BAB VII

TEORI KEMUNGKINAN (PROBABILITAS)

Telah kita sepakati bahwa kita tidak akan mungkin dapat mengetahui dengan
pasti tentang sesuatu kejadian yang akan datang. Sebagai contoh, kita dapat bertanya
pada diri kita sendiri tentang kejadian tersebut, misalnya:
1. Apakah nanti sore saya masih bisa hidup?
2. Apakah besok pagi akan terjadi hujan deras?
Dan beribu-ribu pertanyaan yang dapat kita buat dengan jawabnya mungkin atau tidak
mungkin.
Model-model pertanyaan di atas bukanlah merupakan model pertanyaan
probabilitas, karena yang akan dibicarakan dalam bab ini adalah model kemungkinan
yang hanya didukung oleh data. Jawaban mungkin atau tak mungkin di atas hanya
merupakan jawaban ramalan yang hanya berhubungan dengan faktor keberuntungan
saja seperti seseorang meramal undian.
Menurut BJ Randel dalam bukunya Statistic For Management, probabilitas
diartikan sebagai suatu nilai yang dipergunakan untuk mengukur tingkat peluang
terjadinya suatu kejadian yang random.
Suatu proses disebut random bila hasil proses tersebut tidak dapat ditentukan
sebelumnya dengan pasti. Sehingga nilai probabilitas tersebut hanya dapat dipakai
sebagai ukuran untuk memprediksi peluang yang akan terjadi dalam suatu kejadian.

7.1 NILAI KEMUNGKINAN (NILAI PELUANG)

Apabila suatu kejadian atau kejadian E dapat terjadi h kali dari sejumlah n cara
dengan peluang yang sama, maka peluang dapat terjadinya kejadian (E) tersebut dapat
ditulis:

h
Pr ( E ) = .............................................................................. (7.1)
n

Kemungkinan tak terjadinya E adalah:

72
 n-h
Pr (bukanE ) = ................................................................... (7.2)
n
Jika Pr (E) ditulis dengan simbol P (Sukses) dan Pr (bukan E) disimbolkan q = gagal,
maka P + q =1.

Contoh 7.1:
Sebuah dadu dilemparkan. Berapa peluang keluarnya mata 3 dadu tersebut?

Penyelesaian:
Sebuah dadu mempunyai 6 sisi yang masing-masing sisi tertulis nilai mata 1 s/d 6. Setiap
pelemparan sebuah dadu, akan mempunyai kemungkinan yang sama untuk muncul tiap-
tiap mata/angka 1, 2, 3, 4, 5, dan 6. Berarti pada dadu ada 6 cara untuk muncul.
Harapan munculnya mata 3 adalah salah satu kejadian dari 6 kejadian tersebut, maka
probabilitas munculnya mata 3 atau P3 (3) adalah: P = 1/6
Sedang kemungkinan tidak keluarnya angka 3 atau Pr (bukan 3) adalah: q = 1 – 1/6 =
5/6
Jika peluang keluarnya 3 muka dadu (misalnya mata 4, 5, 6) dalam satu kali lemparan
dari sebuah dadu adalah : P = 3/6 = ½
Dan kemungkinan kegagalan untuk yang keluar bukan 4, 5, dan 6 adalah:
q = 1 – 3/6 = 3/6 = ½

Contoh 7.2:
Hasil ujian mata kuliah X dari 65 orang mahasiswa diberikan dalam tabel distribusi
berikut:
Nilai : A B C D E Jumlah
Frekuensi : 10 16 32 5 2 65
Jika kita menjumpai salah seorang dari mahasiswa tersebut, berapakah besar
probabilitas bahwa kita dapat menjumpai mahasiswa yang:
a. mempunyai nilai A
b. mempunyai nilai D

Penyelesaian:

