MODUL PERKULIAHAN

Statistik

Distribusi Probabilitas

Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh

08
Teknik Teknik Mesin W132100023 Ir. Renova Umarsyah, MT

Abstract Kompetensi
Mampu mendefinisikan Mampu memahami pengertian
pengertian Distribusi Distribusi Probalitas
Probabilitas
8. Distribusi Probabilitas

Variabel Acak
Variabel acak (randm variable) adalah variabel yang meompunyai sebuah nilai numerik
tunggal untuk setiap keluaran/hasil dari sebuah eksperimen probabilitas. Biasanya diberi
simbol, X. X dapat bernilai berapapun, tergantung dari hasil yang diperoleh dari
eksperimen.
Eksperimen probabilitas memiliki keluaran atau hasil berupa suatu nilai numerik (angka),
suatu cacahan/hitungan, ataupun suatu hasil pengukuran.

Distribusi Probabitas Diskrit

Fungsi Probabilitas
Jika pada sebuah eksperimen probabilitas dibuat daftar seluruh keluaran yang mungkin
dari variabel diskrit X, yaitu x1, x2, …xn dan kemudian dibuat juga daftar nilai probabilitas
yang berkaitan dengan keluaran tersebut, yaitu P(X = x 1), P(X = x2),…, P(X = xn) (biasa
dinotasikan juga dengan p(x1), p(x2), …, p(xn), maka telah dibentuk suatu distribusi
probabilitas diskrit dari variabel X.
P(X = x) = p(x), dibaca “probabilitas X menyandang nilai x”, disebut fungsi probabilitas
(probability function/pf) dari variabel acak X. Untuk setiap nilai x yang tidak dikaitkan
dengan suatu keluaran yang ada dalam ruang sampel, maka p(x) didefinisikan bernilai
nol.

Ada 2 peraturan yang harus dipenuhi:

1. Nilai-nilai dari suatu fungsi probabilitas angka-angka yang berada dalam interval
antara 0 dan 1. Jadi nilai-nilai fungsi yang mungkin akan selalu berada dalam
interval 0 ≤ p(x) ≤ 1
2. Jumlah seluruh nilai fungsi probabilitas adalah 1. Jadi Σ p(x) = 1

Contoh:
Dalam sebuah eksperimen untuk menghitung probabilitas dari satu kali melempar dua
buah dadu secara bersamaan, diperoleh distribusi probabilitas dari jumlah mata dadu
yang muncul sebagai berikut:

Ruang sampel eksperimen adalah pasangan mata dadu yang mungkin:

(1,1) (1,2) (1,3) (1,4) (1,5) (1,6)
(2,1) (2,2) (2,3) (2,4) (2,5) (2,6)
(3,1) (3,2) (3,3) (3,4) (3,5) (3,6)
(4,1) (4,2) (4,3) (4,4) (4,5) (4,6)
(5,1) (5,2) (5,3) (5,4) (5,5) (5,6)
(6,1) (6,2) (6,3) (6,4) (6,5) (6,6)

2021 Statistik Pusat Bahan Ajar dan eLearning

2 Renova Umarsyah http://www.mercubuana.ac.id
Jika X adalah variabel acak diskrit yang menyatakan jumlah mata dadu yang mungkin
muncul, maka: X = {2,3,4,5,6,7,8,9,10,11,12}
Distribusi probabilitas untuk masing-masing nilai variabel X membentuk fungsi
probabilitas sebagai berikut:
P(X = 2) = p(2) = 1/36 P(X = 8) = p(8) = 5/36
P(X = 3) = p(3) = 2/36 P(X = 9) = p(9) = 4/36
P(X = 4) = p(4) = 3/36 P(X = 10) = p(10) = 3/36
P(X = 5) = p(5) = 4/36 P(X = 11) = p(11) = 2/36
P(X = 6) = p(6) = 5/36 P(X = 12) = p(12) = 1/36
P(X = 7) = p(7) = 6/36

Gambar 1. Grafik batang fungsi probabilitas

Fungsi Distribusi Kumulatif

Definisi dari fungsi distribusi kumulatif (cumulative distribution function/cdf) adalah:

F(x) = P(X ≤ x) = …………………………………………………………..(1)

Fungsi distribusi kumulatif, F(x) adalah jumlah dari seluruh nilai fungsi probabilitas untuk
nilai X sama atau kurang dari x. Fungsi distribusi kumulatif (cdf) seringkali ditampilkan
dalam bentuk grafik tangga.

