahan

3
2.2 Contoh Probabilitas

Misalkan kita melempar sebuah koin. Ada dua kemungkinan hasil yang mungkin
terjadi, yaitu kepala atau ekor. Kemungkinan hasil kepala adalah 1/2 atau 0,5, sedangkan
kemungkinan hasil ekor juga adalah 1/2 atau 0,5. Oleh karena itu, probabilitas hasil kepala
atau ekor adalah 1.

Contoh lainnya adalah jika kita mengambil sebuah kartu dari setumpuk kartu yang terdiri dari
52 kartu. Kemungkinan mengambil kartu hati adalah 13/52 atau 1/4 atau 0,25. Kemungkinan
mengambil kartu king of spades (raja sekop) adalah 1/52 atau sekitar 0,019 atau sekitar 2%.

Probabilitas juga dapat digunakan untuk memprediksi hasil dari serangkaian kejadian.
Misalnya, dalam permainan dadu, probabilitas untuk menggulung angka 1 adalah 1/6 atau
sekitar 16,7%, sedangkan probabilitas untuk menggulung angka 2, 3, 4, 5, atau 6 juga adalah
1/6 atau sekitar 16,7%. Oleh karena itu, jika kita melempar dadu sebanyak 6 kali,
kemungkinan kita mendapatkan setidaknya satu angka 1 adalah sekitar 66,5%.

2.3 Probabilitas Fungsi Distribusi Dan Kerapatan

Fungsi distribusi probabilitas (Probability Distribution Function) adalah fungsi

matematis yang menggambarkan kemungkinan terjadinya nilai-nilai tertentu dalam sebuah
variabel acak. Fungsi ini memberikan probabilitas bahwa variabel acak akan bernilai di
bawah atau sama dengan suatu nilai tertentu.  Selain itu Fungsi distribusi probabilitas adalah
fungsi yang memberikan nilai probabilitas untuk setiap peristiwa. Dalam hal ini, distribusi
probabilitas memberikan hubungan dengan probabilitas untuk nilai yang dapat diambil dari
variabel acak, yang kemudian berfungsi untuk menentukan variabel acak diskrit.

Selanjutnya, fungsi dari distribusi probabilitas tersebut digunakan untuk mewakili distribusi
probabilitas di ruang sampel. Selain itu, distribusi probabilitas juga memiliki konsep
fundamental di dalam statistika yang mana memiliki beberapa fungsi praktis seperti di bawah
ini.:

1. Distribusi probabilitas berfungsi untuk menghitung interval kepercayaan pada suatu

parameter dan untuk menghitung daerah kritis pada suatu uji hipotesis.

2. Distribusi probabilitas memiliki fungsi untuk data univariat, yang mana distribusi
probabilitas ini seringkali berguna untuk menentukan model distribusi yang wajar dan untuk
data tersebut.

4
3. Distribusi probabilitas juga dapat digunakan sebagai interval statistik dan uji hipotesis
yang seringkali didasarkan pada asumsi distribusi tertentu. Sehingga, sebelum menghitung
interval atau melakukan pengujian berdasarkan suatu asumsi distribusi, Anda harus
melakukan verifikasi bahwa asumsi tersebut dibenarkan untuk kumpulan data yang diberikan.

Mengapa demikian? Hal ini karena distribusi tersebut tidak perlu menjadi distribusi data yang
paling sesuai, akan tetapi bisa menjadi model yang cukup memadai sehingga teknik statistik
akan menghasilkan kesimpulan yang valid.

4. Terakhir, fungsi distribusi probabilitas ini menjadi studi simulasi dengan bilangan acak
yang dihasilkan dari penggunaan distribusi probabilitas tertentu yang sering digunakan.

2. 4 Ciri-ciri Distribusi Probabilitas:

1. Distribusi probabilitas memiliki ciri-ciri yakni probabilitas atau peluang dari sebuah hasil
berkisar antara 0 sampai dengan 1.

2. Ciri-ciri selanjutnya yaitu distribusi probabilitas memiliki hasil-hasil, yang mana hasilnya
adalah dari kejadian yang tidak terikat antara kejadian yang satu dengan kejadian yang lain.