73
P (A) = 10/65 = 0,15 = 15%
P (D) = 5/65 = 0,08 = 8%

Contoh 7.3:
Sekelompok bilangan 0, 1, 2, 3, ..........., 9 jika kita ambil secara acak, setiap angka akan
mempunyai kemungkinan dapat terambil yang sama.
Jika kita ingin menghitung nilai kemungkinan dapat terambil angka yang habis dibagi
tiga, maka jawabnya adalah sebagai berikut:
Ada 10 cara untuk mendapatkan angka-angka dari 0 s/d 9. Dari 10 cara tersebut,
kemungkinan untuk mendapatkan bilangan yang habis dibagi tiga hanya ada 4 cara
(angka 0, 3, 6, 9), sehingga probabilitasnya adalah:
Pr (habis : 3) = 4/10 = 0,4
Contoh ini adalah hasil dimana kejadian tidak boleh dipengaruhi oleh keadaan. Artinya,
setiap kali pengambilan harus dikembalikan lagi untuk diacak kembali.
Untuk kejadian-kejadian yang dipengaruhi oleh keadaan serta untuk mendapatkan nilai
kemungkinan yang lebih komplek pada kejadian yang lebih majemuk, kita harus
menggunakan analisa kombinatorial.

7.2 ANALISA KOMBINATORIAL

Untuk mempelajari analisa kombinatorial kita harus memahami tentang
permutasi dan kombinasi.

7.2.1 Permutasi
Jika kita mempunyai unsur A, B, dan C, kita dapat menyusun unsur-unsur
tesebut dengan mengurutkan sebagai berikut:
ABC, ACB, BAC, BCA, CAB, dan CBA
Susunan tersebut disebut permutasi 3 elemen dengan 3 unsur, yang ditulis
dengan:
3P3 = 6

74
 Jika elemen di atas kita susun dengan dua unsur, yaitu: AB, BA, AC, CA, BC, CB,
maka permutasi 3 elemen dengan 2 unsur disimbolkan dengan 3P2 = 6.

Definisi:
Permutasi r unsur yang diambil dari n unsur yang berlainan ialah penempatan r unsur itu
dalam suatu urutan (r / n).
Secara matematik disimbolkan sebagai berikut:
n!
Permutasi : n Pr = ............................................................. (7.4)
n-r!

3! 1.2.3
Contoh di atas: 3 P3 = = =6
(3 - 3) ! 0!

7.2.2 Kombinasi
Jika pada permutasi unsur-unsur A, B, dan C disusun dengan tidak mengindahkan
urutan, maka pada kombinasi mengindahkan urutan. Maksudnya pasangan AB = BA; AC
= CA; dan BC = CB. Berarti pilihan pasangan sekarang terdiri dari AB, BC, dan AC yaitu
merupakan kombinasi dari 3 elemen dengan 2 unsur yang dituliskan dengan:
æ n ö n Pr n!
nCr atau ç ÷ = = ..................................................... (7.5)
èrø r! r !(n - r ) !

æ3ö 3!
Jadi untuk 3C 2 atau ç ÷ = =3
è 2 ø 2 !(3 - 2) !

Contoh 7.4:
Jika kita mempunyai 4 buku yang ingin kita susun dalam rak buku, ada beberapa
permutasinya:
a. Jika kita hanya mengambil 2 buah buku
b. Jika kita mengambil 4 buah buku.

Penyelesaian:

75
a. Untuk susunan 2 buah buku dari 4 buku yang ada:
4!
4P2 = = 12 cara
(4 - 2) !

b. Untuk susunan 4 buku dari 4 buku yang ada:

4!
4P4 = = 24 cara
(4 - 4) !

