DISTRIBUSI

PROBABILITAS
KONTINU
PROBABILITAS DAN STATISTIKA
Dosen Pengampu :
Bahar Amal, S.Pd., M.Eng.

TEAM - D
Teknik Elektro – Universitas Singaperbangsa Karawang 2023
 Team D
Salam hangat, Perkenalkan kami…

NADIRA EKA FARHAN IBNU MICHAEL RAIHAN

PUTRI PRABOWO ARIHTA AKMALANO

2110631160067 2110631160043 2110631160050 2110631160058

 Team D
Salam hangat, Perkenalkan kami…

NAUFAL HENOKH
ZIKRI HANAFI Unknow
HAASYIM MARKIANO

2110631160064 2110631160071 2110631160078 Posisi tersedia,

Ada yang mau?
Pembahasan
Pengertian PROBABILITAS KONTINU
01 Pengertian, dan syarat distribusi kontinu.

Mengapa Kurva?
02 Plot kurva dalam probabilitas.

Distribusi Seragam Kontinu

03 Penjelasan singkat, rumus, dan contoh soal.

Distribusi Normal (Gaussian Distribution)

04 Penjelasan singkat, rumus, dan contoh soal.

Distribusi Eksponensial
05 Penjelasan singkat, rumus, dan contoh soal.
Probabilitas Kontinu
Apa itu Probabilitas Kontinu?

Pengertian

Distribusi peluang kontinu merupakan peubah acak yang dapat memperoleh semua
nilai pada skala kontinu. Sedangkan ruang sampel kontinu adalah bila ruang sampel
mengandung titik sampel yang tak terhingga banyaknya.

Syarat dari distribusi kontinu adalah apabila fungsi f(x) adalah fungsi padat peluang
peubah acak kontinu X yang didefinisikan di atas himpunan semua bilangan riil R bila:
 Mengapa
Kurva?
Karena terdapat bilangan
pecahan yang jumlahnya
tidak terbatas, maka kita tidak
dapat menuliskan semua
nilai yang mungkin bersama
dengan probabilitasnya
masing – masing dalam
bentuk tabel.
Namun dapat digunakan
fungsi kepadatan probabilitas.
Plot untuk fungsi seperti ini
disebut kurva probabilitas dan
nilai probabilitasnya dinyatakan
sebagai luas suatu kurva
Yang bernilai positif.
 Mohon Tunggu
Bersiap, kita akan memasuki materi selanjutnya!
Distribusi Probabilitas Kontinu
Distribusi Seragam Kontinu

Memiliki Ciri Contoh

1. Variabel random seragam Y = Sebuah mesin roll menghasilkan

salah satu nilai dalam interval
a≤y≤b
2. Setiap Y memiliki nilai peluang
seragam dalam selang a ≤ y ≤ b
Rumus fungsi:
lembaram baja dengan ketebalan berkisar
antara 150 ≤ y ≤ 200.
Tentukan fungsi distribusi peluang, rata –
rata, dan variansi dari ketebalan baja jika
dianggap menganut distribusi seragam.
Solusi:

Rata – rata & Variansi:

 Mohon Tunggu
Bersiap, kita akan memasuki materi selanjutnya!
Distribusi Probabilitas Kontinu
Distribusi Normal (Gaussian Distribution)
Pengertian
Distribusi Normal merupakan
distribusi probabilitas yang paling
penting baik dalam teori maupun
aplikasi static. Diantara sekian
banyak distribusi, distribusi normal
memiliki persyaratan variable yang riil
dan kontinyu seperti tinggi badan,
berat badan, IP / IPK, jumlah curah
hujan, kuantitas isi kemasan, dan
lainnya.
Reason
Terdapat 4 alas an yang menyebabkan
distribusi normal menjadi penting. Yaitu:
1. Distribusi normal terjadi secara
alamiah.
2. Beberapa variable acak yang tidak
terdistriubusi secara normal dapat
mudah ditransformasikan menjadi
variable acak yang normal.
3. Beberapa metode Teknik analisis
dalam pekerjaan static, hanya dapat
berjalan baik pada model distribusi
normal.
4. Memiliki beberapa variable acak yang
dapat diambil rata – ratanya untuk
distribusi normal.
Distribusi Normal (Gaussian Distribution)
Memiliki ciri – ciri sebagai berikut :

Kurva berbentuk garis lengkung yang halus

dan menyerupai genta/ lonceng.