Contoh:
Dari eksperimen melempar mata dadu di atas, maka fungsi distribusi kumulatif-nya (cdf)
adalah sebagai berikut:
F(2) =

F(3) =

2021 Statistik Pusat Bahan Ajar dan eLearning

3 Renova Umarsyah http://www.mercubuana.ac.id
F(4) =

F(5) =

F(6) =

F(7) =

F(8) =

F(9) =

F(11) =

F(12) =

F(10) =

Gambar 2. Grafik fungsi probabilitas kumulatif

Semakin banyak eksperimen probabilitas dilakukan, maka distribusi frekuensi relatif yang
diperoleh akan mendekati distribusi probabilitasnya.
Berikut adalah dua ukuran penting yang mewakili ukuran pemusatan dan ukuran
penyebaran yang paling banyak digunakan:

Mean dari distribusi:

………………………………………………………………………….(2)

2021 Statistik Pusat Bahan Ajar dan eLearning

4 Renova Umarsyah http://www.mercubuana.ac.id
Varians dari distribusi:

…………………………………………………………………………(3)
Contoh:
Mean dan varians dari distribusi probabilitas jumlah mata dadu yang muncul pada
eksperimen melempar dua mata dadu di atas, adalah:

Mean:

Varians:

Distribusi Probabilitas Kontinue

Fungsi Kepadatan Probabilitas

Untuk variabel acak kontinu, kurva distribusi probabilitas populasi diwakili oleh poligon
frekuensi relatif yang dimuluskan. Kurva ini dapat dinyatakan oleh suatu fungsi kontinu,
misalkan fungsi f(x) yang merupakan fungsi kepadatan probabilitas (probability density
function/pdf).
Fungsi kepadatan probabilitas ini menggambarkan besarnya probabilitas per unit interval
nilai variabel acaknya. Pada gambar 3, luas daerah di bawah grafik f(x) yang dibatasi
oleh sumbu-x antara garis x = a dan x = b menyatakan probabilitas bahwa X terletak
antara a dan b . Notasi secara matematiknya adalah :

……………………………………………….(4)

2021 Statistik Pusat Bahan Ajar dan eLearning

5 Renova Umarsyah http://www.mercubuana.ac.id
 Gambar 3. Fungsi kepadatan probabilitas. Sumber gambar: math24.net

Secara umum, probabilitas sebuah variabel acak kontinu X mengambil nilai pada
suatu interval antara x dan x + dx dapat dinyatakan dalam suatu notasi matematika:
………………………………………………….(5)

Dari uraian di atas, agar sebuah fungsi f(x) dapat menjadi sebuah fungsi kepadatan
probabilitas dari suatu variabel acak kontinu harus dipenuhi syarat:
1. Fungsi kepadatan probabilitas :f(x) ≥ 0 (non-negatif)
2. Integral (luas total daerah di bawah kurva f(x) = 1

Probabilitas untuk suatu nilai variabel tertentu:

P(X = c) = p(c) =

Fungsi Distribusi Kumulatif

Definisi fungsi distribusi kumulatif:

F(x) = P(X ≤ x) = ……………..………………………………………..(6)

Fungsi ini menyatakan probabilitas bahwa X kurang dari sebuah nilai tertentu.
Hubungan antara fungsi kepadatan probabilitas (PDF) (kurva warna biru) dengan fungsi
distribusi kumulatif (CDF) (kurva warna orange) secara grafik dapat dilihat pada gambar 4
di bawah ini:

2021 Statistik Pusat Bahan Ajar dan eLearning

6 Renova Umarsyah http://www.mercubuana.ac.id
 Gambar 4. Grafik PDF (f(x)) dan CDF (F(x)): dengan mean = 1, standard deviasi = 1

Dari gambar 4, hubungan antara CDF dan PDF secara matematis adalah:
…………………………..(7)

di mana untuk gambar di atas: b = 1,5 dan c = 2

F(c) ─ F(b) = F(2) ─ F(1,5) adalah area kuning di kurva PDF (kurva warna biru).

