Distribusi Peluang Diskrit

Definisi
Distribusi Peluang Diskrit : Distribusi peluang terjadinya setiap nilai variabel
random diskrit. Sedangkan variabel random diskrit artinya adalah variabel
random yang memiliki nilai yang dapat dihitung.

Fungsi f(x) disebut sebagai fungsi peluang apabila memenuhi dua syarat berikut.

1. 𝑓(𝑥) ≥ 0
2. ∑ 𝑓(𝑥) = 1, untuk nilai x yang mungkin
Contoh :
Pelemparan dua buah dadu secara bersamaan. Misalkan X menyatakan
peluang peluang munculnya mata dadu.
Tentukan distribusi peluang untuk X? Jika dadu dilemparkan sebanyak 240 kali,
berapakah harapan munculnya mata dadu 6?

Jawab :
Peluang untuk X ditulis dalam tabel sebagai berikut :

X 1 2 3 4 5 6
P(X) 1 1 1 1 1 1
6 6 6 6 6 6
Nilai harapan munculnya mata dadu 6 adalah

1
𝑥 240 = 40 𝑘𝑎𝑙𝑖
6

Jenis-jenis Distribusi Peluang Diskrit :

1. Distribusi Bernouli
Merupakan percobaan acak yang hanya memiliki 2 keluaran dan tidak bisa
terjadi bersamaan dan total peluang dari 2 keluaran tersebut adalah satu
Ketika melakukan suatu percobaan, terkadang hasil yang terjadi berupa
percobaan yang sukses atau percobaan yang gagal. Contoh, ketika
pengujian barang hasil produksi hasilnya dapat berupa barang cacat atau
 barang tidak cacat. Proses ini dikenal sebagai proses Bernoulli dan setiap
usahanya disebut usaha Bernoulli.

Banyaknya X yang sukses pada “n” usaha Bernoulli disebut variabel acak
binomial, sedangkan distribusi peluangnya disebut distribusi binomial.
Proses percobaan binomial memiliki beberapa syarat, yaitu :
a. Percobaan dilakukan dengan n pengulangan
b. Setiap hasil percobaan adalah sukses atau gagal
c. Peluang sukses dinyatakan dengan p, sedangkan peluang gagal dinyatakan
dengan q. keduanya memiliki peluang yang sama disetiap pengulangan
percobaan
d. Pengulangan-pengulangan percobaan bersifat bebas satu sama lain artinya
hasil pengulangan pertama tidak mempengaruhi hasil pengulangan kedua,
hasil pengulangan kedua tidak mempengaruhi hasil pengulangan ketiga dan
seterusnya.

Peluang sukses dari suatu percobaan misalkan dinyatakan dengan P(S) =

p, sedangkan peluang gagal dinyatakan dengan P(G) = q = 1-p. jika
percobaan dilakukan sebanyak n kali pengulangan dengan kejadian sukses
S terjadi sebanyak x kali maka kejadian gagal G terjadi sebanyak (n – x).

2. Distribusi Binomial

Contoh :
Pelemparan uang koin sebanyak 3 kali. Ruang sampel (A:Angka, G:
gambar) : AAA, AAG, AGA, GAA, GGA,GAG, AGG,GGG)
X : banyak munculnya angka
x = {0, 1, 2, 3}

P(sukses) = P(angka) = P
q(gagal) = q(gambar) = 1-p
P(x=0) = (1-p)(1-p)(1-p) = (1-p) 3
P(x=1) = 3 x P(1-p)2
P(x=3) = P x P x P = P3

3. Distribusi Binomial Negatif

Distribusi binomial negatif memiliki ciri bahwa peubah acaknya menyatakan
banyaknya percobaan yang diperlukan untuk mendapatkan sebanyak k
sukses.
 Contoh :
Peluang campuran beton tidak rusak ketika dijatuhkan adalah ¾. Berapakah
peluang dibutuhkan 4 kali percobaan menjatuhkan beton sampai didapatkan
2 beton yang rusak?

