BIOSTATISTIK

Giatma Dwijuna Ahadi, M.Stat

DISTRIBUSI
PROBABILITAS

Giatma Dwijuna Ahadi, M.Stat

Definisi
▪ Distribusi Probabilitas adalah suatu fungsi yang
mendefinisikan variabel random,
▪ atau suatu set data variabel random akan mengikuti kejadian,
pola distribusi tertentu.

Variabel random adalah suatu fungsi matematika yang

memasangkan setiap unsur dari ruang sampel (R) dengan aggota
suatu himpunan A.
Nilai rata-rata (means) dan varians juga dapat dihitung dari
distribusi probabilitas.
Definisi
Terdapat 2 jenis variabel random secara umum
▪ Variabel Diskrit
Himpunan dari semua nilai kemungkinan variabel random X adalah
himpunan tercacah.
𝑓 𝑥𝑖 ≥ 0
σ𝑖 𝑓 𝑥𝑖 = 1
▪ Variabel Kontinyu
Jika himpunan dari semua nilai yang mungkin adalah berupa
interval/selang.
𝑓 𝑥𝑖 ≥ 0, 𝑢𝑛𝑡𝑢𝑘 𝑥 ∈ 𝑅
‫ = 𝑥𝑑 𝑖𝑥 𝑓 ׬‬1
Distribusi Binomial

jika diketahui variabel random y dengan dua kategori dinyatakan “sukses”

dan “gagal” maka variabel y mengikuti distribusi Bernoulli untuk setiap
obervasi tunggal.
(persamaan 4.1)

Percobaan Binomial memiliki syarat :

• Terdapat n kali percobaan
• Hanya ada 2 kemungkinan dalam setiap percobaan yaitu sukses atau gagal, baik atau
buruk dan sebagainya
• Peluang percobaan (p) harus sama, tidak berubah pada tiap perulangan.
• Peristiwa atau kejadian atau event probabilitas adalah independent/ saling bebas
Bentuk umum distribusi Binomial sama seperti distribusi Bernoulli dengan n kali
percobaan/perulangan
(persamaan 4.2)
Distribusi Binomial

Contoh :
1.Suatu penelitian dilakukan untuk uji efektivitas vaksin pada tikus. Percobaan
akan efektif atau sukses jika tikus tersebut sehat dan gagal jika tikus sakit/mati.
Diketahui bahwa dari hasil percobaan probabilitas tikus sehat adalah 0,6.
Hitung peluang tikus sakit/mati !
2. Berdasarkan survey kesehatan keluarga, dilaporkan 20% balita mengalami gizi
kurang yang terpantau pada Posyandu A. Pada suatu saat diadakan kunjungan
Bupati ke lokasi Posyandu A. Jika ada 5 balita yang diwawancara atau ditemui,
maka hitunglah
a) Peluang balita yang ditemui adalah balita gizi kurang ?
b) Berapa peluang paling banyak ada 3 balita gizi kurang ?
3. Berdasarkan soal no.2 hitunglah mean/ ekspektasi/ rata-rata dan standard
deviation/ simpangan baku dan interpretasikan !
Percobaan Bernoulli

1 𝑝 = 0.6
𝑞 = 0.4 𝑃 𝑥 = 0 = 0.60 0,41−0
X=0, tikus menjadi sakti/mati
2 𝑝 = 0.2
𝑞 = 0.8
Balita yang ditemui adalah gizi
a. 𝑃 𝑥 = 1 = 20
1
0.21 0,820−1
kurang, X=1
Paling banyak terdapat 3 balita b. 𝑃 𝑋 ≤ 3 = 𝑃 0 + 𝑃 1 + 𝑃 2 + 𝑃(3)
gizi kurang, 𝑃 𝑋 ≤ 3
x=0,1,2,3

3
𝜇=4
𝐸 𝑥 =𝜇
𝑆𝐷 = 3.2 = 1.789
𝑆𝐷 𝑥 = 𝑣𝑎𝑟(𝑥)
Distribusi Poisson

kejadian yang jarang terjadi biasanya mengikuti distribusi Poisson.

Komponen dalam contoh kasusnya adalah adanya waktu/ periode dan
objek kejadian.
Terdapat 2 parameter yaitu T dan λ
(persamaan 4.3)

contohnya
• Kejadian angka kematian ibu melahirkan dalam kurun waktu tertentu
• Kecelakaan kerja dalam industry farmasi
• Kejadian gerhana sebagian
• Sebaran bencana tsunami
Dan lain sebagainya
Distribusi Poisson

Contoh :
1. Penyakit DBD masih menjadi permasalahan di Sampang, Madura. Kematian
akibat DBD dalam 2 tahun terakhir adalah 30 orang. Berapakah peluang orang
warga Sampang yang meninggal dalam kurun waktu 1 bulan ?

2. Rata-rata claim asuransi di perusahaan asuransi “BRIngin Life” dalam 1 tahun

untuk wilayah Matarm adalah 10 orang. Berapa peluang paling banyak ada 3
claim selama 6 bulan ?

