RINGKASAN MATERI KULIAH (RMK)

Kelompok 1

“Distribusi Probabilitas”

Disusun oleh :
1. Bagas Arya Satya Dinata 23013010276
2. M. Harit Farizi 23013010277
3. Rizky Eko Yuspito 23013010278
4. Muhammad Fakhri Yudanto 23013010279
5. David Prima Cahya Rosadi 23013010280
 6. Nadia Sabela Putri 23013010281

BAB 8 DISTRIBUSI PROBABILITAS DISKRET

Pengantar
Pada bab ini akan dibahas mengenai distribusi probabilitas sebagai kelanjutan dari Bab 7.
Pada Bab 7 telah diketahui probabilitas terhadap suatu kejadian. Namun demikian,
bagaimana mengetahui probabilitas terhadap banyak kejadian atau percobaan? Distribusi
probabilitas memberikan keseluruhan kemungkinan nilai yang mungkin muncul atau terjadi
dari sebuah kejadian atau percobaan.
Pertanyaan awal pada bab ini adalah mengapa mempelajari distribusi probabilitas? Berikut
beberapa contoh yang mungkin membantu kita akan pentingnya distribusi probabilitas.
1. Pada tahun 2013, perusahaan reksa dana asing (Manajer Investasi/MI) asing
menguasai pangsa pasar reksa dana di Indonesia. Masyarakat Indonesia lebih
memercayakan investasinya dikelola oleh MI asing. Data Otoritas Jasa Keuangan
(OJK) menyebutkan, 16 MI asing menguasai 59% dana kelolaan di Indonesia
Keunggulan MI asing dibanding MI lokal terletak pada networking dan penyebaran
kantor cabang yang dapat menjangkau nasabah. Sebelum krisis tahun 2008, sudah
banyak orang Indonesia yang menyimpan uang di Singapura. Saat ini banyak produk
reksa dana yang diklasifikasikan menjadi 9 kelompok, yakni reksa dana saham, reksa
dana pasar uang, reksa dana campuran, reksa dana pendapatan tetap. reksa dana
terproteksi, reksa dana indeks, exchange trade fund (ETF) saham, ETF pendapatan
tetap, dan Syariah. Setiap pilihan reksa dana mempunyai konsekuensi pilihan, apabila
risiko rendah, maka pendapatan rendah, sebaliknya jika risiko tinggi. maka
pendapatannya juga tinggi. Namun demikian, pada reksa dana saham (%3yr) tahun
2013 tercatat Nilai Aset Bersih (NAB) dari 78% investasi mengalami kenaikan
(untung), sementara 22% sisanya mengalami penurunan (merugi).

Pengertian Distribusi Probabilitas

Distribusi probabilitas menunjukkan hasil yang diharapkan terjadi dari suatu percobaan Dist
probabilitas atau kegiatan dengan nilai probabilitas masing-masing hasil tersebut.
Dengan distribusi probabilitas hasil P(r) memudahkan kita untuk mengetahui probabilitas dari
kejadian yang bersifat acak atau untung-untungan. Yang dimaksud dengan acak atau untung-
untungan adalah bersifat bebas, dalam hal ini ketiga nasabah bebas memilih mana yang
disukai dan tidak ada orang yang tahu.
Distribusi probabilitas adalah sebuah daftar dari keseluruhan hasil suatu percobaan kejadian
yang disertai dengan nilai probabilitas masing-masing hasil (event).
1. Variabel Acak/Random: Setelah mengetahui bagaimana menyusun sebuah
distribusi probabilitas, dan sebelum membahas beberapa jenis probabilitas,
sebaiknya kita memahami beberapa istilah yang digunakan dalam
 Variabel Acak : adalah sebuah ukuran atau besaran yang merupakan
hasil suatu percobaan atau kejadian yang terjadi secara acak atau
untung-untungan dan mempunyai nilai yang berbeda-beda.
  Variabel Acak Diskret :merupakan ukuran hasil dari percobaan yang
bersifat acak dan mempunyai nilai tertentu yang terpisah dalam suatu
interval. Biasanya dalam bentuk bilangan bulat dan dihasilkan dari
perhitungan.
 Variabel Acak Kontinu : mempunyai nilai yang menempati pada
seluruh interval hasil percobaan. Biasanya dihasilkan dari pengukuran
dan bukan perhitungan.