Contoh 7.5:
Suatu kotak berisi 10 kelereng merah dan 15 kelereng putih. Apabila kita mengambil
secara acak 4 kelereng setiap kali pengambilan, berapa nilai kemungkinan untuk
mendapatkan:
a. Semua merah
b. Semua putih
c. 2 merah dan 2 putih
d. 1 putih dan 3 merah

Penyelesaian:
Jumlah kelerang merah dan putih = 25 buah
Jika kita mengambil 4 buah secara acak akan diperoleh: 25 C 4 = 12 650 cara.
a. Untuk memperoleh 4 kelereng merah dari 10 kelereng merah: 10 C 4 = 210 cara.
Jadi probabilitas semua merah:
210 21
P (semua merah) = =
12650 1265
b. Untuk semua putih:
15 C 4 1365
P (semua putih) = =
25 C 4 12650

c. Untuk 2 putih dan 2 merah:

15 C 2 x 10 C 2 105 x 45 4725 189
P (2 putih, 2 merah) = = = =
25 C 4 12650 12650 506

15 C 1x10 C 3 91
d. P (1 putih, 3 merah) = =
25 C 4 253

76
 Catatan:
Dalam statistika 10 kelereng merah dan 15 kelereng putih merupakan POPULASI dan 4
buah yang diambil secara acak disebut sampel.

7.3 DISTRIBUSI KEMUNGKINAN (SEBARAN PELUANG)

Apabila nilai kemungkinan menggambarkan nilai dari suatu kejadian, maka

seluruh kejadian dapat ditunjukkan oleh distribusi ini. Untuk mempermudah pengertian
ini marilah kita lihat contoh pelemparan dua buah dadu. Kemungkinan kejadian mata
dadu yang akan keluar dari kedua dadu tersebut adalah 1/36. Hal ini dapat dilukiskan
sebagai berikut:
1.1 2.1 3.1 4.1 5.1 6.1
1.2 2.2 3.2 4.2 5.2 6.2
1.3 2.3 3.3 4.3 5.3 6.3
1.4 2.4 3.4 4.4 5.4 6.4
1.5 2.5 3.5 4.5 5.5 6.5
1.6 2.6 3.6 4.6 5.6 6.6
Berarti dari keluarnya dua muka sepasang dadu tersebut, nilai kemungkinan dari masing-
masing dadu adalah 1/36 atau P = 1/36.
Apabila P merupakan kejadian dari jumlah angka yang keluar dari pelemparan 2 dadu,
maka diperoleh tabel berikut:

Prob 1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36
1.6
Pasangan 1.5 2.5 2.6
1.4 2.4 3.4 3.5 3.6
1.3 2.3 3.3 4.3 4.4 4.5 4.6
1.2 2.2 3.2 4.2 5.2 5.3 5.4] 5.5 5.6
1.1 2.1 3.1 4.1 5.1 6.1 6.2 6.3 6.4 6.5 6.6

Jumlah 2 3 4 5 6 7 8 9 10 11 12

77
Terlihat bahwa distribusi kemungkinan terpencar seperti distribusi teoritis. Bentuk
pencaran frekuensi teoritis ini selanjutnya akan dipelajari dalam bab berikutnya yang
merupakan bentuk-bentuk probabilitas secara teoritis yang terdiri dari:
1. Distribusi Binomial
2. Distribusi Poison
3. Distribusi Normal.

78
 BAB VIII
DISTRIBUSI TEORITIS

8.1. DISTRIBUSI BINOMIAL

Distribusi binomial selalu mengikuti percobaan Bernouli (Bernouli Trial). Ciri-ciri
percobaan Bernouli adalah:
1. Setiap percobaan hanya memiliki hasil sukses atau gagal.
2. Probabilitas sukses pada setiap percobaan harus sama (konstan).
3. Setiap percobaan harus independen (saling tidak mempengaruhi).
Apabila P adalah probabilitas sukses dan q = 1 – p adalah probabilitas kegagalan,
maka kemungkinan kejadian tersebut x kali sukses dalam n kali kejadian atau x kali
sukses dalam n – x kali gagal dapat dihitung dengan persamaan:
n!
Pn ( x) = nCx p x q n - x = (8.1)
x! (n - x)! p x q n - x

dimana:
Pn (x) = Probabilitas untuk mendapatkan x kali sukses.
x = Kemungkinan yang dikehendaki terjadi (harapan sukses)
n = Jumlah percobaan
p = Probabilitas sukses
q = Probabilitas gagal
Untuk menjelaskan rumus diatas, marilah kita lihat bila sekeping mata uang
logam dilempar 2 kali lemparan. Kemungkinan terjadi peristiwa sebagai berikut:
1. Lemparan pertama : Muka (M)
Lemparan kedua : Belakang (B)
2. Lemparan pertama : M
Lemparan kedua : M
3. Lemparan pertama : B
Lemparan kedua : M
4. Lemparan pertama : B
Lemparan kedua : B

