DISTRIBUSI PROBABILITAS

Di Susun Oleh Kelompok 1:

Nonis Aprillianti (2109060035)

Anis Riani (2109060015)
Refandi Pramudia (2109060068)
Yustita Aida Fitri (2109060030)
Biostatistik
Program Studi S1 Ilmu Gizi
Universitas Nahdlatul Ulama Nusa Tenggara Barat
Variabel random merupakan
parameter penting dalam sebuah
1. KATA PENGANTAR distribusi probabilitas. Variabel
random adalah variabel yang
2. DISTRIBUSI PROBABILITAS
nilainya ditentukan dari sebuah
Distribusi probabilitas merupakan
hasil percobaan. Variabel random
suatu daftar atau kumpulan dari
dinyatakan dengan huruf besar,
probabilitas probabilitas peristiwa
misalnya X, sedangkan nilainya
yang mungkin terjadi. Distribusi
dinyatakan dengan huruf kecil
peluang yang demikian saling
misalnya x. Sebagai contoh, pada
berhubungan dengan semua nilai-
pelemparan dua koin, huruf Y
nilai yang mungkin terjadi dan
menyatakan jumlah gambar yang
berasal dari variabel random.
muncul maka nilainya adalah y =
Variabel random adalah variabel
0, 1 dan 2. Dari setiap nilai variabel
yang nilainya merupakan suatu
random yang memungkinkan akan
bilangan yang ditentukan oleh
memiliki probabilitas masing-
terjadinya suatu percobaaan.
masing yang disebut distribusi
Fungsi distribusi probabilitas
probabilitas.
umumnya dibedakan menjadi
distribusi probabilitas diskrit dan
Kontinu. Di dalam distribusi
probabilitas diskrit dan Kontinu
terdapat beberapa macam
distribusi.
1
 panggilan telepon yang
diterima setelah siaran TV
mengudara adalah contoh
variabel diskrit, karena bisa
dihitung.
a. Distribusi Binomial
Sebuah eksperimen
binomial terdiri dari
percobaan yang
berulang, dengan
masing masing
kemungkinan outcome
dikategorikan sukses
atau gagal, contoh :
Bagan 1 Klasifikasi Distribusi
Probabilitas
Probabilitas
ditemukannya polutan
organik oleh BPOM
3. DISTRIBUSI PROBABILITAS
DISKRIT dari beberapa sampel