3. Terakhir, distribusi probabilitas ini memiliki daftar hasil yang lebih lengkap. Sehingga
jumlah dari probabilitas atau peluang dari berbagai kejadian atau peristiwanya adalah 1.

2.5 Karakteristik Distribusi Probabilitas:

1. Kurva Bentuk Genta atau Lonceng

Distribusi probabilitas memiliki karakteristik yaitu memiliki kurva yang berbentuk genta atau
lonceng.  Dari bentuk tersebut, memiliki satu puncak yang letaknya di tengah. Sehingga dari
nilai rata-rata hitungnya sama dengan median dan juga modus.

2. Berbentuk Kurva Simetris

Sementara itu, karakter selanjutnya yaitu distribusi probabilitas dan kurva normal berbentuk
kurva simetris dengan rata-rata hitungnya.

3. Kurva Menurun ke Dua Arah

Selain itu, distribusi probabilitas juga memiliki karakteristik yaitu memiliki kurva yang
menurun di kedua arah, yaitu ke arah kanan untuk nilai positif sampai tak terhingga, dan ke
kiri untuk nilai yang negatif sampai tak terhingga.

5
4. Mendatar

Pada distribusi probabilitas, jika luas daerah yang terletak di bawah kurva normal tetapi di
atas sumbu mendatar, sama dengan memiliki nilai 1.

2.6 Macam-macam Distribusi Probabilitas

Setelah memahami berbagai hal mengenai distribusi probabilitas, mulai dari pengertian
distribusi probabilitas, pengertian distribusi probabilitas menurut para ahli, apa saja fungsi
dari distribusi probabilitas, bagaimana ciri-ciri dan karakteristik distribusi probabilitas, Anda
juga harus mengetahui bahwa distribusi probabilitas ini memiliki macam-macam atau jenis.

Ada dua jenis distribusi probabilitas. Dua jenis distribusi tersebut adalah distribusi
probabilitas normal atau distribusi probabilitas kumulatif dan distribusi probabilitas binomial
atau distribusi probabilitas diskrit.

1. Distribusi Probabilitas Normal atau Distribusi Probabilitas Kumulatif

Distribusi probabilitas normal atau distribusi probabilitas kumulatif juga dikenal

sebagai distribusi probabilitas kontinu. Yang mana di dalam distribusi probabilitas ini, ada
sekumpulan kemungkinan hasil yang dapat mengambil nilai pada rentang yang berkelanjutan.

Misalnya:

Jika sekumpulan bilangan real adalah distribusi kontinu atau normal. Hal ini karena dari
distribusi jenis ini, akan memberikan semua hasil yang mungkin dari bilangan real. Termasuk
di dalamnya adalah himpunan bilangan kompleks, himpunan bilangan prima, himpunan
bilangan bulat, dan lain sebagainya yang merupakan contoh dari distribusi probabilitas
normal juga.

Di dalam skenario kehidupan nyata, distribusi probabilitas normal atau distribusi probabilitas
kumulatif ini juga ada.

Misalnya; suhu pada hari tertentu adalah merupakan contoh probabilitas kontinu.

Distribusi probabilitas normal atau distribusi probabilitas kumulatif ini memiliki rumus yaitu
sebagai berikut:

6
Keterangan:

a. μ = nilai rata-rata

b. σ = distribusi standar probabilitas

c. x = variabel acak normal

Dapat diketahui di sini, jika mean atau nilai rata-rata atau (μ) = 0 dan deviasi standar atau
distribusi standar probabilitas (σ) = 1, maka distribusi ini diketahui merupakan distribusi
normal atau distribusi kumulatif.

Mengapa demikian? Hal ini karena statistik pada distribusi normal tersebut dapat
memperkirakan berapa banyak peristiwa alam dengan sangat baik, sehingga hal ini telah
berkembang menjadi standar rekomendasi untuk banyaknya kueri probabilitas. Ada pun di
bawah ini merupakan beberapa contohnya.

a. Tingginya populasi penduduk di dunia.

b. Melempar dadu baik sekali maupun beberapa kali.

c. Untuk menilai Intelligent Quotient Level yang ada pada anak-anak di dunia yang

kompetitif ini.

d. Melempar koin.

e. Distribusi pendapatan dalam perekonomian negara antara negara miskin dan negara kaya.

f. Ukuran sepatu seorang wanita.

g. Rentang berat bayi yang baru saja lahir.

h. Laporan dari nilai rata-rata siswa berdasarkan kinerja mereka masing-masing.