Jawab :
Diasumsikan suksesnya adalah tidak rusak sehingga peluang sukses ¾ dan
peluang tidak sukses ¼ . Jadi peluang 2 dari 4 campuran beton yang dijatuhkan
tidak rusak adalah

4. Distribusi Poison
5. Distribusi Hipergeometrik
merupakan salah satu distribusi peubah acak diskrit yang penting. Ahli
statistik sering menggunakan distribusi hipergeometrik untuk melengkapi
jenis analisis yang dapat dibuat dengan menggunakan distribusi binomial.
Distribusi hipergeometrik, sama sepertinya halnya distribusi binomial, terdiri
dari dua hasil yang mungkin yakni sukses dan gagal.

Contoh:

Dalam suatu gudang terdapat 60 dus obat-obatan di mana diketahui 10 dus di

antaranya rusak. Dari gudang tersebut diambil sebanyak 15 dus secara acak.
Berapa:
a. peluang terdapat 12 dus yang baik?
b. peluang paling sedikit terdapat 10 dus yang baik?
c. peluang paling banyak terdapat 9 dus yang rusak?
d. peluang terdapat antara 5 s/d 10 dus yang baik?

Jawab :

Diketahui N=60, k=50, n=15

a. peluang terdapat 12 dus yang baik?

b. peluang paling sedikit terdapat 10 dus yang baik?

c. peluang paling banyak terdapat 9 dus yang rusak?

d. peluang terdapat antara 5 s/d 10 dus yang baik?

6. Distribusi Seragam Diskrit

Distribusi peluang diskret yang paling sederhana ialah yang peubah acaknya
memperoleh semua nilainya dengan peluang yang sama. Distribusi peluang
semacam itu disebut distribusi seragam (uniform) diskret

Lambang f(x;n) digunakan sebagai pengganti f(x) untuk menunjukkan bahwa

distribusi seragam tersebut bergantung pada parameter n.
 Bila sebuah dadu setimbang dilantunkan, tiap unsur ruang sampel
T={1,2,3,4,5,6} muncul dengan peluang 1/6

distribusi seragam nya adalah

Contoh 2 :
Bila sebuah bola lampu dipilih secara acak dari sekotak bola lampu yang berisi 1 yang
40-watt, 1 yang 60 watt, 1 yang 75-watt, dan 1 yang 100-watt, maka tiap unsur ruang
sampel T={40,60,75,100} muncul dengan peluang ¼

distribusi seragam nya adalah

Definisi
Distribusi binomial merupakan distribusi probabilitas diskrit yang sering terjadi.

Distribusi ini mula-mula ditemukan oleh seorang ahli matematika berkebangsaan

Swiss bernama Jacob Bernoulli, oleh karena itu distribusi binomial dikenal juga
sebagai distribusi Bernoulli.

Proses Bernounlli adalah suatu proses probabilitas yang dapat diakukan

berulang kali.

Rumus Distribusi Binomial :

Keterangan :
n = banyaknya kejadian berulang
x = banyaknya keberhasilan dalam perubah acak x
p = peluang berhasil dalam setiap ulangan dimana p = 1-q
q = Peluang gagal dimana q = 1-p
Varians Distribusi Binomial

Var(X) = n.p(1-p)

Rata-rata Distribusi Binomial

E(R) = n.p

Sifat-sifat percobaan Bernoulli pada distribusi binomial adalh sebagai

berikut :
1. Percobaan terdiri dari n pengulangan ( n kali)
2. Setiap percobaan hanya memiliki dua peristiwa, seperti ya-tidak, sukses-
gagal,
3. Peluang sukses atau berhasil dinyatakan dengan 𝒑 dan selalu konstan (tidak
berubah/tetap) dari satu pengulangan ke pengulangan lainnya, sedangkan
peluang gagal atau dinyatakan dengan q, dimana q = 1-p
4. Banyaknya keberhasilan dalam peubah acak disimbolkan dengan x
5. Tiap pengulangan dengan pengulangan lainnya adalah saling bebas
(independen dimana peristiwa percobaan tidak mempengaruhi peristiwa
percobaan yang lain)

Catatan :

Untuk memberikan kemudahan dalam membedakan antara nilai p dan nilai q,

terlebih dahulu harus ditetapkan yang mana yang merupakan kejadian yang
dapat dikategorikan “success atau berhasil” dan yang mana kejadian yang
dapat dikategorikan “failed atau gagal”

Perlu diingat bahwa kejadian yang menjadi pertanyaan ataupun ditanyakan dari
suatu permasalahan bisa dikategorikan sebagai kejadian “success atau
berhasil”.

