MODUL BIOSTATISTIK

( HIM 314 )

MODUL SESI 4
DISTRIBUSI PELUANG

DISUSUN OLEH
MIEKE NURMALASARI, M.Si, M.Sc

UNIVERSITAS ESA UNGGUL

2020

Universitas Esa Unggul

http://esaunggul.ac.id 0 / 13
 PROBABILITAS

A. Kemampuan Akhir Yang Diharapkan

Setelah mempelajari modul ini, diharapkan mahasiswa mampu :

1. Memahami konsep probabilitas
2. Memahami asas perhitungan probabilitas

B. Uraian dan Contoh

1. Pendahuluan
Di dunia ini suatu kejadian selalu dikatakan ada ketidakpastian. Ilmu
statistik muncul karena dilandasi oleh adanya ketidakpastian. Berangkat dari hal
inilah akan diambil kesimpulan secara statistik. Setiap kejadian mempunyai
xde4peluang atau probabilitas untuk terjadi atau tidak terjadi.

2. Pengertian Probabilitas

Probabilitas adalah peluang untuk munculnya suatu kejadian (event).

Definisi probabilitas;

1. Apriori (Klasik): Probabilitas satu kejadian dapat ditentukan sebelum

eksperimen dilakukan

P = Probabilitas
E = event (kejadian)
X = Jumlah kejadian yang diinginkan
N = Keseluruhan kejadian yang mungkin terjadi

2. Frekuensi Relatif (Empirik)/ Probabilitas relatif: Probabilitas

berdasarkan kejadian yang telah terjadi.

Universitas Esa Unggul

http://esaunggul.ac.id 1 / 13
 Contoh:
Probabilitas bayi BBLR u/ meninggal = 25/200
Probabilitas bayi BBLR u/ hidup = 175/200
Probabilitas bayi non BBLR u/ meninggal = 40/800
Probabilitas bayi non BBLR u/ hidup = 760/800

3. Intuisi (subjektif): Probabilitas subjektif ditentukan oleh pembuat

pernyataan, missal seorang direktur rumah sakit menyatakan
keyakinannya 90% rumah sakit yang dipimpinnya akan mencapai Break
Event Point (BEP) dalam tiga tahun yang akan datang.

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)

Permutasi dan Kombinasi

Universitas Esa Unggul

http://esaunggul.ac.id 2 / 13
 Contoh Soal:

P (komplemen A)=P (tidak terjadinya A)=1-P(A)

P (BBLR) = 200/1000 = 0.2
P (komplemen BBLR) = 1 – P (BBLR) = 1 – 0.2 = 0.8

C. Latihan (Kerjakan sebagai Tugas)

Dari hasil penelitian terhadap hubungan kebiasaan merokok dan munculnya

penyakit kanker paru diperoleh hasil sebagai berikut; Dari 100 sampel yang
diamati (diobservasi) 80 adalah perokok dan sisanya bukan perokok. Dari
sampel perokok yang menderita kanker paru sebanyak 30 orang. Dari sampel
bukan perokok yang menderita kanker paru sebanyak 2 orang.
Hitunglah probabilitas (peluang)
1. Kejadian kanker paru
2. Tidak kanker paru

D. Jawaban

a. Buatlah terlebih dahulu tabel kontingensi seperti di atas berdasarkan

uraian kasus.
Kebiasaan Kejadian Kanker Total
Merokok Ya Tidak
Ya
Tidak
Total

b. Kemudian baru hitung peluangnya

Universitas Esa Unggul

http://esaunggul.ac.id 3 / 13
 DISTRIBUSI PROBABILITAS

A. Kemampuan Akhir Yang Diharapkan

Setelah mempelajari modul ini, diharapkan mahasiswa mampu :

1. Memahami random variabel
2. Memahami kategori random variabel, random variable diskret dan kontinyu
3. Jenis Distribusi Probabilitas

B. Uraian dan Contoh

1. Pendahuluan

Distribusi Random Variabel Kategorik

1. Distribusi Binomial
2. Distribusi Poisson
Data Random Variabel Numerik
1. Distribusi Normal
2. Lainnya, t, F, X2

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.