79
Berarti setiap 2 kali lemparan dari 1 keping mata uang tersebut terjadi pasangan
kejadian sebagai berikut: (M,B), (M,M), (B,M), (B,B). Jika keluar M berarti sukses dan
disimbolkan sebagai P dan jika keluar B dianggap gagal dan diberi simbol q, maka
pasangan di atas dapat diubah menjadi:
P q + p p + q p + q q = p2 + 2 p q + q 2
Jika mata uang tersebut dilempar 3 kali, maka komposisinya diperoleh sebagai berikut:
MMM MMB MBM BMM
MBB BMB BBM BBB
Jika M diganti p (sukses) dan B diganti q (gagal), maka komposisi di atas dapat diubah:
ppp ppq pqp qpp
pqq qpq qqp qqq
Kalau semua kejadian dijumlahkan, diperoleh:
p3 + 3 p2 q + 3 p q2 + q3
Begitu seterusnya, kejadian tersebut akan mengikuti (p + q)n

Probabilitas keluarnya 1 M atau 2 B dari 3 kali lemparan mata uang diatas sama
dengan mengharapkan kejadian:
M B B + B M B + B B M = p q q + q p q + q q p = 3 pq2
Sehingga apabila p = ½ dan q = ½, maka probabilitas timbulnya 1M : 3 (1/2) (1/2)2 =3/8.
Berapa probabilitas timbulnya 2 M dalam 3 kali lemparan? (Cobalah untuk
menghitungnya).

Pelemparan sekeping uang logam dengan 3 kali lemparan merupakan sebuah

eksperimen yang terdiri dari 3 percobaan Bernouli, seluruh kemungkinan hasil lemparan
sama dengan 3 keping dilempar 1 kali, yaitu = 23 = 8 (2 muka dengan 3 kali lemparan).
Jika 3 keping uang dilempar 3 kali, maka timbulnya M (sukses) pada lemparan diperoleh
tabel sebagai berikut:
Probabilitas q3 = 1/8 3 p q2 = 3/8 3 p2 q = 3/8 P3 = 1/8
Pr (x)
X 0 1 2 3

Keterangan Semua B M = 1 kali M = 2 kali Semua M

(M = 0) B = 2 kali B = 1 kali (B = 0)

80
Jika kita perhatikan tabel di atas, koefisien 1, 3, 3, 1 = koefisien Binomial = 3 = n
x x
dimana n = 3 dan x = 0, 1, 2, 3.
Koefisien Binomial menghitung jumlah permutasi x sukses dan 3 – x gagal dari 3 kali
percobaan Bernouli. Pada prinsipnya, timbulnya x kali sukses dari 3 – x kali gagal dari
pelemparan sekeping mata uang logam dengan 3 kali pelemparan tersebut di atas
mengandung dua pengertian:
1. Koefisien Binomial menghitung kemungkinan jumlah Permutasi x dan x – 3 bila x
= 0, 1, 2, dan 3.
2. Probabilitas tiap-tiap permutasi dinyatakan dengan : px q3-x

Dalam percobaan Bernouli yang dilakukan n kali maka probabilitas Binomial

selalu merupakan perkalian n dengan px qn-x.
x

n!
dimana : n = nCx =
x! (n - x)!
x
sehingga diperoleh rumus Binomial:
n!
Pn (x) = n C x px qn-x = px qn-x
x! (n - x)!