Kedua ekor / ujungnya semakin mendekati

sumbu absisnya tetapi tidak pernah
memotong.
Distribusi normal memiliki dua parameter,
yaitu - dan σ yang masing – masing
menentukan lokasi dan bentuk distribusi.

Titik tertinggi kurva normal berada pada rata

– rata.

01 02 03 04
Distribusi Normal (Gaussian Distribution)
Memiliki ciri – ciri sebagai berikut :

Distribusi normal adalah distribusi yang

simetris.

Simpangan baku (standar deviasi = σ),

menentukan lebarnya kurva. Makin kecil
σ, maka bentuk kurva makin runcing.
Total luas daerah dibawah kurva normal
adalah 1.

Jika jarak dari masing – masing nilai X diukur

dengan σ, maka kira – kira 68% berjarak 1σ,
95% berjarak 2σ, dan 99% berjarak 3σ.

05 06 07 08
Distribusi Normal
(Gaussian Distribution)
Parameter:

Persamaan matematika bagi distribusi probabilitas

acak normal tergantung pada dua parameter, yaitu
- dan σ. Bila kedua nilai tersebut diketahui, maka k
ita dapat menggambarkan kurva normal tersebut
dengan pasti.

Karena persamaan kurva normal tergantung pada

nilai – nilai - dan σ, maka kita akan memiliki
bermacam – macam bentuk kurva.
Perbedaan:

Adalah suatu hal yang sia – sia untuk membuat tabel yang
berbeda pada setiap kurva normal yang dengan μ dan σ
yang berbeda. Oleh karena itu dikembangkan suatu cara
untuk mentransformasikan setiap hasil pengamatan yang
berasal dari sembarang variabel acak normal x menjadi
variabel acak normal z dengan μ = 0 dan σ = 1.

Nilai Z (standard units) = angka yang menunjukkan

penyimpangan suatu variable acak X dari mean (μ)
dihitung dalam satuan standar deviasi (σ).
Distribusi Normal
Contoh Soal 1
Dari 100 orang sampel yang telah
diambil secara acak, setiap orang
diminta untuk mengerjakan suatu
tugas tertentu. Hasil pengamatan
terhadap waktu yang mereka
butuhkan untuk menyelesaikan
tugas tertera pada tabel dibawah…
Misalkan percobaan tersebut diulang kembali, kali ini jumlah
sampel yang digunakan adalah 5000 orang. Lalu histogram
frekuensi relatifnya dibuat dengan lebar kelas yang dibuat
kecil (sehingga jumlah kelas menjadi banyak). Maka
histogram tersebut akan terdiri atas kotak persegi panjang
yang ramping dalam jumlah yang banyak.
Dengan semakin banyaknya sampel yang diambil dan lebar
interval kelas yang kecil, maka histogram frekuensi relatif
yang dihasilkan akan semakin mendekati bentuk kurva
normal.
Distribusi Normal
Contoh Soal 2
Misalkan dimiliki kurva normal dengan Jawab:
µ = 100 dan σ = 20. Hitunglah : a. Luas kurva normal antara 100 – 125
atau P(100 ≤ x ≤ 125)
a. Luas kurva normal antara 100 – 125
atau P(100 ≤ x ≤ 125)

b. Luas kurva normal antara 80 – 100

atau P(80 ≤ x ≤ 100)

c. Luas kurva normal antara 75 – 120

atau P(75 ≤ x ≤ 120)
Distribusi Normal
Contoh Soal 2
Misalkan dimiliki kurva normal dengan Jawab:
µ = 100 dan σ = 20. Hitunglah : b. Luas kurva normal antara 80 – 100
atau P(80 ≤ x ≤ 100)
a. Luas kurva normal antara 100 – 125
atau P(100 ≤ x ≤ 125)

b. Luas kurva normal antara 80 – 100

atau P(80 ≤ x ≤ 100)