Rata-Rata Hitung, Varians, dan Standar Deviasi dari Distribusi Frekuensi

1. Nilai Rata-Rata Hitung :
Digunakan sebagai nilai untuk mewakili nilai-nilai probabilitas yang ada pada
distribusi probabilitas. Nilai rata-rata hitung juga merupakan nilai harapan.
Nilai rata-rata hitung dalam probabilitas juga merupakan nilai rata-rata hitung
tertimbang karena seluruh kemungkinan diberikan bobot berupa probabilitas
pada setiap kejadian masing-masing.
Rumus :
μ=E ( x ) =∑ ( X ) . P ( X )

Dimana : μ : Nilai rata-rata hitung distribusi probabilitas

E(x) : Nilai harapan
X : Kejadian
P(X): Probabilitas suatu kejadian X
E : Lambang operasi penjumlahan

2. Varians dan Deviasi Standar :

Merupakan ukuran penyebaran, yaitu mengukur seberapa besar data menyebar
dari nilai tengah. Semakin kecil sebaran data,maka semakin baik, karena
menunjukkan data mengelompok pada nilai rata-rata hitung.
Rumus :
Varians = σ 2=∑ [ X−μ ) . P ( X ) ¿
2

Standar Deviasi = σ =√ σ 2

Dimana : σ 2 : Varians
σ : Standar Deviasi
X : Nilai suatu kejadian
μ : Nilai rata-rata hitung distribusi probabilitas
P(X) : Probabilitas suatu kejadian X
E : Lambang operasi penjumlahan

Distribusi Probabilitas Binomial

Distribusi probabilitas adalah daftar seluruh kemungkinan hasil suatu percobaan yang disertai
dengan probabilitas masing-masing hasil. Distribusi probabilitas binomial menggambarkan
data yang dihasilkan oleh suatu percobaan yang dinamakan perobaan Bernoulli.
1. Ciri-Ciri Percobaan Bernoulli
 Setiap percobaan atau kegiatan hanya menghasilkan dua kejadian.
Karena hanya dua kejadian ini, maka dikenal dengan binomial. Berikut
contoh beberapa percobaan atau kegiatan yang mempunyai dua
kejadian

Percobaan / Kegiatan Kejadian

Melempar uang ke udara 1. Muncul gambar
2. Muncul angka
Transaksi di bursa 1. Jual saham
2. Beli saham
Perubahan harga 1. Inflasi
2. Deflasi
Kelahiran anak 1. Lahir laki-laki
2. Lahir Perempuan

Menaksir gadis 1. Diterima

2. Ditolak

 Probabilitas sebuah percobaan baik sukses maupun gagal tetap bernilai

sama untuk setiap percobaan. Dengan kata lain, probabilitas bersifat
konstan untuk seluruh percobaan atau kejadian. Misalnya, apabila
probabilitas jual saham 0,8 dan beli saham 0,2 maka untuk semua
transaksi juga memiliki probabilitas yang sama.
 Percobaan atau kejadian bersifat independen. Artinya hasil dari suatu
percobaan tidak memengaruhi hasil percobaan lainnya. Misalnya,
apabila seorang ibu melahirkan bayi perempuan, maka tidak akan
memengaruhi kelahiran bayi bagi ibu lainnya.
 Data yang dikumpulkan merupakan hasil dari perhitungan. Dengan
demikian percobaan Bernoulli adalah variabel diskret dan nilainya
menempati tempat tertentu dalam interval atau skala pengukuran.