Distribusi probabilitas diskrit produk air mineral

adalah suatu daftar atau dalam kemasan

distribusi di mana variabel b. Distribusi

randomnya mengasumsikan Hipergeometrik

masing-masing nilainya dengan Distribusi probabilitas

probabilitas tertentu. Variabel variabel random

diskrit memiliki jumlah nilai hipergeometrik x, yaitu

kemungkinan yang terbatas banyaknya sukses

atau jumlah yang tak terhingga dalam ampel random

dari nilai-nilai yang dapat berukuran n yang

dihitung. Kata “dihitung” diambil dari populasi N

berarti bahwa variabel random (di mana di dalam N

tersebut dapat dicacah dengah terkandung k sukses dan

menggunakan angka 1, 2, 3, N-k gagal). Distribusi

dst. Misalnya, jumlah hipergeometrik

didasarkan atas
2
 sampling yang cukup puas, dan kurang
dilakukan tanpa puas.
pengembalian. Contoh : d. Distribusi Geometrik
Pengujian kualitas Bila usaha yang saling
permukaan kaleng bebas dan dilakukan
minuman dengan berulang kali
pengambilan random menghasilkan sukses
tanpa pengembalian dengan peluang p, gagal
sampai produk dengan peluang q = 1 –
dinyatakan dalam p. Maka distribusi
keadaan baik atau peluang variabel
rusak. random x, yaitu
c. Distribusi Multinomial : banyaknya usaha
Eksperimen binomial sampai terjadinya
menjadi eksperimen sukses pertama.
multinomial jika pada Contoh : Peluang
masing-masing banyak sumur yang
percobaan mempunyai dibor sampai sumur
lebih dari dua hasil yang dibor dapat
kemungkinan outcome, mengeluarkan minyak.
di mana masing-masing e. Distribusi Binomial
percobaan identik dan Negatif (Pascal)
independent, contoh : Banyaknya x percobaan
Tim Reseacrh and yang dibutuhkan untuk
Development dari menghasilkan k sukses
sebuah perusahaan disebut variabel random
mengadakan kuesioner binomial negatif, dan
untuk mengukur tingkat distribusinya disebut
kepuasan pelanggan distribusi binomial
terhadap produk dari negatif. Distribusi
perusahaan tersebut. pascal digunakan untuk
Peluang jawaban mengetahui bahwa
kuesioner terdiri dari sukses ke-k terjadi pada
sangat puas, puas, usaha ke-x. cotoh :
3
 Probabilitas jumlah adalah mata dadu
inspeksi yang dilakukan pertama yang muncul, x
pada 20 part of product adalah distribusi
sampai ditemukan 3 uniform dengan
part yang harus di probabilitas 1/6 untuk
rework. tiap nilai R = {1, 2, ...,
f. Distribusi Poisson 6}
Distribusi poisson
adalah distribusi yang
menghasilkan nilai 4. DISTRIBUSI PROBABILITAS
CONTIU
numerik dari variabel
a. Distribusi Normal
random x pada selang
Salah satu distribusi yang
waktu yang tertentu
sering digunakan untuk
atau daerah tertentu.
distribusi variabel random.
Contoh : Jumlah telepon
Variabel random yang
masuk yang diterima
mempunyai rata-rata dan
dalam waktu satu jam di
variansi yang berbeda dapat
suatu kantor atau
digambarkan dengan
banyaknya kesalahan
distribusi normal. Distribusi
pengetikan per halaman
normal memiliki kurva
oleh seorang sekretaris
berbentuk lonceng yang
baru.
simetris yang ditentukan
g. Distribusi Uniform
oleh rata-rata yang
Diskrit
dituliskan di tengah kurva
Variabel random x
dan variansi untuk
berdistribusi diskrit
menentukan lebarnya
uniform jika setiap n
kurva. Contoh : Distibusi
berada pada range,
normal banyak dicontohkan
misal x1, x2, ..., xn di
dalam kehidupan sehari-
mana probabilitas sama.
hari maupun di dunia
Contoh : Mata dadu dari
industri. Misalnnya pada
sebuah dadu terdiri dari
industri sepatu rata-rata
angka 1 - 6. Jika dadu
panjang sepatu yang dibuat
dilempar sekali dan x
4
 oleh operator berdistribusi waktu yang dibutuhkan
normal. sampai kejadian ke r dalam
b. Distribusi Uniform proses Poisson, maka
Sebuah distribusi probabilitas kepadatan ini
probabilitas yang didefinisikan sebagai
mempunyai probabilitas distribusi Erlang. Contoh :
yang sama untuk semua Probabilitas kesalahan
kemungkinan variabel (error) laser ketiga dalam
random yang muncul. mesin sitogenik lebih dari
Contoh : Probabilitas 50000 jam.
volume minuman kaleng e. Distribusi Gamma
dimana pengisian minuman Distribusi gamma
dilakukan dengan mesin merupakan teori yang
dalam sebuah industri mendasari distribusi erlang
softdrink. dan eksponensial,, r pada
c. Distribusi Eksponensial distribusi ini dapat bernilai
Distribusi probabilitas yang non integer. Contoh :
digunakan untuk mengukur Diaplikasikan untuk
waktu antara dua kejadian mengukur waktu untuk
sukses atau jarak satu menyelesaikan pekerjaan
interval proses poisson. dan sering digunakan dalam
Contoh : waktu selisih teori antrian.
operator menerima antara 2 f. Distribusi Beta
panggilan atau waktu Distribusi beta merupakan
kedatangan pelanggan sebuah penjabaran dari
dalam system distribusi uniform. Contoh :
d. Distribusi Erlang Digunakan untuk
Sebuah generalisasi dari mengetahui keandalan
distribusi eksponensial suatu mesin
adalah lama waktu yang g. Distribusi Weibull
dibutuhkan sampai r Distribusi Weibull sering
kejadian terjadi dalam digunakan untuk
proses Poisson. Disaat X menghitung waktu yang
dalam hal ini menunjukkan dicapai sampai terjadinya
5
 kerusakan suatu sistem Distribusi F digunakan
fisik. Contoh : Menentukan apabila terdapat 2 buah
waktu lifetime dari populasi yang berdistribusi
penggunaan roller bearing normal dan independen
secara mekanis sampai dimana rata-rata populasi
struktur bahan rusak (gagal) dan variansinya tidak
h. Distribusi Lognormal diketahui. Contoh : Untuk
Variabel dalam sistem menguji variansi 2 populasi
terkadang mengikuti dan dapat menguji rata-rata
distribusi eksponensial pada variansi 3 atau lebih
dengan variabel X adalah populasi (ANOVA)
exp(W). Saat W k. Distribusi Chi Square (X2)
ditranformasikan Seperti pada distribusi t,
menggunakan logaritma distribusi chi-square
dan menjadi distribusi mempunyai satu parameter,
normal, maka distribusi dari yaitu derajat kebebasan
variabel X ini disebut (df). Derajat kebebasannya
distribusi lognormal. dapat dihitung
Contoh : Menguji umur menggunakan formula yang
pakai suatu alat berbeda dari pengujian
i. Distribusi Student (t) yang berbeda. Bentuk kurva
Misalkan X1, X2,....,Xn distribusi chi-square
merupakan sampel random berbentuk skewness positif
dari suatu distribusi normal dari df yang terkecil sampai
dengan rata-rata dan standar df yang paling besar.
deviasi yang tidak Contoh : Digunakan untuk
diketahui. Variabel random uji Goodness of fit.
berdistribusi t dengan (menguji suatu data apakah
derajat kebebasan n-1. sesuai dengan distribusi
Contoh : Untuk menguji tertentu)
dua rata-rata dengan sampel
kecil (n<30) 5. KESIMPULAN
j. Distribusi F Probabilitas adalah besarnya
kesempatan (kemungkinan) suatu
6
peristiwa akan terjadi. Berdasarkan yang menjadi perhatian , Hitung
pengertian probabilitas tersebut, probabilitas peristiwa A. Fungsi
terdapat hal-hal yang penting yaitu distribusi probabilitas umumnya
besarnya kesempatan dan peristiwa dibedakan menjadi distribusi
akan terjadi. Manfaat probabilitas probabilitas diskrit dan Kontinu
dalam kehidupan sehari-hari adalah
membantu kita dalam mengambil REFERENCES
suatu keputusan, serta meramalkan
kejadian yang mungkin Terjadi.
Dalam menghitung probabilitas,
terdapat beberapa langkah yang
dapat dilakukan yaitu Tentukan
percobaan yang dilakukan,
Tentukan ruang sampel S,
Tentukan peluang tiap titik
sampel ,Tentukkan peristiwa A