BIOSTATISTIK
Dosen Pengampu:
Jl. Hang Jebat No.F3, RT.5/RW.8, Gunung, Kec. Kebayoran Baru, Kota
Jakarta Selatan,Daerah Khusus Ibukota Jakarta 1212
KATA PENGANTAR
Puji syukur kepada Tuhan Yang Maha Esa, karena atas berkat dan karuniaNyalah,
sehingga penulis dapat menyelesaikan makalah yang berjudul “Konsep Probabilitas Dan
Distribusi Probabilitas” sesuai dengan waktu yang telah ditentukan. Penulis menyadari
bahwa yang diungkapkan dalam makalah ini masih jauh dari sempurna. Hal ini
disebabkan karena keterbatasan kemampuan yang dimiliki oleh penulis, sehingga akan
menjadi suatu kehormatan besar bagi penulis apabila mendapatkan kritikan dan saran
yang membangun makalah ini sehingga selanjutnya akan lebih baik dan sempurna.
Demikianlah yang dapat penulis sampaikan, semoga makalah ini bermanfaat bagi semua
pihak dan sebagai media pembelajaran kimia lingkungan khususnya dalam segi teoritis
sehingga dapat membuka wawasan ilmu pengetahuan serta akan menghasilkan yang lebih
baik di masa yang akan datang. Akhir kata, penulis mengucapkan terima kasih atas
semua bantuan yang telah diberikan oleh berbagai pihak sampai tersusunnya makalah ini.
Tim Penyusun
i
DAFTAR ISI
ii
BAB I PENDAHULUAN
Berdasarkan data yang diperoleh maka distribusi probabilitas dapat dibagi dalam
distribusi probabilitas yang deskrit yaitu distribusi multinomial, distribusi poison,
distribusi hipergeometris, dan distribusi pascal. Sedangkan distribusi probabilitas kontinu
adalah distribusi normal.
1.3 Tujuan
1
BAB II PEMBAHASAN
Probabilitas adalah pengukuran peluang suatu peristiwa yang mungkin terjadi secara
random atau sembarangan. Artinya bahwa peristiwa tersebut sebelumnya tidak
direncanakan atau diketahui terlebih dahulu. karena peristiwa yang sudah direncanakan
bukan termasuk peristiwa random. tetapi peristiwa beraturan dan ada kemungkinan pasti
terjadi.
1. Pandangan Klasik / Intuitif
Didalam pandangan klasik ini probabilitas atau peluang adalah harga angka yang
menunjukkan seberapa besar kemungkinan suatu peristiwa terjadi, diantara
keseluruhan peristiwa yang mungkin terjadi. Dengan rumus:
𝑋
P(E) = 𝑁
Keterangan:
P= Probabilitas
E= Event (kejadian)
X= Jumlah kejadian yang diinginkan (peristiwa)
N= Keseluruhan kemungkinan yang mungkin terjadi
Contoh:
Sebuah mata uang logam mempunyai sisi dua (H dan T), kalau mata uang
1
tersebut dilambungkan satu kali, peluang untuk keluar sisi H adalah 2.
Sebuah dadu untuk keluar mata ‘lima’ saat pelemparan dadu tersebut satu
1
kali adalah 6 (karena banyaknya permukaan dadu adalah 6).
𝐿𝑖𝑚𝑋
P(E) = 𝑁
2
3
Contoh:
Pelemparan 50x coin → 25x keluar sisi H, maka dikatakan P(H) = 50%
Dari 10.000 hasil produksi, 200 rusak → P(rusak) = 2% = 0,02
3. Pandangan Subjektif
Didalam pandangan subjektif probabilitas ditentukan oleh pembuat pernyataan.
Contoh :
Seorang mahasiswa meyakini bahwa kalau ada kesempatan untuk
mendapatkan beasiswa berprestasi, yang akan menerima beasiswa adalah
dirinya (misalnya diyakininya = 90% = 0,90).
Seorang pembina pramuka menyatakan keyanikannya (95%) bahwa anak
asuhnya akan memenangkan perlombaan dalam lomba baris berbaris.