Dengan demikian kejadian yang menjadi pertanyaan dari suatu permasalahan

dapat disimbolkan dengan 𝑝

Perhatikan Simbol
Kurang dari disimbolkan dengan ( < )
Lebih dari disimbolkan dengan ( > )
Paling banyak disimbolkan dengan ( ≤ )
Paling sedikit disimbolkan dengan ( ≥ )
Kurang dari sama dengan disimbolkan dengan ( ≤ )
Lebih dari sama dengan disimbolkan dengan ( ≥)

Distribusi Poisson

Definisi
Distribusi probabilitas diskrit yang 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.

Contoh :
cacat pada kain, salah titik pada novel, kecelakaan dalam penerbangan, gempa
tsunami, dan peristiwa yang jarang terjadi datanya

Rumus :

Persamaan Distribusi Binomial Perbedaan Distribusi Binomial dan

dan DIstribusi Poisson
Berusaha mencari kemungkinan yang 1. Distribusi binomial digunakan jika
timbul dari suatu peristiwa/kejadiaan
yang ada
DIstribusi Poisson
besarnya sampel (n) < 20 (kurang
dari 20) dan nilai peluang berhasil
dalam setiap ulangan (p) > 0.05
2. Distribusi poisson digunakan jika
besarnya sampel (n) ≥ 20 (lebih
dari 20 atau sama dengan 20) dan
nilai peluang berhasil dalam setiap
ulangan (p) ≤ 0.05 (kurang dari
0.05 atau sama dengan 0.05

Contoh Kasus Distribusi Binomial

Diketahui pasangan suami istri merencanakan mempunyai 5 orang anak.
Berapakah peluang terdapat 3 diantara anak itu adalah laki-laki ?
Jawab :
Diketahui :
n=5
x=3

Peluang memperoleh anak laki-laki atau perempuan: p(W) = p(L) = ½

5! 1 1
𝑝(𝑋=3) = ( )3 (1- )5-3, 𝑛=5,𝑘=3
3!(5−3)! 2 2

5! 1 1
𝑝(𝑋=3) = ( )3 (1- )2
3!2! 2 2

5.4.3! 1 1
𝑝(𝑋=3) = ( )( )
3!2! 8 4

1 1
𝑝(𝑋=3) = 10 ( ) ( ) = 0,313
8 4

Jadi peluang pasangan suami istri memperoleh 3 anak laki-laki dari 5 anak
adalah 31,3%

Contoh Kasus Distribusi Poisson

Menurut pengalaman seorang penulis novel bahwa rata-rata untuk setiap 600
kata terdapat 2 kata salah cetak. Suatu karya cerpen yang terdiri dari 2500 kata.
Berapa peluang bahwa di dalam cerpen itu terdapat 3 buah kata salah cetak

Jawab :
Diketahui :
𝟐 𝟏
Probabilitas salah cetak (p) = =
𝟔𝟎𝟎 𝟑𝟎𝟎
Banyaknya kata (n) = 2500
𝟏
λ = n.p = 2500. = 8,33.
𝟑𝟎𝟎
Banyaknya kata salah cetak yang dicari (x) = 3
 𝒆−𝟖,𝟑𝟑 8,33𝟑
𝑷(𝑿 = 𝟑 ) = = 0,02323329 = 0,23
𝟑!