c. Luas kurva normal antara 75 – 120

atau P(75 ≤ x ≤ 120)
Distribusi Normal
Contoh Soal 2
Misalkan dimiliki kurva normal dengan Jawab:
µ = 100 dan σ = 20. Hitunglah : c. Luas kurva normal antara 75 – 120
atau P(75 ≤ x ≤ 120)
a. Luas kurva normal antara 100 – 125
atau P(100 ≤ x ≤ 125)

b. Luas kurva normal antara 80 – 100

atau P(80 ≤ x ≤ 100)

c. Luas kurva normal antara 75 – 120

atau P(75 ≤ x ≤ 120)
 Mohon Tunggu
Bersiap, kita akan memasuki materi selanjutnya!
Distribusi Probabilitas Kontinu
Distribusi Eksponensial

Pengertian Perumpamaan

Distribusi eksponensial atau sering

disebut dengan distribusi waktu,
merupakan sebuah distribusi yang Pada sebuah dermaga terdapat antrian
peristiwanya sangat erat dengan kapal yang ingin berlabuh. Jumlah
peristiwa pada distribusi poisson. kedatangan kapal akan berkaitan dengan
Jika suatu peristiwa terjadi dalam distribusi poisson, sedangkan waktu
konteksj proses poisson, maka kedatangan kapal akan berkaitan dengan
panjangnya waktu atau ruang antar distribusi eksponensial.
dua peristiwa yang berurutan
mengikuti distribusi kontinu. Hal
tersebut dikarenakan waktu atau
ruang bersifat kontinu, dan
pengukuran hal tersebut akan
menghasilkan variabel random
kontinu.
Distribusi Probabilitas Kontinu
Distribusi Eksponensial
Rumus
A. Fungsi kerapatan eksponensial
T1 = waktu kejadian yang pertama
dalam proses poisson, dan disebut
waktu ulang atau waktu antara dua
kejadian yang berurutan.
‫ = ג‬rata – rata jumlah kejadian pada
setiap unit ukuran.
B. Rata – rata T1
Rumus
C. Fungsi distribusi T1
Xt diartikan sebagai jumlah kejadian
sukses dalam interval t, sementara T1
menyatakan waktu sampai terjadinya
sukses. Maka bila diketahui T1 > t,
artinya dalam waktu tersebut tidak ada
kejadian sukses.
Sehingga fungsi distribusinya
dirumuskan dengan :
Distribusi Eksponensial
Contoh Soal

Berdasarkan arsip peristiwa gempa periode Jawab:

tahun 1836 – 1961 diketahui terjadi 16 a. Peluang gempa akan terjadi dalam 2 tahun mendatang
gempa yang berskala VI atau lebih. Jika adalah P (T1 ≤ 2)
gempa tersebut diasumsikan mengikuti
distribusi poisson, tentukan:

a. Berapa peluang terjadinya gempa skala

tinggi dalam 2 tahun mendatang?
b. Berapa peluang tidak akan terjadi
gempa skala tinggi dalam 10 tahun
mendatang?
Distribusi Eksponensial
Contoh Soal

Berdasarkan arsip peristiwa gempa periode Jawab:

tahun 1836 – 1961 diketahui terjadi 16 b. Peluang gempa tidak akan terjadi dalam 10 tahun
gempa yang berskala VI atau lebih. Jika mendatang adalah P (T1 > 10)
gempa tersebut diasumsikan mengikuti
distribusi poisson, tentukan:

a. Berapa peluang terjadinya gempa skala

tinggi dalam 2 tahun mendatang?
b. Berapa peluang tidak akan terjadi
gempa skala tinggi dalam 10 tahun
mendatang?
 Done!!
Sudah selesai?

Sepertinya belum, coba NEXT…

 Kesimpulan
Berikut kesimpulannya

99% Presentation
Progress

Distribusi Probabilitas Kontinu merupakan

peubah acak yang dapat memperoleh
semua nilai pada skala kontinu. Ruang
sampel kontinu adalah bila ruang sampel
mengandung titik sampel yang tidak
terhingga banyaknya. Variabel random
kontinu atau dikenal juga dengan peubah
acak kontinu adalah variabel random
yang mengambil harga pada sebarang
harga dalam suatu interval. Variabel ini
menggunakan bilangan rill untuk
menyatakan hasil suatu percobaan.
Thank you
Best Regrads
TEAM D