Contoh 8.1:
Hitunglah kemungkinan mendapatkan 2 muka yang sama pada pelemparan sebuah mata
uang sebanyak 6 kali lemparan.
Penyelesaian:
p = ½ ; q = 1 – ½ = ½ ; n = 6; x = 2
Pn (2) = 6 C 2 (1/2)2 (1/2)6-2
6!
= (1/2)2 (1/2)4
2! (6 - 2)!

720 1 1
=
48 4 16

81
Pn (2) = 15/64

Contoh 8.2:
Buat tabel distribusi kemungkinan dari pelemparan sebuah dadu dengan 4 kali lemparan
untuk keluar mata 6.
Penyelesaian:
Peluang timbulnya mata 6 dari 4 kali lemparan sebuah dadu bisa tidak keluar sama sekali
(x = 0), bisa sekali (x = 1), x = 2, x = 3 dan maksimum adalah 4 kali (x = 4).
Probabilitas keluarnya mata 6 pada pelemparan sebuah dadu = p = 1/6, berarti q = 1 –
1/6 = 5/6. Distribusi kemungkinannya adalah:
X n px qn-x Probabilitas
x
0 4 (1/6)0 (5/6)4 0,482
0

1 4 (1/6)1 (5/6)3 0,386

1

2 4 (1/6)2 (5/6)2 0,116

2

3 4 (1/6)3 (5/6)1 0,015

3

4 4 (1/6)4 (5/6)0 0,001

4

8.1.1. NILAI RATA-RATA DISTRIBUSI BINOMIAL

a. Nilai Rata-rata
Titik Tengah X1 X2 ............. Xn Jumlah
Frekuensi f1 f2 ............. fn n

b. Nilai Rata-rata Hitung

1 k
x= å xi f i
n i =1

82
dimana k terhingga atau tak terhingga. Tabel di atas dapat diubah menjadi:
Titik Tengah X1 X2 ............. Xk Jumlah
Probabilitas p1 p2 ............. pn 1

k
Ekspextansi E (x) = åx
i =1
i pi

fi
Karena » Pi maka E ( x) = X
n
Jika E(x) = U, berarti U = X
U = Rata-rata populasi

X = Rata-rata sampel
Distribusi Binomial memberikan nilai probabilitas:
n!
Pn (x) = n C x px qn-x = px qn-x
x! (n - x)!
k
Berarti nilai rata-rata sampel: E (x) = åx
i =1
i pi dapat ditulis:

k k
n!
å xi p i = å x
i =1 i =1 n!(n - x)!
p xi q n - xi

dimana: i = 0, 1, 2, 3, ........., n
x = åx i = x1 + x2 + ........+ xn

dimana x = 1, jika sukses = p(1) = p

x = 0, jika gagal = p(0) = 1 - p = q

E (xi) = i (p) + 0 (1 – p) = untuk semua i

E (x) = E(E(xi)) = E(x1) + E(x2) + E(x3) + ........+ E(xn)
= p1 + p2 + p3 + ....... + pn
= np
berarti rata-rata kejadian adalah: µ = np (8.2)

83
8.1.2. VARIAN DISTRIBUSI BINOMIAL

Varian sampel = s 2 = f ( x - x) 2

Varian populasi = s 2 = p ( x) ( x - µ ) 2 = p ( x) ( x - np ) 2

Varian x = E [(x – E(x)]2 = E (x – p)2 = å ( x - p) 2

p( x)

= p1 q1 + p2 q2 + ............. + pn qn
n
= åp
i =1
i qi = n p q

maka Varian x = s2 = n p q

Standar deviasinya = s 2 = s = n p q (8.3)