P(X=3) =. dengan kata lain peluang dari cerpen yang terdiri 2500 kata tersebut
terdapat 3 buah salah cetak adalah 2,3%

Latihan Soal
1. Bila sekeping uang logam yang seimbang dilempar sebanyak 6 kali, berapa:
a. Probabilitas memperoleh 5 sisi gambar
b. Probabilitas memperoleh paling sedikit 5 sisi gambar
Jawab :
a. Probabilitas memperoleh 5 sisi gambar

6! 1 1
𝑝(𝑋=5) = ( )5 (1 − )6-5 , 𝑛=6,𝑘=5
5!(6−5)! 2 2

6.5! 1 1
𝑝(𝑋=5) = ( )( )
5!(6−5)! 32 2

1 1
𝑝(𝑋=5) = 6.( ) ( )
32 2

6 3
𝑝(𝑋=5) = =
64 32

b. Probabilitas memperoleh paling sedikit 5 sisi gambar

1
n=6;x=6;p=
2

6! 1 1
𝑝(𝑋=6) = ( )6 (1 − )6-6
6!(6−6)! 2 2

1 1
𝑝(𝑋=6) = ( ) 6 ( ) 0
2 2

1 1
𝑝(𝑋=6) = ( ) . 1 =
64 64
 Probabilitas memperoleh ≥ 5 sisi gambar adalah :
𝟓 𝟏 𝟔 𝟏 𝟑 𝟏 𝟑.𝟐 𝟏 𝟔 𝟏 𝟕
b( , )+b( , )= + = + = + =
𝟔 𝟐 𝟔 𝟐 𝟑𝟐 𝟔𝟒 𝟑𝟐.𝟐 𝟔𝟒 𝟔𝟒 𝟔𝟒 𝟔𝟒

2. Jika x berdistribusi Binomial dengan n = 4 dan p = 1/6 , berapa :

a. Rata – rata dari x
b. Varians (x)
Jawab :

a. Rata-rata dari x

𝟏
n=4;p= ;
𝟔

q=1–p

𝟏 𝟓
q=1– =
𝟔 𝟔

𝟏 𝟒 𝟐
E ( x ) = n.p = 4. = =
𝟔 𝟔 𝟑

b. Varian (x)
𝟏 𝟓 𝟐𝟎 𝟓
Var ( x ) = 𝜎x2 = n.p.q = 4. . = =
𝟔 𝟔 𝟑𝟔 𝟗

3. Ada 4000 paku pada sayap . Probabilitas kerusakan sebuah paku khusus
pada permukaan sayap pesawat terbang adalah 0,001. Berapa E (x) nya ?

Jawab :

E (x) = n . p = 4000 . (0,001) = 4

4. Berdasarkan data administrasi SMA “Harapan Bangsa”, diketahui pada

akhir bulan Agustus 35% siswanya sudah membayar SPP, sedangkan
sisanya belum membayar SPP. Apabila ditanyakan kepada 10 orang
siswanya, berapakah probabilitas sekurang-kurangnya ada 3 orang siswa
yang sudah membayar SPP ?  Distribusi Binomial
 Jawab:
Diketahui
n = 10 , r = 3, p = 35% = 0,35,

Ditanya : 𝑃(𝑋 ≥ 3)

𝑃(𝑋≥3) = 1−𝑃(𝑋<3)

P(x=0) = nCx.px.qn-x

P(x=0) = 10C0.p0.q10-0

𝟏𝟎!
= 𝟎!(𝟏𝟎−𝟎)! .0,350. 0,6510-0

𝟏𝟎!
= .(0,35)0.(0,65)10
𝟏𝟎!

= 1.(1).(0,013) = 0,013463

P(x=1) = nCx.px.qn-x

P(x=1) = 10C1.p1.q10-1

𝟏𝟎!
= 𝟏!(𝟏𝟎−𝟏)! .0,351. 0,6510-1

𝟏𝟎.𝟗!
= .(0,35)1.(0,65)9
𝟗!

= 10.(0,35).(0,021)

= 𝟏𝟎.(0,35).(0,021) = 0,072492
 P(x=2) = nCx.px.qn-x

P(x=2) = 10C2.p2.q10-2

𝟏𝟎!
= 𝟐!(𝟏𝟎−𝟐)! .0,352. 0,6510-2

𝟏𝟎.𝟗.𝟖!
= .(0,12).(0,032)
𝟐!(𝟖)!