3. Rata-rata kecelakaan kerja setiap 1 tahun dari Perusahaan besar adalah 2.

berapa peluang ditemukannya pada tahun 2023
a) tidak ada kecelakaan kerja
b) lebih dari 2
Distribusi Poisson

Contoh :
1. Dalam sebuah proses produksi, cacat pada produk menyebabkan produk tsb
sulit dipasarkan. Pada suatu perusahaan farmasi diketahui rata-rata 1 dari 500
produk yg dihasilkan cacat. Berapa peluang bahwa dalam sampel acak
sebanyak 800 produk terdapat cacat < 7

2. Pada sebuah pabrik industri jarang terjadi kecelakaan kerja. Misalkan diketahui
bahwa peluang terjadi kecelakaan utk suatu hari adalah 0,005
jika dalam 400 hari kedepan
a) berapa kemungkinan terjadi satu kecelakaan dalam satu hari ?
b) berapa kemungkinan paling banyak tiga hari dengan satu kecelakaan ?
Distribusi Probabilitas Kontinyu

Variabel Kontinyu
Jika himpunan dari semua nilai yang mungkin adalah berupa
interval/selang.
• 𝑓 𝑥𝑖 ≥ 0, 𝑢𝑛𝑡𝑢𝑘 𝑥 ∈ 𝑅

• ‫ = 𝑥𝑑 𝑖𝑥 𝑓 ׬‬1
𝑏
• P a<x<b = ‫𝑓 𝑎׬‬ 𝑥𝑖 𝑑𝑥
Distribusi Normal

Distribusi yang paling umum dan sering dikembangkan dalam bidang

statistika.
Jika variabel acak X mempunyai fungsi densitas pada X = x yang
mempunyai 2 paremeter yaitu means (μ) dan simpangan baku (𝜎), maka
berdistribusi normal 𝑁~ 𝜇, 𝜎 2 maka fungsi densitas (PDF) adalah

1  1x− 2

f ( x) = exp −   
 2  2    
dimana :
𝜋= 3,14
μ = 𝑟𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎 𝑚𝑒𝑎𝑛
𝜎 = 𝑠𝑖𝑚𝑝𝑎𝑛𝑔𝑎𝑛 𝑏𝑎𝑘𝑢 ( 𝑣𝑎𝑟)
Distribusi Normal

Distribusi Normal standar, Normal Baku adalah jika 𝑁~ 𝜇 = 0, 𝜎 2 = 1

Transformasi normal umum menjadi normal standar
𝑋−𝜇
𝑍=
𝜎
Fungsi densitas (PDF)

Nilai z diperoleh berdasarkan kurva distribusi normal dan Tabel Probabilitas

Distribusi Normal
Distribusi Normal

Fungsi Kumulative (CDF) Fungsi Kumulative (CDF)

𝑎
F 𝑥 = ‫𝑥𝑑 𝑖𝑥 𝑓 ׬‬ • P 𝑥 < 𝑎 = ‫׬‬−∞ 𝑓 𝑥 𝑑𝑥
Untuk −∞ ≤ 𝑥 ≤ ∞ Jika x<μ, maka P z = 𝑃(𝑧 < 𝑓 𝑧 )
Jika x>μ, maka P z = 1 − 𝑃(𝑧 < 𝑓 𝑧 )
P 𝑥 < 𝑎 = 𝐹 𝑧 < 𝑓(𝑎)
= 𝑃(𝑧 < 𝑓 𝑎 ) 𝑏
• P a<x<b = ‫𝑓 𝑎׬‬𝑥𝑖 𝑑𝑥
Untuk z mengikuti fungsi distribusi
normal baku Maka 𝑃(𝑥 < 𝑏) − 𝑃(𝑥 < 𝑎)
Distribusi Normal

Contoh :
Berdasarkan hasil penelitian di Polindes Desa Kawo didapat hasil bahwa berat
badan bayi yang dilahirkan berdistribusi Normal, 𝑁~ 3 ; 0.1225 . Hitunglah
a) Berapa Probabilitas bayi yang lahir BBLR (bb <2,5 kg) ?
b) Berapa Probabilitas bayi yang lahir dengan berat bb>3,8 kg ?
c) Berapa Probabilitas bayi yang lahir dengan berat badan antara 2,9 sampai
3,3 kg ?
d) Jika diketahui ada 200 bayi lahir, berapa jumlah bayi yang beratnya lebih
dari 2,5 kg ?
1 P(x < 2,5)
Maka 𝑧 = −1.43 𝑃 𝑥 < 2,5 = 0,0765

2 P(x > 3,8)

Maka 𝑧 = 2.29
𝑃 𝑥 > 3,8 = 0,0111

3 𝑃 −0.24 < 𝑧 < 0.86

P(2,9 < x < 3,3)
𝑃 𝑧 < 0.86 − 𝑃 𝑧 < −0.24
Maka 𝑃(−0.29 < 𝑧 < 0.86)
Sehingga P(2,9 < x < 3,3)=0,4168

4
Distribusi Normal

Contoh :

Berat bayi baru lahir rata-rata 3750 gram dengan simpangan baku 325 gram. Jika
data berdistribusi normal maka, tentukan :
a) Berapa Probabilitas bayi yang lahir beratnya lebih dari 4500 gram.
b) Berapa persentase bayi beratnya antara 3500 gram sampai 4500 gram jika
ada 2035 bayi.