2. Distribusi Probabilitas Diskrit atau Distribusi Probabilitas Binomial

Distribusi probabilitas diskrit atau distribusi probabilitas binomial ini terjadi apabila
adanya himpunan hasil yang bersifat diskrit.

7
Misalnya: Jika ada dadu yang dilempar, maka semua kemungkinan hasilnya akan berlainan
dan hasilnya akan memberikan hasil yang banyak. Kejadian tersebut juga dapat dikenal
sebagai fungsi dari massa probabilitas. Sehingga, hasil dari distribusi probabilitas diskrit atau
distribusi probabilitas binomial ini adalah terdiri dari n percobaan berulang kali dan hasilnya
bisa terjadi, bisa tidak.

Rumus distribusi probabilitas diskrit atau distribusi probabilitas binomial:

Keterangan:

a. n = jumlah total dari suatu kejadian

b. r = jumlah total dari berbagai kejadian yang berhasil

c. p = keberhasilan daripada probabilitas percobaan tunggal

d. nCr = [n! / r! (n – r)]

e. 1 – p = adalah probabilitas kejadian

Dari pengertian dan juga rumus yang disampaikan mengenai distribusi probabilitas diskrit
atau distribusi probabilitas binomial ini, maka dapat diketahui bahwa distribusi ini
memberikan kemungkinan hasil yang berbeda. Jika di dalam kehidupan nyata, konsep
tersebut digunakan untuk berbagai keperluan, misalnya adalah sebagai berikut.

a. Distribusi probabilitas diskrit atau distribusi probabilitas binomial ini digunakan untuk
mengetahui jumlah bahan bekas dan bahan yang tidak terpakai saat membuat produk.

b. Distribusi probabilitas diskrit atau distribusi probabilitas binomial ini juga dapat untuk
mengikuti survei umpan balik positif dan juga negatif dari orang-orang terhadap suatu hal.

c. Distribusi probabilitas diskrit atau distribusi probabilitas binomial ini juga memiliki konsep
yaitu untuk mengetahui apakah suatu saluran yang ditonton oleh berapa banyak penonton
dengan menghitung survei yaitu antara YA atau TIDAK.

8
d. Distribusi probabilitas diskrit atau distribusi probabilitas binomial ini bermanfaat untuk
mengetahui berapa jumlah pria dan berapa jumlah wanita yang bekerja di dalam sebuah
perusahaan.

e. Distribusi probabilitas diskrit atau distribusi probabilitas binomial ini bisa digunakan untuk
menghitung suara untuk para calon atau para kandidat di dalam suatu pemilihan.

Dalam distribusi probabilitas diskrit atau distribusi probabilitas binomial, juga terdapat istilah
distribusi binomial negatif. Apa itu distribusi probabilitas binomial negatif? Di dalam teori
dan statistik probabilitas, di dalam distribusi probabilitas diskrit memiliki jumlah
keberhasilan dalam serangkaian percobaan Bernoulli yang independen dan disebarluaskan
secara identik.

Penyebarluasan tersebut terjadi sebelum jumlah kegagalan tertentu terjadi. Sehingga dalam
kasus tersebut, disebut sebagai distribusi binomial negatif. Dalam hal ini, jumlah kegagalan
dilambangkan dengan ‘r’. Misalnya saja jika seseorang melempar dadu dan menentukan
kemunculan 1 sebagai kegagalan dan semua non-1 sebagai keberhasilan.

Jika Anda sering melempar dadu sampai muncul 1 untuk ketiga kalinya, maka r adalah tiga
kali kegagalan dan distribusi probabilitas bilangan non-1 yang muncul adalah distribusi
probabilitas binomial negatif.