𝟏𝟎.𝟗
= .(0,12).(0,032)
𝟐

= 𝟒𝟓.(0,12).(0,032) = 0,175653

𝑃(𝑋≥3) = 1−𝑃(𝑋<3)

= 1- { P(x=0) + P(x=1) + P(x=2)}

= 1- {0,13463 + 0,175653 + 0, 072492 }

= 1 – 0,251607

= 0,738393

5. 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 peluang toko tersebut
mendapat komplain dari
a. 7 pelanggan,

Jawab :

50
P= = 0, 005
10000

n = 1000 ; e = 2,71828

λ = n.p = 1000 x 0,005 = 5

 𝑒 λ .λ3 𝒆−𝟓 𝟓𝟕
𝑷(𝑿 = 𝟕 ) = =
𝑥! 𝟕!

𝟐,𝟕𝟏𝟖𝟐𝟖−𝟓 .𝟓𝟕
=
𝟕.𝟔.𝟓.𝟒.𝟑.𝟐.𝟏

𝟎,𝟎𝟎𝟔𝟕𝟑𝟕𝟗𝟕× 𝟕𝟖𝟏𝟐𝟓 𝟓𝟐𝟔,𝟒𝟎𝟑𝟗

= = = 0,1044
𝟓𝟎𝟒𝟎 𝟓𝟎𝟒𝟎
 b. 5 pelanggan,

Jawab :
50
P= = 0, 005
10000

n = 1000 ; e = 2,71828
λ = n.p = 1000 x 0,005 = 5

𝑒 λ .λ3 𝒆−𝟓 𝟓𝟕𝟓

𝑷(𝑿 = 𝟓 ) = =
𝑥! 𝟓!

𝟐,𝟕𝟏𝟖𝟐𝟖−𝟓 .𝟓𝟓
=
𝟓.𝟒.𝟑.𝟐.𝟏

𝟎,𝟎𝟎𝟔𝟕𝟑𝟕𝟗𝟕 × 𝟑𝟏𝟐𝟓 𝟐𝟏,𝟎𝟓𝟔

= = = 0,1755
𝟏𝟐𝟎 𝟏𝟐𝟎

c. 2 pelanggan

Jawab :
Diketahui :
50
P= = 0, 005
10000

n = 1000 ; e = 2,71828
λ = n.p = 1000 x 0,005 = 5

𝑒 λ .λ3 𝒆−𝟓 𝟓𝟐
𝑷(𝑿 = 𝟐 ) = =
𝑥! 𝟐!

𝟐,𝟕𝟏𝟖𝟐𝟖−𝟓 .𝟓𝟐
=
𝟐.𝟏

𝟎,𝟎𝟎𝟔𝟕𝟑𝟕𝟗𝟕 × 𝟐𝟓 𝟎,𝟏𝟔𝟖𝟒
= = = 0,084
𝟐 𝟐
d. tidak ada komplain,

Diketahui :

50
P= = 0, 005
10000

n = 1000 ; e = 2,71828

λ = n.p = 1000 x 0,005 = 5

𝑒 λ .λ3 𝒆−𝟓 𝟓𝟎
𝑷(𝑿 = 𝟎 ) = =
𝑥! 𝟎!

𝟐,𝟕𝟏𝟖𝟐𝟖−𝟓 .𝟓𝟎
=
𝟏

𝟎,𝟎𝟎𝟔𝟕𝟑𝟕𝟗𝟕 × 𝟏
= = 0,0067
𝟏

e. lebih dari 2 pelanggan

Jawab :

50
P= = 0, 005
10000

n = 1000 ; e = 2,71828

λ = n.p = 1000 x 0,005 = 5

𝑃(𝑋 > 2) = 1−𝑃(𝑋 <3)

= 1- { P(x=0) + P(x=1) + P(x=2)}

= 1- {0,0067 + 0,0337 + 0,084 }

= 1 – 0,124

= 0,876