Kebenaran dari probabilitas subjektif ini sangat tergantung kepada orang yang
menentukannya, tetapi walaupun demikian teori probabilitas dapat membantunya.
a. Peluang klasik
Konsep ini berawal sejak lama, yakni sejak abad ke-17. Banyak bagian dari teori
ini dibangun dari usaha-usaha untuk memecahkan permasalahan permainan yang
melibatkan kemungkinan dan atau resiko, seperti pelemparan dadu. Contoh contoh
dari permainan ini dapat mengilustrasikan dengan sangat baik konsep peluang
obyektif. Jika sebuah dadu, dengan enam sisi, dilempar satu kali, maka peluang
muncul angka 1 akan sama dengan 1/6, demikian juga untuk angka atau sisi lainnya.
c. Peluang subyektif
1. Ruang sampel disebut juga dengan ruang contoh, merupakan himpunan semua
kemungkinan hasil suatu percobaan atau pengamatan atau pengukuran,
dilambangkan dengan huruf S. Contoh:
Perhatikan percobaan pelemparan sebuah dadu bersisi enam. Bila kita
tertarik pada bilangan yang muncul, ruang sampelnya adalah Sl = {1, 2,
3, 4, 5, 6}
Bila kita tertarik pada apakah bilangan yang muncul genap atau ganjil,
ruang sampelnya adalah Sz {genap, ganjil}
2. Kejadian merupakan suatu himpunan bagian dari ruang sampel. Contoh:
Kejadian terambilnya kartu hati dari seperangkat (52 lembar) kartu Bridge
dapat dinyatakan sebagai A = {hati} yang merupakan himpunan bagian dari
ruang sampel S = {hati, sekop, klaver, wajik}. Kejadian B yaitu terambilnya
kartu merah, B = {hati, wajik}.
Pada percobaan pelemparan 2 koin, E = {GG, GA} adalah kejadian bahwa
pada koin pertama muncul Gambar. Sedangkan kejadian F = {GA, AA}
adalah kejadian pada koin kedua muncul Angka.
5
Suatu kejadian dapat dibedakan menjadi kejadian sederhana dan kejadian majemuk.
a. Kejadian sederhana adalah suatu kejadian yang dapat dinyatakan sebagai suatu
himpunan yang hanya terdiri dari satu titik sampel.
b. Kejadian majemuk adalah suatu kejadian yang dapat dinyatakan sebagai
gabungan dari beberapa kejadian sederhana. Contoh:
Pada contoh pelemparan dua koin dengan S ={GG, GA, AG, AA}, kejadian
munculnya Gambar pada koin pertama dan juga Gambar pada koin kedua
adalah kejadian sederhana yang dapat dilambangkan dengan A = {GG}.
Kejadian munculnya Gambar pada koin pertama adalah kejadian majemuk
yang dapat dilambangkan dengan B = {GG, GA}.
Distribusi probabilitas diskrit adalah suatu daftar atau distribusi dari semua
nilai variabel acak diskrit dengan probabilitas terjadinya masing-masing nilai
tersebut. Variabel diskrit memiliki jumlah kemungkinan nilai yang terbatas
atau jumlah yang tak terhingga nilai-nilai yang dapat dihitung. Kata dihitung
berarti bahwa mereka dapat dicacah dengan angka 1, 2, 3, dll. Sebagai contoh,
jumlah pelari di Taman Riverview setiap hari dan jumlah panggilan telepon
yang diterima setelah komersial TV mengudara adalah contoh variabel diskrit
karena mereka dapat dihitung (Bluman, 2012: 253).
6
1. Distribusi Binomial
Dengan:
x = banyaknya peristiwa sukses
p = probabilitas peristiwa sukses
n = banyaknya percobaan
q = 1- p probabilitas gagal
Distribusi Binomial
7
2. Distribusi Hipergeometrik
Dengan:
N = total populasi atau sampel
k = jumlah kejadian sukses dalam n n = jumlah percobaan atau jumlah
sampel yang dipilih.
8
3. Distribusi Multinomial
Percobaan binomial menjadi percobaan multinomial jika pada masing-
masing trial mempunyai lebih dari dua hasil
kemungkinan outcomes. Eksperimen binomial akan menjadi eksperimen
multinomial jika pada tiap percobaan ada lebih dari dua outcome yang
muncul. Eksperimen pada distribusi multinomial dilakukan dalam
beberapa trial dengan tiap trial menghasilkan kejadian E1, E2, E3, .... Ek,
dan masing-masing trial identik dan independen (Walpole, 2012:149).
