( HIM 314 )
MODUL SESI 4
DISTRIBUSI PELUANG
DISUSUN OLEH
MIEKE NURMALASARI, M.Si, M.Sc
2. Pengertian Probabilitas
P = Probabilitas
E = event (kejadian)
X = Jumlah kejadian yang diinginkan
N = Keseluruhan kejadian yang mungkin terjadi
3. Hukum Probabilitas
Hukum Komplemen:
Hukum Penjumlahan:
a. Mutually Exclusive
b. Non Mutually Exclusive
Hukum Perkalian:
a. Independent
P (A dan B) = P(A = P (A) * P(B)
b. Non-Independent
P ( A dan B) = P (A) * P(B/A) =P(B) * P (A/B)
D. Jawaban
2. Distribusi Binomial
Distribusi Binomial menggambarkan fenomena dengan dua hasil atau
outcome. Contoh: peluang sukses dan gagal, sehat dan sakit, dan sebagainya.
Penemu distribusi binomial adalah James Bernaulli.
Bernaulli trial mempunyai empat syarat sebagai berikut.
1. Jumlah trial merupakan bilangan bulat.
2. Setiap eksperimen mempunyai dua outcome (hasil), yaitu sukses dan
gagal.
Contoh :
▪ sehat/sakit
▪ setuju/tidak setuju
3. Peluang sukses sama setiap eksperimen.
4. Setiap eksperimen independent satu sama lain.
Keterangan
p(x) = Probabilitas munculnya x sukses dari n percobaan, dimana x = 0, 1, 2,…,n
p = probabilitas sukses dalam setiap percobaan
q = 1 - p = probabilitas tidak sukses
Contoh:
Peluang atau probabilitas seorang Petugas Manajemen Informasi Kesehatan
(PMIK) dapat mengkode penyakit dengan tepat adalah 0,8. Bila diambil secara
random 5 orang PMIK. Berapa peluang:
a. Tidak ada yang tepat kodenya
b. 3 orang dapat mengkode secara tepat
c. Lebih dari 2 orang mengkode secara tepat
Jawaban:
Diketahui:
P = 0,7
q = 1- p = 1 – 0,7 = 0,3
n=5
x = {0, 1, 2, 3, 4, 5} → ada 6 kemungkinan kejadian, misal jika x=0, artinya dari 5
orang PMIK tidak ada yang tepat mengkodenya, jika x=1, artinya dari 5 orang
terdapat 1 orang yang tepat mengkode, dan seterusnya.
Jawab:
Ingat rumus distribusi Binomial:
Sehingga peluang lebih dari 2 orang dapat mengkode dengan tepat adalah:
Rumus:
Keterangan:
p(x) = probabilitas munculnya x subjek dari n percobaan
x = variabel random diskrit (0, 1, 2, …, n)
e = konstanta = 2.7183
λ = μ = adalah rata-rata terjadinya suatu peristiwa = n.p
Contoh:
Peluang seseorang meninggal karena suatu infeksi pernafasan adalah 0,002.
Berapa peluang jika dari 5000 orang yang terserang infeksi tersebut
a. Terdapat 2 orang akan meninggal
b. Terdapat 2 sampai 4 orang akan meninggal
Diketahui:
p = 0,02
n = 500
λ = n.p = 5000 x 0,002 = 10
Jawab:
a.
b. Peluang jika dari 5000 orang yang terserang infeksi tersebut antara 2
sampai dengan 4 orang akan meninggal adalah:
= 0.02876
4. Distribusi Normal
Distibusi normal merupakan salah satu distribusi peluang yang penting dalam
analisis statistika dengan fungsi kepekatan sebagai berikut:
Keterangan:
x = nilai variabel random
μ = rata-rata populasi
Sd = standar deviasi
z = nilai standar normal
Untuk mencari peluang, nilai Z dicari pada tabel kurva normal (Tabel Z)
Sumber Gambar:
Contoh:
lihat tabel Z pada halaman berikutnya:
1. Z=2 -> p=0,4772
2. Z=2,5 -> p=0,4938
3. Z=-2,54 -> p=0,4945
4. P (Z>2)?
P (Z=2)=0,4772
P (Z>2)=0,5-0,4772=0,0228
5. P (Z>-0,5)?
P (Z=0,5)=0,1915
P (Z>-0,5)=0,5+0,1915=0,6915
6. Distribusi Tinggi Badan Mahasiswa MIK berbentuk normal dengan μ=160 cm dan
standar deviasi 10 cm.
Berapa peluang mahasiswa dengan TB:
1. Kurang dari 155 cm
2. Lebih dari 170 cm
3. Antara 155 s/d 165 cm
4. Antara 165 s/d 185 cm