2. Pembentukan Distribusi Binomial

Untuk membentuk suatu distribusi binomial diperlukan pengetahuan dua hal
yaitu :
a. Banyaknya percobaan
b. Probabilitas suatu kejadian baik sukses maupun gagal
Distribusi probabilitas binomial dapat dinyatakan sebagai berikut.
 Dimana :
P(x)= Nilai probabilitas binomial
P = Probabilitas sukses
x = Banyaknya percobaan sukses
n = Jumlah total percobaan
q = Probabilitas gagal
! = Lambang faktorial
Contoh :
Irwan melakukan latihan tendangan penalti sebanyak 3 kali. Peluang
sukses melakukan tendangan sebesar 4/5 . Peluang Irwan mencetak tepat
dua gol adalah….
Penyelesaian :
n=3
x=2
P = 4/5
q = 1/5

3. Menggunakan Tabel Binomial

Untuk menggunakan tabel distribusi binomial, Anda hanya memerlukan tiga
nilai:
n : jumlah percobaan
r: jumlah “keberhasilan” selama n percobaan
 p: probabilitas keberhasilan pada percobaan tertentu
Dengan menggunakan ketiga angka ini, Anda dapat menggunakan tabel
distribusi binomial untuk mencari peluang memperoleh r keberhasilan yang
tepat selama n percobaan ketika peluang keberhasilan pada setiap percobaan
adalah p .
Contoh
Pertanyaan: Jessica melakukan 60% percobaan lemparan bebasnya. Jika dia
menembakkan 6 lemparan bebas, berapa peluang dia berhasil tepat 4 lemparan
bebas?
Untuk menjawab pertanyaan ini, kita dapat mencari nilai pada tabel distribusi
binomial yang sesuai dengan n = 6, r = 4, dan p = 0,60:

4. Distribusi Probabilitas Binomial Kumulatif

Distribusi binomial kumulatif digunakan untuk menggambarkan probabilitas
sejumlah keberhasilan tertentu dalam serangkaian percobaan independen.
Probabilitas sukses ditentukan dengan mengalikan probabilitas sukses pada
percobaan pertama dengan probabilitas sukses pada percobaankedua, dan
seterusnya, sampai jumlah percobaan dalam rangkaian tercapai.
Contoh:Berapa probabilitas tepat 5 baju tidak cacat dan berapa probabilitas 5
baju atau kurang tidak cacat?
Penyelesaian:
Probabitas idak caca (P) = 0u25 dan probabitas cacat (4) = 1 -p = 1-0.95 =
0.05,
a. Probabilitas tepat 5 baju tidak cacat
P(5) = [6!/5!(6 - 1)!] 0,955. 0,05(6 - 5) = 0,232
b. Probabilitas 5 atau kurang baju tidak cacat:
P(r ≤ 5/m = 6,p = (0,95) = P(r= 0) + P(r= 1) + P(r= 2) + P(r= 3) + P(r= 4) +
P(r=5)
= 0,000 + 0,000 + 0,000 + 0,002 + 0,031 + 0,232
= 0,265 = 269
Jadi, probabilitas tepat 5 baju tidak cacat adalah 0,232 dan probabilitas 5 baju
atau kurang cacat adalah 0,265.
Distribusi Probabilitas Hipergeometrik
Pada kasus di mana terjadi percobaan tanpa pengembalian pada populasi yang terbatas, dan
jumlah sampel terhadap populasinya lebih 5%, distribusi hipergeometrik Jebih tepat
digunakan.
Distribusi hipergeometrik dinyatakan sebagai berikut:

Distribusi Probabilitas Poisson

1. Pembentukan Distribusi Poisson
Distribusi probabilitas diskret yang menyatakan peluang jumlah peristiwa yang
terjadi pada periode waktu tertentu apabila rata-rata kejadian tersebut diketahui
dan dalam waktu yang saling bebas sejak kejadian terakhir.