Contoh 8.3
Pabrik senapan angin mengadakan ujicoba hasil produksinya dengan mengadakan
penembakan pada sasaran tertentu. Dipilih penembak jitu yang melakukan uji coba
tersebut. Setiap kali percobaan digunakan 5 pucuk senapan dan dilakukan seratus kali,
hasilnya dicatat seperti tabel berikut:
Sasaran kena (x) 0 1 2 3 4 5 Jumlah
Frekuensi kejadian (f) 3 10 25 40 15 7 100
Berapakah probabilitas sebuah senapan angin akan mengenai sasaran apabila dipakai
untuk menembak dan hitung pula standar deviasinya.
Penyelesaian:
x 0 1 2 3 4 5 Jumlah
f 3 10 25 40 15 7 100
p 0,03 0,1 0,25 0,4 0,15 0,07 1
E (xi) 0 0,1 0,5 1,2 0,6 0,35 2,75
µ = E (xi) = 2,75 = n p
2,75
p= = 0,55
5
atau
275
x= = 2,75 µ =x=n p
100

84
 2,75
p= = 0,55
5
Standar deviasi s = n p q

n = 5 ; p = 0,55 ; q = 1 – 0,55 = 0,45

s = 5 (0,55) (0,45) = 1,1124

8.2. DISTRIBUSI POISON

Distribusi Poison dipergunakan untuk menghitung probabilitas jika jumlah data
(parameter n) besar sekali (n > 50) dan nilai p kecil sekali (lebih kecil dari 0,1) sehingga
perkalian n x p jadi moderat. Apabila kejadian di atas dihitung dengan menggunakan
distribusi Binomial akan menjadi sulit karena distribusi Binomial akan efektif bila
digunakan untuk menghitung probabilitas dari kejadian sukses dan gagal yang tidak
berbeda jauh dan harga n kecil. Misalnya jika kita ketahui n = 100, x = 4, dan p = 0,01,
dengan Binomial nilai probabilitasnya adalah:
P100(4) = nCx px qn-x
100!
= (1 / 100) 4 (99 / 100) 96
4! 100!

= ?
Melihat angka-angka yang besar demikian tentunya akan menjadi sulit diselesaikan,
sehingga untuk kejadian dimana x >> n tidak mudah dilakukan.
Akan lebih sederhana jika dicari dengan menggunakan pendekatan Poison dengan
memanfaatkan hubungan µ = n p. Distribusi Poison memberikan persamaan sebagai

µ x e -µ
berikut: p( x) = (8.4)
x!
Dimana:
p(x) = probabilitas x
µ = n p = kejadian rata-rata
x = kejadian yang dikehendaki
e = bilangan alam = 2,71828

85
8.2.1. NILAI RATA-RATA DISTRIBUSI POISON
Nilai rata-rata distribusi Poison diberikan:
¥
µ x e -µ
E ( x) = å x =µ =n p
x =0 x!

8.2.2 VARIAN DISTRIBUSI POISON

Varian distribusi Poison adalah:
¥
µ x e -µ
s 2 = E(x - µ ) 2 = å (x - µ ) 2
x =0 x!
s2 = µ
Standar deviasinya:

s= µ = np

Contoh 8.4:
Kemungkinan seseorang akan mati karena penyakit tertentu adalah 0,001. Hitunglah
probabilitas bahwa dari 2000 orang penderita penyakit tersebut terdapat:
a. 3 orang mati
b. lebih dari 2 orang yang mati
Penyelesaian:
p = 0,001 ; n = 2000 ; µ = n p = 2000 x 0,001 = 2
2 x e -2
p( x) =
x!
2 3 e -2 2 3 (2,7182) -2
a. p(3) = = » 0,18 = 18%
3! 1x 2 x3
b. Lebih dari 2 orang yang mati berarti kita harus menghitung jumlah probabilitas untuk
x = 3, 4, 5, 6 ..........s/d 2000. Mengingat hubungan p + q = 1, berarti kita cukup
menghitung probabilitas untuk x = 0, 1, dan 2 saja, sehingga probabilitas untuk x > 2
3
adalah: p (x>2) = 1 - å p( x) , berarti:
i =1

2 0 e -2
p (0) = = 0,1354
0!