Contoh:

1. Contoh Distribusi Probabilitas 1

Soal: Distribusi banyaknya sisi mula yang muncul saat pelemparan mata uang logam tiga kali

Harga X P (X = x) = f (x)

0 1/8

1 3/8

2 3/8

3 1/8

9
 Σ P (x) = 1

Ekspektasi sebuah variabel acak ditentukan oleh beberapa kriteria, yaitu ketika Anda dapat
menentukan variabel acak jika terdapat ekspektasi.

Rumusnya adalah sebagai berikut:

Σ (x) sering ditulis dengan μx atau μ

Variansi atau variance

Vas (x) = Σ (x – μ)²

= Σ (x²) – μ²

2. Contoh Distribusi Probabilitas 2

Soal: Hasil pengamatan menunjukkan bahwa setiap jam frekuensi, siswa yang meminjam
buku sebuah perpustakaan dengan mengikuti rumus distribusi probabilitas adalah sebagai
berikut:

Banyak siswa 0 1 2 3 4 5 6

Probabilitas 0.02 0.04 0.05 0.08 0.07 0.03 0.01

a. Berapakah probabilitas yang terjadi di dalam satu jam yang paling sedikit ada 4 siswa yang
datang ke perpustakaan?

b. Berapakah rata-rata jumlah siswa yang datang ke perpustakaan tiap jam?

Jawaban:

a. Probabilitas dalam satu jam paling sedikit ada 4 siswa yang datang ke perpustakaan adalah
= 1 – 0.26 = 0.74.

b. Rata-rata siswa yang datang ke perpustakaan tiap jam adalah:

x = (0) (0.02) + (1) (0.04) + (2) (0.05) + (3) (0.08) + (4) (0.07) + (5) (0.03) + (6) (0.01)

10
  = 0.71

 Secara formal, fungsi distribusi probabilitas didefinisikan sebagai:

F(x) = P(X ≤ x)

Keterangan:

X= variabel acak

F(x) = Probabilitas bahwa variabel acak X akan bernilai kurang dari atau sama dengan x.

P= Probabilitas

Fungsi distribusi probabilitas digunakan untuk mempelajari karakteristik dan sifat dari
distribusi probabilitas suatu variabel acak.

Fungsi distribusi probabilitas memiliki beberapa properti, termasuk bahwa

probabilitas total dari seluruh rentang nilai yang mungkin harus sama dengan 1. Fungsi ini
juga dapat digunakan untuk menghitung probabilitas terjadinya kejadian-kejadian tertentu
dalam suatu distribusi probabilitas.

Distribusi Probabilitas dibagi kedalam Distribusi probabilitas Diskrit dan Kontinu.

Distribusi probabilitas diskrit digunakan untuk data atribut dimana data yang diukur adalah
nilai tertentu, dan penentuannya dilakukan dengan menggunakan:

 Fungsi Probabilitas Diskrit

Untuk vaiabel diskrit, nilainya selalu bulat ( x =0, 1, 2,….). Notasi : P(x) = P(X=x)

P(x) = probabilitas untuk setiap variabel acak x

Dalam membuat suatu fungsi probabilitas untuk variabel acak diskrit harus memenuhi syarat
sebagai berikut:

11
1. Fungsi distribusi normal tidak boleh negatif
2. 0 < Px(x) < 1, artinya PDF bernilai 0 sampai 1
3. ∑Px(x) = 1, jumlahan dari semua PDF dari variabel acak diskrit x pada ruangan sampel
adalah 1.

 Fungsi Probabilitas Kontinu

Untuk vaiabel kontinu, nilainya sebagai fungsi kepadatan probabilitas (Probability Density
Function = PDF). Nilai f(x) bisa lebih besar dari 1. Syarat :
1. f(x) ≥ 0
2. 𝑓 𝑥 𝑑𝑥 ∞ −∞ = 1 (integral seluruh fungsi kepadatan probabilitas f(x) = 1)

𝒇𝒙 𝒅𝒙 = P(x ≤ X ≤ x + dx), yaitu probabilitas bahwa nilai X terletak pada interval x dan (x +
dx) P(a<x)