Contoh :
Jumlah emiten di BEI ada 150 perusahan probabilitas
Perusahan perusahan tersebut memberikan deviden pada tahun 2006 hanya 0,1
apabila BEI meminta laporan dari emiten sebanyak 5 perusahaan , berapa
probabilitas 5 perusahan tersebut adalah perusahan yang membagikan dividen?
Penyelesaian :

2. Bagaimana Menggunakan Tabel Distribusi Poisson?

 Untuk membantu memperoleh dengan cepat nilai probabilitas distribusi
Poisson, tabel hasil distribusi Poisson akan sangat membantu. Bagaimana
menggunakan tabel ini?

Anda dapat melihat Tabel Distribusi Poisson pada lampiran buku ini.
Penggunaan tabel ini menghendaki pengetahuan nilai tengah rata-rata hitung
(u= n.p) dan jumlah sukses X. Pada baris Anda lihat nilai u yaitu = 15 dan pada
kolom baris, Anda lihat X = 5, maka perpotongan antara u = 15, X = 5 adalah
0,002.

BAB 9 DISTRIBUSI PROBABILITAS NORMAL

Pengantar
Pada bagian ini akan dibahas distribusi probabilitas kontinu, yaitu distribusi probabilitas
normal. Distribusi probabilitas normal sebagai distribusi variabel acak kontinu mempunyai
nilai yang jumlahnya tidak terbatas dalam skala atau jarak tertentu. Distribusi normal
mempunyai nilai sepanjang interval, biasanya berupa bilangan pecahan dan datanya
dihasilkan dari pengukuran.
Pertanyaan awal pada bab ini adalah, mengapa kita perlu mempelajari distribusi probabilitas
normal? Jawaban atas pertanyaan tersebut adalah bahwa distribusi probabilitas normal
merupakan salah satu distribusi yang paling penting dalam statistika. Distribusi probabilitas
normal yang mempunyai kurva berbentuk genta atau simetris dapat digunakan dalam industri,
keuangan, teknik, manajemen, dan bidang lain. Hal tersebut didasarkan atas kenyataan bahwa
banyak peristiwa atau kejadian di alam yang memerlukan pengukuran dan nilainya tidak
terbata.

Karakteristik Distribusi Probabilitas Normal

Distribusi probabilitas normal dan kurva normal telah dikembangkan oleh DeMoivre(1733)
dan Gauss(1777-1855) dengan menurunkan persamaan matematis dan kurva normalnya. Oleh
sebab itu, untuk menghormati Gauss, kurva normal juga sering disebut dengan kurva Gauss.
Beberapa karakteristik dari distribusi probabilitas dan kurva normal adalah:
1.Kurva berbentuk genta atau lonceng dan memiliki satu puncak yang terletak di tengah.
Nilai rata-rata hitung Go sama dengan median (Md) dan Modus (Mo). Nilai p Md -Mo yang
berada di tengah membelah kurva menjadi dua bagian yaitu setengah di bawah nilai p-Md-
Mo dan setengah di atas nilai - Md-Mo
2. Distribusi probabilitas dan kurva normal berbentuk kurva simetris dengan rata-rata
hitungnya ( μ). Apabila kurva dilipat menjadi dua bagian dengan nilai tengah rata-rata sebagai
pusat lipatan, maka kurva akan menjadi dua bagian yang sama.
3. Distribusi probabilitas dan kurva normal bersifat asimptotis. Kurva ini menurun di kedua
arah yaitu ke kanan untuk nilai positif tak terhingga (∞ ) dan ke kiri untuk nilai negatif tak
terhingga (-∞ ). Dengan demikian, ekor kedua kurva tidak pernah menyentuh nol, hanya
mendekati nilai nol.
4. Modusnya (Md) pada sumbu mendatar membuat fungsi mencapai puncaknya atau
maksimum pada X=p.
5. Luas daerah yang terletak di bawah kurva normal tetapi di atas sumbu mendatar sama
dengan 1. Luas daerah tersebut terdiri dari setengah di sebelah kiri nilai tengah ( μ) dan
setengah di sebelah kanan nilai tengah ( μ).

