KONSEP PROBABILITAS DAN DISTRIBUSI PROBABILITAS

BIOSTATISTIK

Dosen Pengampu:

Endang Uji Wahyuni, SKM., M.Kes

Dini Syafitri, SKM, MKM

Disusun Oleh Kelompok 11:

1. Ahmad Rezki Nasution P21345122005
2. Athaya Ranna Fiareska P21345122019
3. Dhiya Ulhaq P21345122031

PROGRAM STUDI D3 SANITASI KELAS 1D3A

POLITEKNIK KESEHATAN NEGERI JAKARTA II

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.

Jakarta, 30 Maret 2023

Tim Penyusun

i
 DAFTAR ISI

KATA PENGANTAR .................................................................................................................... i

DAFTAR ISI.................................................................................................................................. ii
BAB I PENDAHULUAN .............................................................................................................. 1
1.1 Latar Belakang .............................................................................................................................. 1
1.2 Rumusan Masalah ......................................................................................................................... 1
1.3 Tujuan ........................................................................................................................................... 1
BAB II PEMBAHASAN ............................................................................................................... 2
2.1 Konsep Konsep Probabilitas ......................................................................................................... 2
2.2 Konsep Dasar Peluang .................................................................................................................. 3
2.3 Distribusi Probabilitas ................................................................................................................... 5
2.4 Jenis Jenis Distribusi Probabilitas ................................................................................................. 5
BAB III PENUTUP ..................................................................................................................... 13
3.1 Kesimpulan ................................................................................................................................. 13
3.2 Saran ........................................................................................................................................... 13
DAFTAR PUSTAKA .................................................................................................................. 15

ii
 BAB I PENDAHULUAN

1.1 Latar Belakang

Bahasan pada distribusi probabilitas adalah penyusunan distribusi frekuensi yang

berdasarkan teori peluang. Oleh karena itu, disebut distribusi frekuensi teoritis atau
distribusi peluang atau distribsi probabilitas. Karena distribusi frekuensi probabilitas
disusun berdasarkan teori peluang maka pengetahuan tentang distribusi teoritis menjadi
sangat penting untuk membuat estimasi atau meramalkan variasi-variasi yang mungkin
dapat timbul pada suatu keadaan yang tidak pasti.

Di bidang kesehatan, distribusi frekuensi teoritis dapat digunakan untuk menyusun

perencanaan program pelayanan kesehatan di masa yang akan datang dan meramalkan
tentang masalah kesehatan yang mungkin terjadi di masa yang akan datang.

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.

1.2 Rumusan Masalah

1. Apa saja konsep konsep probabilitas?

2. Apa saja konsep dasar peluang?
3. Apa itu distribusi probabilitas?
4. Apa saja jenis jenis distribusi probabilitas?

1.3 Tujuan

1. Untuk mengetahui konsep konsep probabilitas

2. Untuk mengetahui konsep asar peluang
3. Untuk mengetahui distribusi probabilitas
4. Untuk mengetahui jenis jenis distribusi probabilitas

1
 BAB II PEMBAHASAN

2.1 Konsep Konsep Probabilitas

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).

2. Pandangan Empiris / Probabilitas

Relatif Dalam pandangan ini probabilitas berdasarkan observasi, pengalaman,
atau kejadian (peristiwa) yang telah terjadi. Rumus:

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.

2.2 Konsep Dasar Peluang

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.

b. Peluang frekuensi relatif

Pendekatan frekuensi relatif untuk konsep peluang bergantung kepada

pengulangan dari suatu proses.
 4

Juga dapat melakukan kemampuan untuk menghitung jumlah pengulangan, dan

juga jumlah berapa kali suatu kejadian yang menjadi obyek interest kita terjadi. Pada
konteks ini, kita dapat mendefinisikan peluang mendapatkan kejadian E.

c. Peluang subyektif

Konsep peluang subyektif, peluang personalistik, ini mulai diperkenalkan oleh L.

J. Savage pada awal tahun 1950-an. Pandangan ini berpendapat bahwa suatu peluang
mengukur kepercayaan bahwa individu tertentu memiliki ketepatan atau prinsip untuk
suatu proposisi tertentu. Konsep ini tidak bergantung pada pengulangan dari proses
apapun. Lebih jauh lagi, dengan penerapan konsep peluang ini, seseorang dapat
mengevaluasi peluang suatu terjadinya suatu kejadian yang hanya dapat terjadi satu
kali. Misalnya, peluang bahwa satu pengobatan kanker akan ditemukan dalam waktu
10 tahun. Beberapa istilah dasar pada konsep peluang, ruang sampel dan kejadian:

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}.

2.3 Distribusi Probabilitas

Distribusi probabilitas dari variabel acak x adalah probabilitas yang berhubungan

dengan nilai variabel acak (x) yang mungkin. Untuk variabel acak X. distribusi tersebut
sering dispesifikasikan dengan mendaftarkan semua nilai yang mungkin dengan nilai
probabilitasnya. Di beberapa kasus, hal tersebut lebih baik dijelaskan dalam bentuk
rumus (Montgomery. 2003:61).

2.4 Jenis Jenis Distribusi Probabilitas

2.4.1 Distribusi Probabilitas Diskrit

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

Pada percobaan binomial, outcomes yang dihasilkan biasanya

diklasifikasikan menjadi sukses atau gagal. Contohnya, jawaban yang tepat
pada soal pilihan ganda diklasifikasikan sebagai sukses, tetapi pilihan
jawaban lainnya yang salah diklasiikasikan sebagai gagal (Bluman, 2012:
271).