Berikut adalah 2 ukuran penting yang mewakili ukuran pemusatan dan ukuran
penyebaran yang paling banyak digunakan:
Mean dari distribusi:
………………………………………………………………………(8)

Varians dari distribusi:

……………………………………………………………...(9)

Histogram Distribusi Probabilitas

Dalam eksperimen, nilai-nilai yang terukur akan bergantung di antaranya pada tingkat
ketelitian alat ukur yang digunakan dan juga banyaknya sampel yang digunakan.
Salah satu cara penyajian data adalah dengan histogram dari distribusi frekuensi seperti
yang sudah dibahas dalam Statistik Deskriptif.
Selanjutnya, penggunaan histogram adalah untuk menyajikan suatu distribusi probabilitas
dari sebuah variabel acak kontinu yang disebut histogram probabilitas.
Dengan menggunakan definisi fungsi kepadatan probabilitas (PDF) dan grafik pada
gambar 3, maka dalam membuat histogram probabilitas perlu diperhatikan bahwa
ketinggian sebuah batang histogram merupakan nilai fungsi kepadatan probabilitas untuk
seluruh nilai variabel acak sepanjang interval yang diwakili batang tersebut.
Atau dengan kata lain, luas dari sebuah batang histogram merupakan nilai fungsi
probabilitas dari variabel acak antara batas-batas kelasnya.

2021 Statistik Pusat Bahan Ajar dan eLearning

7 Renova Umarsyah http://www.mercubuana.ac.id
Tinggi histogram = ………………………………(10)

di mana:
batas bawah nyata (lower boundary) interval kelas

batas atas nyata (upper boundary) interval kelas

Contoh:
Gunakan lagi distribusi frekuensi tingkat kebisingan dalam materi yang lalu:
Tabel 1. Distribusi frekuensi tingkat kebisingan diffuser

Tinjau interval kelas 50 – 59 dengan frekuensi 47.

xlb = 49,5
xub = 59,5
p(xlb ≤ x ≤ xub) = p(x49,5 ≤ x ≤ x59,5)
= 47/100 = 0,47
Jadi, tinggi histogram probabilitasnya:

 Kalau ada waktu untuk latihan, lakukan langkah yang sama untuk menghitung tinggi
histogram di interval kelas lainnya.
 Sesudah menghitung tinggi histogram untuk interval kelas lainnya, maka diperoleh
grafik histogram sebagai berikut:

2021 Statistik Pusat Bahan Ajar dan eLearning

8 Renova Umarsyah http://www.mercubuana.ac.id
 Gambar 5. Histogram distribusi probabilitas

Distribusi Probabilitas dengan Parameter

 Sebuah distribusi probabilitas p(x) tergantung pada sebuah kuantitas yang bernilai
sembarang,
 Setiap nilai yang berbeda dari kuantitas tersebut akan membentuk distribusi
probabilitas yang berbeda
 Kuantitas tersebut disebut parameter distribusi
 Kumpulan distribusi probabilitas dengan berbagai nilai yang berbeda dari
parameternya adalah keluarga distribusi probabilitas
 Sebuah fungsi probabilitas p(x) yang memiliki parameter α, dinotasikan secara
matematika sebagai: p(x ; α)