Jenis-Jenis Distribusi Normal

Distribusi probabilitas normal sangat dipengaruhi oleh nilai rata-rata hitung dan standar
deviasinya. Oleh sebab itu, distribusi probabilitas dan kurva normal tidak hanya satu jenis.
Beberapa jenis dari Distribusi Normal:
1. Distribusi Probabilitas dan Kurva Normal dengan μ dan σ berbeda
Bentuk distribusi probabilitas dan kurva normal dengan nilai tengah sama dan
standar deviasi yang berbeda. Bentuk ini sudah dipelajari pada sub-bab
keruncingan. Masih ingat bentuk leptokurtik, platykurtik dan mesokurtik.
Kurva normal demikian mempunyai = Md= Mo yang sama, namun
mempunyai σ berbeda. Semakin besar σ , maka kurva semakin pendek dan
semakin tinggi nilai σ , maka semakin runcing. Oleh sebab itu, σ tinggi
cenderung menjadi platykurtik dan σ rendah menjadi leptokurtik. Nilai o yang
tinggi menunjukkan bahwa nilai data semakin menyebar dari nilai tengahnya (
μ). Sebaliknya apabila σ yang rendah, maka nilai semakin mengelompok pada
nilai tengahnya, sehingga parameter nilai tengah menjadi indikator yang baik
bagi ukuran populasi.
2. Distribusi Probabilitas dan Kurva Normal dengan μ berbeda dan σ sama
Bentuk distribusi probabilitas dan kurva normal dengan berbeda dan ir sama
mempunyai jarak antara kurva yang berbeda, namun bentuk kurva tetap sama.
Hal demikian his terjadi karena kemampuan antar populasi berbeda, namun
setiap populan mempunya keragaman yang hampir sama
3. Distribusi Probabilitas dan Kurva Normal dengan μ berbeda dan σ berbeda
Bentuk ketiga dari distribusi probabilitas dan kurva normal dengan μ berbeda
dan σ berbeda. Kurva yang demikian mempunyai titik pusat yang berbeda pada
sumbu mendatar dan bentuk kurva berbeda karena mempunyai standar deviasi
 yang berbeda. Kurva demikian relatif banyak terjadi, karena antar-populasi
terdapat perbedaan kemampuan, di samping itu di dalam setiap populasi juga
terdapat perbedaan, atau setiap populasi juga mempunyai keragaman yang
berbeda
Distribusi Probabilitas Normal Buku
Distribusi normal baku, yaitu distribusi probabilitas acak normal dengan nilai tengah nol dan
simpangan baku ⁱ.
Beberapa hal yang perlu dilakukan dalam rangka distribusi probabilitas normal baku adalah
mengubah atau membakukan distribusi aktual dalam bentuk distribusi normal baku yang
dikenal dengan nilai Z atau skor Z.
Rumus nilai Z adalah sebagai berikut:
X−μ
Z=
σ
Dimana : Z : Skor Z atau nilai normal baku
X : Nilai dari suatu pengamatan atau pengukuran
μ : Nilai rata-rata hitung suatu distribusi
σ : Standar deviasi suatu distribusi