1. Distribusi Binomial atau distribusi Bernoulli (ditemukan oleh James Bernoulli)

Merupakan distribusi probabilitas diskrit yaitu suatu distribusi teoritis yang

menggunakan variabel random diskrit yang terdiri dari dua kejadian yang berkomplemen,
seperti sukses-gagal, ya-tidak, baik-cacat, kepala-ekor dll • Apabila probabilitas timbulnya
gejala yang kita harapkan disebut probabilitas “sukses” (simbol p) sedangkan probabilitas
tidak timbulnya gejala yang kita harapkan disebut probabilitas “gagal” (simbol q atau 1- p)
maka probabilitas timbulnya gejala yang kita harapkan sebanyak x kali dalam n kejadian
(artinya x kali akan sukses dan n-x kali akan gagal) dapat dinyatakan dalam rumus :

x = bilangan 0 sampai n
n = banyaknya kejadian p
x = probabilitas sukses x kali
𝑞 𝑛−𝑥 = probabilitas tidak sukses (n-x) kali
n! = n faktorial (0! = 1)

Karakteristik Distribusi Binomial:

12
1. Sebuah hasil percobaan (eksperimen) hanya memiliki dua kategori peristiwa yang saling
lepas (mutually exclusive), seperti sukses-gagal atau ya-tidak.

2. Data yang dikumpulkan merupakan hasil dari perhitungan

3. Probabilitas suatu peristiwa “sukses” (p) adalah tetap bernilai sama atau tidak berubah
untuk setiap percobaan. Demikian pula halnya dengan probabilitas sebuah “kegagalan”(q).

4. Percobaan-percobaannya bersifat independen, artinya peristiwa dari suatu percobaan tidak

mempengaruhi atau dipengaruhi peristiwa dalam percobaan lainnya.

5. Jumlah atau banyaknya percobaan yang merupakan komponen percobaan binomial harus
tertentu.

Contoh:

1. Melempar Koin Suatu koin dilempar sebanyak tiga kali. Tentukan peluang mendapatkan
tepat dua angka?

Jawab:

- Setiap percobaan pelemparan koin hanya memiliki dua kemungkinan, yaitu muncul
angka (A) atau gambar (G).
- Hasil dari masing-masing percobaan saling bebas (hasil dari suatu pelemparan tidak
mempengaruhi hasil pelemparan lainnya). •
- Ruang sampel dari pelemparan satu koin sebanyak tiga kali adalah : S = {AAA, AAG,
AGA, GAA, GGA, GAG, AGG, GGG} → N= 8
- Dari ruang sampel, kita dapat melihat bahwa ada tiga cara untuk mendapatkan tepat
dua angka, yaitu AAG, AGA, dan GAA. (n=3) Sehingga peluang kita mendapatkan
tepat dua angka adalah 3/8 atau 0,375

Tentukan peluang mendapatkan tepat dua angka jika suatu koin dilempar sebanyak tiga kali!
Peluang percobaan sukses (angka) adalah ½ di setiap percobaannya. Dalam kasus ini, n = 3,
X = 2, p = ½, dan q =1- ½ = ½. Sehingga dengan mensubstitusi nilai-nilai tersebut ke dalam
rumus, kita mendapatkan :

13
 - Jawaban tersebut sama dengan jawaban kita sebelumnya yang menggunakan ruang
sampel. Terdapat tiga cara untuk mendapatkan tepat dua angka dan satu gambar dari
delapan kemungkinan yaitu AAG, AGA, dan GAA.
- Cara kita mendapatkan dua angka dari pelemparan koin sebanyak tiga kali dapat
menggunakan kombinasi 3C 2 = 3. Banyak cara untuk mendapatkan X sukses dari n
percobaan tanpa memperhitungkan urutannya adalah:

2. Distribusi Poisson

Distribusi Poisson (dilafalkan “puasong”) adalah distribusi probabilitas diskrit (bentuk

khusus dari distibusi binomial) dimana probabilitas “sukses” sangat kecil (p ≤ 0,1) dengan n
yang sangat besar (n.p< 5). Distribusi Poisson menyatakan peluang jumlah peristiwa yang
terjadi pada periode waktu tertentu apabila rata-rata kejadian tersebut diketahui dan dalam
waktu yang saling bebas sejak kejadian terakhir. (distribusi Poisson juga dapat digunakan
untuk jumlah kejadian pada interval tertentu seperti jarak, luas, atau volume). Distribusi
Poisson dapat diterapkan pada sistem dengan kejadian berjumlah besar yang yang mungkin
terjadi, yang mana kenyataannya cukup jarang. Contoh klasik adalah peluruhan nuklir atom.