Distribusi probabilitas variabel random diskrit ini disebut distribusi binomial,

dan nilai-nilainya akan dilambangkan dengan b (x; n. p) karena mereka
bergantung pada jumlah percobaan dan probabilitas sukses pada percobaan
yang diberikan (Walpole, 2012: 143) sebuah uji coba Bernoulli dapat
menghasilkan sukses dengan probabilitas p dan kegagalan dengan
probabilitas q = 1-p. Maka distribusi probabilitas binomial random variabel
X, jumlah sukses dalam n percobaan independen (Walpole, 2012: 144).

b(x; n,p) = (𝑛𝑥) pxqn-x, x = 1,2,...,n

Dengan:
x = banyaknya peristiwa sukses
p = probabilitas peristiwa sukses
n = banyaknya percobaan
q = 1- p probabilitas gagal

Distribusi Binomial
 7

2. Distribusi Hipergeometrik

Distribusi probabilitas variabel random hipergeometrik X, yaitu banyaknya

sukses dalam sampel random berukuran n yang diambil dari populasi N
(dimana di dalam N terkandung k sukses dan Nk gagal). Distribusi
hipergeometrik tidak membutuhkan kebebasan (antar trials) dan didasarkan
atas sampling yang dilakukan tanpa pengembalian (Walpole, 2012:154). Jadi,
pada distribusi hipergeometrik tidak dilakukan pengembalian setelahkejadian
sukses yang didapatkan, sehingga probabilitas kejadian sukses berikutnya
tidak bersifat independen.

Dapat dinyatakan dengan rumus:

h(x; N, n, k) = max(0,n-(N-k)} ≤x≤ min{n, k]

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:

g (x; p) pqX-1 , x = 1,2,3,...

Dengan:
p = peluang sukses
q=1- p = peluang gagal
x = jumlah trial sampai sukses pertama dicapai
 9

5. Distribusi Binomial Negatif (Pascal)

Banyaknya X percobaan yang dibutuhkan untuk menghasilkan k sukses

disebut vaiabel random binomial negatif, dan distribusinya disebut
distribusi binomial negatif. Distribusi pascal digunakan untuk mengetahui
bahwa sukses ke-k terjadi pada usaha ke-x (Walpole, 2012:158). Bila
usaha yang dilakukan berulangkali meghasilkan sukses dengan peluang p,
gagal dengan peluang q = p-1, maka distribusi peluang peubah acak X,
yaitu banyaknya usaha yang berakhir tepat pada sukses ke-k adalah :

b* (x; k,p) = (x-1) pk qx-k , x = k, k + 1, k + 2,...

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).

2.4.2 Distribusi probabilitas kontinu

Distribusi probabilitas kontinu adalah distribusi probabilitas yang nilainya

dapat diasumsikan berada pada interval antara dua buah angka yang
disebut variabel kontinu. Sebagai contoh apabila temperatur pada suatu
hari selama 24 jam berada pada rentang 62 hingga 78 derajat celcius,
variabel tersebut akan berada di semua nilai yang berada di rentang 62
hingga 78 derajat celcius. Variabel acak kontinu diperoleh dari data yang
bisa diukur. Variabel acak kontinu dapat diasumsikan sebagai nilai dari
angka yang tak terbatas dan termasuk juga desimal dan pecahan. Dalam
timbangan berskala kontinu, berat badan manusia memungkinkan
memiliki nilai 183.426 pon apabila timbangan dapat mengukur berat
badan hingga perseribu, tetapi pada timbangan digital yang hanya dapat
mengukur hingga persepuluh pon maka beratnya hanya diketahui sebesar
183.4 pon. Contoh dari variabel acak kontinu adalah tinggi badan. berat
badan, suhu dan waktu.

1. Distribusi Normal (Gauss)

Distribusi normal adalah salah satu distribusi yang paling penting dalam
ilmu statistik. Distribusi normal ini sangat penting dikarenakan beberapa
alasan berikut :
 11

1. Banyak kejadian yang terjadi, baik itu kejadian alam ataupun

kejadian ekonomi cenderung untuk terdistribusi secara normal.
2. Distribusi normal dapat digunakan untuk memperkirakan distribusi
lain, termasuk distribusi binomial.
3. Mean dan proporsi dari sampel cenderung untuk terdistribusi
secara normal disaat sampel diambil secara berulang dari populasi
yang berukuran seperti apapun.

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.

Distribusi Normal (Gauss)

 12

Variabel acak kontinu X yang memiliki distribusi yang berupa lonceng

disebut variabel acak normal.Persamaan matematika untuk distribusi
probabilitas dari variabel normal bergantung pada dua parameter u dan o
yaitu rata-rata dan standar deviasi.Karena itu kita menotasikan nilai dari
kepadatan X dengan n(x μ. o).

2.5.1 Jenis – jenis Porbabilitas

 BAB III PENUTUP

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

2.Konsep Dasar Peluang

a.Peluang klasik

teori ini dibangun dari usaha-usaha untuk memecahkan permasalahan permainan yang
melibatkan kemungkinan dan atau resiko, seperti pelemparan dadu.

b.Peluang frekuensi relatif

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.

3.Jenis Jenis Distribusi Probabilitas

1.Distribusi Binomial

2.Distribusi Hipergeometrik

3.Distribusi Multinomial

4.Distribusi Geometrik

5.Distribusi Binomial Negatif (Pascal)

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.

Achmad Efendi dan Henny Pramoedyo. (2017). Biostatiska . Malang : UB Press.

Siregar, S. (2017). Statiska Terapan Untuk Perguruan Tinggi. Jkarta : Kencana.

15