86
 21 e -2
p (1) = = 0,2707
1!
2 2 e -2
p (2) = = 0,2707
2!
3

å p( x) = 0,6768
i =1

Jadi p (x > 2) = 1 – 0,6768 = 0,3232 » 32%

8.3. DISTRIBUSI NORMAL

Distribusi Normal mengikuti fungsi Gauss yang dituliskan sebagai berikut:
x-µ
1 -1 / 2 ( )2
F (x) = e s
(8.5)
s 2p
Dimana:
F (x) = fungsi kepadatan normal = probabilitas kejadian normal
s = standar deviasi
µ = nilai rata-rata
x = harapan yang diinginkan
e = 2,71828
Fungsi tersebut berbentuk lonceng terbalik dan simetris terhadap sumbu tegak seperti
gambar berikut:

F(x)

Kondisi gambar di atas tergantung pada parameter nilai rata-rata dan standar deviasi.
Setiap harga µ tertentu dengan harga s berbeda akan memberikan grafik distribusi
tertentu pula, seperti gambar berikut:

87
 s = 0,5
s=1
s = 2,5

Begitu pula jika harga s tertentu dan harga µ berbeda akan menggambarkan fungsi yang
sama dalam kedudukan yang berbeda:

µ = -2 µ=0 µ=2

Luas seluruh bidang dibawah kurva normal dan sumbu datar sama dengan 1.
Karena kurva tersebut simetris terhadap sumbu tegak, maka separuh luasnya = 0,5.
Probabilitas dengan pendekatan fungsi normal ditentukan dengan jalan
menentukan luasan dibawah kurva tersebut. Hanya saja karena frekuensi normal
merupakan fungsi yang tidak sederhana, sehingga penyelesaian perhitungan luasan
dibawah kurva normal dengan integral juga tidak sederhana, maka probabilitas
umumnya dihitung dengan menggunakan distribusi normal standart dimana variabel
acaknya adalah µ dan s.
x-µ
Harga-harga variabel standart dihitung dengan mensubstitusi =Z
s
1 2
sehingga persamaan Normal di atas menjadi F (z) = e -1 / 2 Z
s 2p
(8.6)

88
Untuk harga Z tertentu, harga luasan di bawah kurva normal akan tertentu pula, dan
telah dihitung serta dibuat tabel normalnya, sehingga untuk mencari nilai
probabilitasnya kita cukup menghitung harga Z, kemudian kita baca pada tabel normal.

8.3.1. CARA MEMBACA TABEL

Bila kita ingin menghitung probabilitas yang diketahui variabel random
normalnya antara Z = 0 dan Z = 1, maka pada tabel normal akan terbaca sebagai berikut:
Antara Z = 0 s/d Z = 1 kurvanya adalah
daerah yang diarsir. Pada tabel, untuk
Z = 1, luasnya = 0,3414, berarti
probabilitas untuk p (0 < Z < 1) = 0,3414

8.3.2. MERUBAH VARIABEL X KE VARIABEL Z

Persamaan distribusi untuk fungsi normal :
x-µ
1 -1 / 2 ( )2
F (x) = e s
s 2p
x-µ
Dengan mensubstitusi = Z , maka fungsi tersebut akan menjadi:
s
1 2
F (x) = e -1 / 2 Z
s 2p
Luas pada tabel normal ditentukan oleh nilai Z, sehingga untuk menghitung luasan harus
x-µ
mengganti nilai acak x ke harga Z dengan menggunakan rumus: =Z (8.7)
s
Dimana:
µ = nilai rata-rata
s= standar deviasi
x = variabel acak
Z = variabel standart

89
Contoh 8.5:
Misalkan kelompok data dengan nilai rata-rata = 10 dan s = 2. Rubahlah nilai x ke nilai z
untuk x = 8, x = 9, x = 11, dan x = 13.
Penyelesaian:
8 - 10
Untuk x = 8, Z1 = = -1
2
9 - 10
Untuk x = 9, Z2 = = -0,5
2
11 - 10
Untuk x = 11, Z3 = = 0,5 X
2
13 - 10
Untuk x = 13, Z4 = = 1,5 Z
2

90