Universitas Esa Unggul

http://esaunggul.ac.id 4 / 13
 Rumus distribusi peluang Binomial:

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:

a. Tidak ada yang tepat kodenya (x= 0)

Universitas Esa Unggul

http://esaunggul.ac.id 5 / 13
 b. 3 orang dapat mengkode secara tepat

c. Lebih dari 2 orang mengkode secara tepat (x=3,4,5)

Lebih dari 2 orang dari 5 PMIK, artinya bisa 3 orang, 4, orang atau 5 orang
yang dapat mengkode dengan tepat, sehingga kita menjumlahkan 3 peluang
kejadian diatas.

Sehingga peluang lebih dari 2 orang dapat mengkode dengan tepat adalah:

= 0,3087 +0,36015 +0,16807

= 0,83692
3. Distribusi Poison
Di dalam mempelajari distribusi binomial kita dihadapkan pada
probabilitas variabel random diskrit yang jumlah trialnya kecil (daftar binomial).
Distribusi poison digunakan untuk menggambarkan peristiwa yang jarang
terjadi (rare event). Dalam sebuah periode waktu tertentu. Distribusi Pisson
digunakan sebagai pendekatan distribusi Binomial Ketika jumlah n sangat
besar dan peluang ejadiannya sangat kecil.

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

Universitas Esa Unggul

http://esaunggul.ac.id 6 / 13
 n = jumlah sampel
p = peluang suatu kejadian

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:

Kita hitung masing-masing peluangnya baru kita jumlahkan:

= 0.02876

4. Distribusi Normal
Distibusi normal merupakan salah satu distribusi peluang yang penting dalam
analisis statistika dengan fungsi kepekatan sebagai berikut:

Universitas Esa Unggul

http://esaunggul.ac.id 7 / 13
Distribusi ini memiliki parameter berupa rata-rata µ (mean) dan simpangan baku
(standard deviasi). Distribusi normal dengan rata-rata = 0 dan standard deviasi = 1
disebut dengan distribusi normal standar (z-distribution). dalam aplikasinya
digunakan transformasi standar normal = Z 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)

Karakteristik Kurva Normal

1. Jumlah luas peluang seluruh kurva normal adalah 1 atau 100%

Sumber Gambar: https://www.mathsisfun.com/data/standard-normal-

distribution.html

Universitas Esa Unggul

http://esaunggul.ac.id 8 / 13
 2. Di dalam satu kurva normal terbagi dalam 6 nilai 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

Universitas Esa Unggul

http://esaunggul.ac.id 9 / 13
 Jawab:
Diketahui:
μ=160 cm
Sd=10 cm
a. Peluang mahasiswa dengan TB<155 cm
b. P(x<155)

→ lihat pada tabel-z, z= 0,5 adalah p=0,1915

sehingga
P(Z<-0,5) = 0,5 - 0,1915= 0,3085
Jadi peluang mhs dg TB<155 cm adalah 0,3085.

Bagian b, c dan d, lanjutkan dan kerjakan sebagai tugas

Universitas Esa Unggul

http://esaunggul.ac.id 10 /
13
 Sumber Tabel: https://idoc.pub/download/tabel-distribusi-normal-z-vylyo595gdnm

Universitas Esa Unggul

http://esaunggul.ac.id 11 /
13
C. Daftar Pustaka
1. Hastono SP, Sabri L. Statistik Kesehatan. Jakarta, Rajawali Press, 2011.
2. Efendi A, Pramoedya H. Biostatistika Dengan R dan MS Excel. UB Press.
Malang. 2017.
3. Pramana S, Yordani R, Kurniawan R, Yuniarto B. Dasar-Dasar Statistika
dengan software R: Konsep dan Aplikasi, In Media, Jakarta, 2016.
4. White S. A Practical Approach to Analyzing Healthcare Data. Second
Edition. AHIMA. 2013.

Universitas Esa Unggul

http://esaunggul.ac.id 12 /
13