Contoh:
Sebuah eksperimen biokimia menyelidiki ketahanan tanaman jagung terhadap penyakit
X. Tanaman-tanaman jagung tersebut sudah diberi pupuk yang sudah dicampur dengan
“obat Z” anti penyakit X. Dalam laboratorium pengujian, untuk menguji keandalan dan
efektivitas obat Z tersebut, tanaman-tanaman jagung tersebut kemudian diberi penyakit
X. Setelah diamati beberapa waktu, tanaman yang kekebalannya rendah akan mati (M),
sedangkan yang kekebalannya bagus akan tetap hidup (H).
Jika α adalah probabilitas tanaman jagung tetap hidup, maka P(H) = α dan P(M) = 1 ─ α
Jika sebuah variabel acak Y menyatakan jumlah tanaman yang diamati sampai diperoleh
sebuah tanaman yang tetap hidup, maka distribusi probabilitas dari Y dapat ditentukan
sebagai berikut:
p(1) = P(Y = 1) = P(H) = α
p(2) = P(Y = 2) = P(M ∩ H) = P(M) . P(H) = (1 ─ α) α
p(3) = P(Y = 3) = P(M ∩ M ∩ H) = P(M) . P(M) . P(H) = (1 ─ α) 2α …dan selanjutnya
p(x) = P(Y = x) = (1 ─ α)x─1α

2021 Statistik Pusat Bahan Ajar dan eLearning

9 Renova Umarsyah http://www.mercubuana.ac.id
Maka fungsi probabilitas dari x dapat dinyatakan dalam α:

p(x ; α) =

Gambar 6 menunjukkan grafik untuk α = 0,2 (warna biru) dan α = 0,5 (warna orange)
yang merupakan anggota dari keluarga distribusi probabilitas ber-parameter α.

Gambar 6. Histogram distribusi probabilitas dengan parameter α

Nilai Harapan (Harapan Matematik)

Jika X adalah suatu variabel acak diskrit, dengan nilai x 1, x2, x3, …, xn, yang masing-
masing mempunyai probabilitas p(x1), p(x2), …, p(xn) di mana p(x1) + p(x2) + … + p(xn) =
1, maka nilai harapan/harapan matematik dari X yang dinyatakan dengan E(X)
didefinisikan sebagai:
E(X) = …………………………………………………………………(11)

Dengan prinsip yang sama, untuk suatu variabel acak kontinu X yang dapat mengambil
setiap nilai x yang memiliki probabilitas f(x)dx, nilai harapan dinyatakan sebagai:
E(X) = …………………………………………………………………(12)

Jika dibandingkan antara persamaan (11) dengan (2) dan (12) dengan (8), terlihat bahwa
nilai harapan E(X) merupakan mean aritmetik dari variabel X.

Varians dari distribusi probabilitas adalah:

………………………………………………………………(13)

2021 Statistik Pusat Bahan Ajar dan eLearning

10 Renova Umarsyah http://www.mercubuana.ac.id
Contoh:
Sebuah Industri Pengolahan Susu Sapi Segar mempunyai mesin pasteurisasi susu
dengan kapasitas 1000 liter per hari.
Pemakaian mesin tanpa kerusakan memberi keuntungan Rp 10 juta. Jika terdapat
gangguan ringan, maka keuntungan menjadi Rp 5 juta. Tetapi bila terjadi gangguan
berat, maka timbul kerugian Rp 8 juta.
Dari pengalaman dan pengamatan, probabilitas mesin berjalan normal adalah 0,7,
berjalan dengan gangguan ringan 0,2 , dan gangguan berat 0,1.
Harapan keuntungan yang diperoleh dari pemakaian mesin produksi tersebut adalah:

Variabel acak diskrit X adalah keuntungan (dalam juta) dengan nilai:

x1 = 10 , x2 = 5 , x3 = ─ 8
dengan probabilitas:
p(x1) = 0,7 , p(x2) = 0,2 dan p(x3) = 0,1

Maka harapan keuntungan adalah:

E(X) =

= (10)(0,7) + (5)(0,2) + (─ 8) (0,1)

= 7 + 1 ─ 0,8 = 7,2
Jadi harapan keuntungan memakai mesin tersebut adalah Rp 7,2 juta

2021 Statistik Pusat Bahan Ajar dan eLearning

11 Renova Umarsyah http://www.mercubuana.ac.id
Daftar Pustaka

Dr. Ir. Harinaldi, M. Eng, Prinsip-prinsip dasar statistik untuk teknik dan sains, Penerbit
Erlangga, Jakarta

2021 Statistik Pusat Bahan Ajar dan eLearning

12 Renova Umarsyah http://www.mercubuana.ac.id