4. Distribusi Geometrik
Bila usaha yang saling bebas dan dilakukan berulang kali menghasilkan
sukses dengan peluang p. gagal dengan peluang q = p-1 (Walpole,
2012:160). Maka distribusi peluang peubah acak x, yaitu banyaknya usaha
sampai terjadinya sukses pertama diberikan oleh:
Dengan:
p = peluang sukses
q=1- p = peluang gagal
x = jumlah trial sampai sukses pertama dicapai
9
Dengan:
p = peluang sukses
q = 1-p = peluang gagal
x = jumlah trial yang diperlukan untuk memperoleh keluaran sukses ke-i
6. Distribusi Poisson
Distribusi poisson adalah distribusi yang menghasilkan nilai numerik dari
peubah acak x pada selang waktu yang tertentu. atau daerah tertentu
(Walpole, 2012: 162). Distribusi peluang peubah acak poisson x, yaitu
banyaknya sukses yang terjadi dalam selang waktu atau daerah tertentu
(dinotasikan dengan t).
P(r, ʎ t) = x = 0,1,2,...
Dengan:
e = 2.71828
ʎ = rata-rata jumlah kejadian dalam setiap unit ukuran
Jika nilai n cukup besar dan nilai p kecil, kondisi seperti ini distribusi
poisson dapat didekati dengan distribusi binomial.
10
7. Distribusi Uniform
Variabel acak X berdistribusi diskrit uniform jika setiap nilai n berada
pada range, missal X. X. ..., X, dimana probabilitasnya sama. Sebagai
contoh angka pertama dari suatu serial number pastinya terdiri dari angka
0 sampai 9. Jika satu angka dipilih dari kumpulan angka tersebut, dan X
adalah angka pertama dari serial number. X adalah distribusi uniform
dengan probabilitas 0.1 untuk tiap nilai R= (0,1,2,...,9).
Distribusi normal merupakan suatu bagian dari distribusi yang ada dalam
statistik, dimana distribusi ini berbentuk lonceng dan simetris (dimana
bagian kiri distribusi ini merupakan cerminan dari bagian kanan) (Ronald,
2011: 208).
1. Mean, median, dan modus semuanya berada pada posisi yang sama
pada sumbu horizontal
2. Kurva distribusi normal ini bersifat asymptotic. Dimana kurva
mendekati sumbu horizontal pada tiap ujung, tetapi tidak pernah
menyentuh sumbunya 3.
Total area dibawah kurva sama dengan 1.0 Distribusi probabilitas kontinu
yang paling terkenal di seluruh bidang statistik adalah distribusi normal.
Grafiknya disebut kurva normal berbentuk seperti lonceng yang mana
dapat melakukan pendekatan untuk banyak fenomena / kejadian yang ada
di alam, industri dan penelitian.
3.1 Kesimpulan
Probabilitas adalah pengukuran peluang suatu peristiwa yang mungkin terjadi secara random atau
sembarangan. Artinya bahwa peristiwa tersebut sebelumnya tidak direncanakan atau diketahui
terlebih dahulu. karena peristiwa yang sudah direncanakan bukan termasuk peristiwa
random.1.Pandangan Klasik / Intuitif, 2.Pandangan Empiris / Probabilitas
a.Peluang klasik
teori ini dibangun dari usaha-usaha untuk memecahkan permasalahan permainan yang
melibatkan kemungkinan dan atau resiko, seperti pelemparan dadu.
Pendekatan frekuensi relatif untuk konsep peluang bergantung kepada pengulangan dari suatu
proses.
c.Peluang subyektif Pandangan ini berpendapat bahwa suatu peluang mengukur kepercayaan
bahwa individu tertentu memiliki ketepatan atau prinsip untuk suatu proposisi tertentu.
1.Distribusi Binomial
2.Distribusi Hipergeometrik
3.Distribusi Multinomial
4.Distribusi Geometrik
6.Distribusi Poisson
3.2 Saran
Makalah ini diharapkan dapat membantu pembaca untuk menggali lebih dalam wawasan
tentang konsep probabilitas dan distribusi probabiitas yang ada di mata kuliah biostatistik.
13
14
Kami berharap para pembaca dapat memberikan masukan berupa saran atau kritik dan dapat
memahami materi-materi yang ada pada makalah. Agar makalah yang akan kami buat
selanjutnya bisa lebih baik dari makalah kami sebelumnya.
DAFTAR PUSTAKA
L. Tri Wiiaya Nata K., sr., MT., IPP dan Debrina Puspita A, ST., NI.Eng . (2016 ). Aplikasi
Komputer dan Pengolahan Data Pengantar Statistik Industri. Malang : UB Press.
15