Apabila nilai harapan kejadian pada suatu interval adalah λ, maka probabilitas terjadi
peristiwa sebanyak x kali (x adalah bilangan bulat non negatif, x = 0, 1, 2, …) maka :

Keterangan:

1. e = basis logaritma natural (e = 2.71828…)

2. k (atau x) = jumlah kejadian suatu peristiwa (peluang yang diberikan oleh fungsi ini) 3. k!
adalah faktorial dari x

4. λ = bilangan riil positif, sama dengan nilai harapan (rata-rata hitung, E(x)) peristiwa yang
terjadi dalam interval tertentu.

14
Misalnya, peristiwa yang terjadi rata-rata 4 kali per menit, dan akan dicari probabilitas terjadi
peristiwa x kali dalam interval 10 menit, digunakan distribusi Poisson sebagai model dengan
λ = 10×4 = 40

Contoh:

1. Sebuah toko online mencatat bahwa toko tersebut akan mendapatkan komplain dari 50
pelanggan ketika mengirimkan barang ke 10.000 pelanggan. Jika pada suatu hari toko
tersebut mengirim barang ke pelanggannya sebanyak 1.000 barang.

Hitunglah :

a. berapa rata-rata pelanggan yang akan komplein

b. peluang toko tersebut tidak mendapat komplein sama sekali dari pelanggan

c. peluang toko tersebut mendapat komplain hanya dari satu pelanggan.

d. peluang toko tersebut mendapat komplein lebih dari 3 pelanggan

Jawab :

Diketahui : p = 50/10.000 = 0,005, n = 1000 , e = 2.71828

a. λ = n.p = 1000.(0,005)= 5

b. P(x=0) = 𝛌 𝐱 . 𝐞 −𝛌 𝐱! = 5 0. 2.71828 − 5 0! = 0,0067

c. P(x =1) = 5 0. 2.71828 − 5 1! = 0,0337

d. d. P(x ≥3) = 1 - P(x<3) = 1 - [P(x=0) + P(x=1) + P(x=2)

= 1 – (0,0067 + 0,0337 + 0,0842) = 1 – (0,1246) = 0,875

15
 BAB III

PENUTUP

3.1. Kesimpulan
Fungsi distribusi probabilitas dan kerapatan probabilitas adalah konsep penting dalam
analisis statistik dan probabilitas. Keduanya menggambarkan distribusi probabilitas dari
variabel acak, tetapi PDF hanya berlaku untuk variabel acak kontinu sedangkan fungsi
distribusi probabilitas dapat digunakan pada variabel acak diskrit maupun kontinu. Dalam
analisis statistik, baik PDF maupun fungsi distribusi probabilitas sering digunakan untuk
menghitung probabilitas terjadinya kejadian-kejadian tertentu dalam suatu distribusi
probabilitas.
Fungsi distribusi probabilitas dan fungsi kerapatan probabilitas adalah fungsi yang
didefinisikan pada ruang sampel, untuk menetapkan nilai probabilitas yang relevan untuk
setiap elemen.

16
 BAB IV

REFERENSI

Perbedaan Antara Fungsi Distribusi Probabilitas dan Fungsi Densitas Probabilitas. (t.thn.).
Diambil kembali dari Differkinome: https://id.differkinome.com/articles/science--
nature/difference-between-probability-distribution-function-and-probability-density-
function-2.html
Salmaa. (2022, April 5). Distribusi Probabilitas: Pengertian,Karakteristik, Macam, dan
Contohnya. Diambil kembali dari Penerbit Deepublish:
https://penerbitdeepublish.com/distribusi-probabilitas/
Sari, B. (t.thn.). Distribusi Probabilitas. Diambil kembali dari Dosen Yai: Dosen Yai
Vinanda, E. P. (2020). PENGERTIAN PROBABILITAS DAN APLIKASI PROBABILITAS.
Diambil kembali dari Academia:
https://www.academia.edu/44028143/PENGERTIAN_PROBABILITAS_DAN_APLI
KASI_PROBABILITAS

17