Luas di Bawah Kurva Normal

Pada sub-bab ini akan dibahas tentang sebaran data dalam distribusi probabilitas dan kurva
normal. Kurva normal juga mengikuti hukum empirik. Untuk distribusi simetris, dengan
distribusi frekuensi berbentuk lonceng seperti kurva normal diperkirakan 68,26% data berada
di dalam rata-rata hitung ditambah satu kali standar deviasi, (X + 10), 95,44% data akan
berada pada kisaran rata-rata hitung ditambah dua kali standar deviasi, (X + 20); dan semua
data atau 99,74% akan berada pada kisaran rata-rata hitung ditambah tiga kali standar deviasi,
(X± 30). Pada Sub-bab 9.4 juga dibahas tentang transformasi dari nilai X ke Z.
Perubahan konversi dari X ke Z menunjukkan bahwa nilai X + lo setara dengan Z = ±1,
sedang X 20 sama dengan Z= ±2, dan X ± 30 sama dengan Z±3. Hal ini didasarkan pada nilai
o pada distribusi normal baku =1

Penerapan Distribusi Probabilitas Normal

Banyak sekali penerapan distribusi probabilitas normal dalam kehidupan. Berikut beberapa
contoh dari penerapan tersebut.
PT Gunung Sari mengklaim bahwa rata-rata berat buah mangga mutu "B" adalah 350 gram
Contoh: menghitung dengan standar deviasi 50 gram. Bila berat mangga mengikuti distribusi
normal, berapa probabilitas kurang probabilitas bahwa berat buah mangga mencapai kurang
dari 250 gram sehingga akan diprotes oleh konsumennya.

Penyelesaian:
P(x < 250)
P (x = 250) = (250-350)/50 = -2,00
P(x-250) (250-350)/50-2,00
Jadi P(x < 250) P(z<-2,00)
P( z < -2,00) = 0,4772
Luas sebelah kiri nilai tengah adalah 0,5. Oleh sebab itu, nilai daerah yang diarsir menjadi
0,5-0,4772=0,0228. Jadi, probabilitas di bawah 250 gram adalah 0,0228 (2,28%). Dengan
kata lain probabilitas diprotes konsumen karena berat buah mangga kurang dari 250 gram
adalah 2,28%.
Pendekatan Normal terhadap Binomial
1. Pengaruh Jumlah n
Dengan menggunakan pola pendekatan normal terhadap binomial, maka akan
lebih efisien. Bisa Anda bayangkan berapa banyak probabilitas binomial,
apabila n = 80 atau bahkan lebih besar. Oleh sebab itu, apabila n cukup besar
 dengan nilai ja-np atau n(1 - p) lebih besar dari 5, maka pendekatan normal
dapat dilakukan untuk distribusi binomial
Definisi dari pendekatan normal terhadap binomial dapat dinyatakan sebagai
berikut: Dalil pendekatan normal terhadap binomial. Bila nilai X adalah
distribusi acak binomial dengan nilai tengah unp dan standar deviasi σ – E npq,
maka nilai Z untuk distribusi normal adalah

X−np
Z=
√npq
Dimana n → tak terhingga dan nilai p mendekati 0,5

2. Faktor Koreksi Kontinuitas

Untuk mengubah pendekatan dari binomial ke normal, menurut Lind (2002)
diperlukan faktor koreksi, selain syarat binomial terpenuhi yaitu: (a) hanya
terdapat dua peristiwa, (b) peristiwa bersifat independen, (c) besar probabilitas
sukses dan gagal sama setiap percobaan, dan (d) data merupakan hasil
penghitungan.
Apabila sudah memenuhi syarat binomial, maka kita menggunakan faktor
koreksi yang besarnya 0,5. Faktor koreksi ini diperlukan untuk
mentransformasi dari binomial menuju normal yang merupakan variabel acak
kontinu.
Faktor koreksi kontinuitas. Nilai koreksi kontinuitas adalah sebesar 0.5 yang
dikurangkan dan ditambahkan pada data yang diamati
Contoh :
H. Ibrahim bin Abdul Wahab merupakan pedagang buah di Tangerang. Setiap
hari ia membeli 300 kg buah di Pasar Induk Kramat Jati, Jakarta Timur.
Probabilitas buah tersebut laku dijual adalah 80% dan 20% kemungkinan tidak
laku dan tidak busuk?
Penyelesaian :