Makalah Binomial 3

MAKALAH
DISTRIBUSI BINOMIAL
Di susun oleh :
1. Bq. Rajwa Purnamasari Slinggara (07) / 0878-8781-4114
2. Muhammad Mushab (23) / 0823-4203-5405
3. Nadya Delila Miranti (24) / 0877-6176-6446
4. Shafa Az-zahra Husna (30) / 0859-7801-1876
5. Tresna Aditya Juliartha (33) / 0822-6609-4867
Kelas :
XII MIPA 8
SMA NEGERI 1 MATARAM

Jalan Pendidikan No. 21 Mataram……………….
TAHUN 2024
KATA PENGANTAR
Puji syukur kehadirat Allah SWT, karena berkat taufik dan hidayah-
Nya, sehingga saya dapat menyelesaikan Makalah ini dengan judul
Distribusi Binomial dalam rangka memenuhi tugas dari dosen.
Kami berharap Makalah ini dapat berguna dan bisa menamba

wawasan serta pengetahuan pembaca mengenai Distribusi Binomial.
Kami menyadari sepenuhnya bahwa makalah ini masih terdapat

kekurangan dan jauh dari kata sempurna. Oleh sebab itu, kami berharap
kritik dan saran yang bersifat membangun dari pembaca. Demikian, kami
mengucapkan banyak terimakasih, Wabillahitaufikwalhidayah, Wassalamu
Alaikum Warahmatullahi Wabarakatuh.
Mataram, 11 Januari 2024
penyusun
i
1.1 Latar Belakang
Dalam teori
probabilitas dan statistika,
distribusi binomial adalah
distribusi probabilitas diskret
jumlah keberhasilan dalam n
percobaan ya/tidak
(berhasil/gagal) yang saling
bebas, dimana setiap hasil
percobaan memiliki
probabilitas p. Eksperimen
berhasil/gagal juga disebut
percobaan bernoulli.
Ketika n = 1, distribusi
binomial adalah distribusi
bernoulli. Distribusi
1
binomial merupakan dasar dari
uji binomial dalam uji
signifikansi statistik.
Distribusi ini
seringkali digunakan untuk
memodelkan jumlah
keberhasilan pada jumlah
sampel n dari jumlah populasi
n. Apabila sampel
tidak saling bebas (yakni
pengambilan sampel tanpa
pengembalian), distribusi
yang dihasilkan adalah
distribusi hipergeometrik,
bukan binomial.semakin
2
besar n daripada n, distribusi
binomial merupakan
pendekatan yang baik dan
banyak digunakan.
1.2 Rumusan Masalah
 Apa itu distribusi binomial
negative
 Bagaimana ciri-ciri dari
distribusi binomial
 Jelaskan bagaimana
percobaan distribusi binomial
 Bagaimana Rata-rata,
varians, dan simpangan
baku untuk distribusi
binomial
3
 Apa itu Distribusi binomial
kumulatif
1.3 Tujuan
 Untuk mengetahui apa itu
distribusi binomial
distribusi binomial negative
 Untuk mengetahui cirri-ciri
dari distribusi binomial
 Untuk mengetahui
penjelasan distribusi binomial
 Untuk menghitung rata-
rata,varians,dan simpangan
binomial
4
 Untuk mengeteahui apa itu
distribusi binomial kumulatif
1
BAB II
PEMBAHASAN
A. Pengertian Distribusi
Binomial
Distribusi Binomial
ditemukan oleh seorang
ahli matematika
berkebangsaan Swiss
bernama Jacob Bernauli.
Oleh karena itu distribusi
binomial ini dikenal juga
sebagai distribusi bernauli.
Distribusi binomial
5
berasal dari percobaan
binomial yaitu suatu proses
Bernoulli yang diulang
sebanyak n kali dan saling
bebas. Suatu distribusi
Bernoulli dibentuk oleh
suatu percobaan Bernoulli
(Bernoulli trial). Sebuah
percobaan Bernoulli
harus memenuhi syarat:
Keluaran (outcome) yang
mungkin hanya salah satu
dari “sukses” atau “gagal”,
Jika probabilitas sukses p,
maka probabilitas
gagal q = 1 – p.
6
Distribusi binomial adalah
distribusi probabilitas diskrit
jumlah
keberhasilan dalam n
percobaan ya/tidak
bebas,
dimana setiap hasil
percobaan memiliki
percobaan bernoulli. Ketika
n = 1, distribusi
binomial merupakan dasar
7
dari uji binomial dalam uji
Distribusi Binomial
digunakan untuk data
diskrit (bukan data
kontinu) yang dihasilkan
dari eksperimen Bernouli,
mengacu kepada
matematikawan
JacobBernouli. Peristiwa
pelemparan mata uang (koin)
yang
dilakukan beberapa kali
adalah contoh dari proses
bernouli, dan hasil
8
(outcomes) dari tiap-tiap
pengocokan dapat
dinyatakan sebagai distribusi
probabilitas binomial.
Kejadian sukses atau gagal
calon pegawai dalam
psikotest merupakan contoh
lain dari proses Bernouli.
Sebaliknya distribusi
frekuensi hidupnya lampu
neon di pabrik anda harus
diukur dengan skala
kontinu dan bukan dianggap
sebagai distribusi binomial.
9
Secara formal, suatu
eksperimen dapat dikatakan
eksperimen
binomial jika memenuhi empat
persyaratan:
2
a. Banyaknya eksperimen
merupakan bilangan tetap
(fixed number of trial)
b. Setiap ekperimen selalu
mempunyai dua hasil
”Sukses” dan ”Gagal”.
Tidak ada daerah abu-abu .
Dalam praktiknya, sukses
dan gagal harus‟ ‟
10
didefinisikan sesuai keperluan,
Misal:
1. Lulus (sukses), tidak lulus
(gagal)
2. Setuju (sukses), tidak setuju
(gagal)
3. Barang bagus (sukses),
barang sortiran (gagal)
4. Puas (sukses), tidak puas
(gagal)
c. Probabilitas sukses harus
sama pada setiap eksperimen.
d. Eksperimen tersebut harus
bebas satu sama lain, artinya
satu eksperimen
11
tidak boleh berpengaruh pada
hasil eksperimen lainnya.
Untuk membentuk suatu
distribusi binomial diperlukan
dua hal:
a. Banyaknya/jumlah
percobaan/kegiatan;
b. Probabilitas suatu kejadian
baik sukses maupun gagal.
Distribusi probabilitas
binomial dapat dinyatakan
sebagai berikut:
Dalam sebuah percobaan
Bernoulli, dimana p adalah
probabilitas “sukses” dan q
12
= 1 – p adalah
probabilitas gagal, dan jika
X adalah variabel acak
yang
menyatakan sukses
B. Distribusi Binomial Negatif
Suatu distribusi binomial
negatif dibentuk oleh suatu
eksperimen yang
memenuhi kondisi-kondisi
berikut:
Eksperimen terdiri dari
serangkaian percobaan yang
saling bebas,
13
setiap percobaan (trial) hanya
dapat menghasilkan satu dari
dua keluaran yang
mungkin, sukses atau gagal.
Probabilitas sukses p, dan
demikian pula probabilitas
gagal q = 1 - p
selalu konstan dalam setiap
percobaan (trial)
Eksperimen terus berlanjut
(percobaan terus dilakukan)
sampai sejumlah total k
sukses diperoleh, dimana k
berupa bilangan bulat
tertentu. Jadi pada suatu
14
eksperimen binomial
negatif, jumlah suksesnya
tertentu sedangkan jumlah
percobaannya yang acak.
3
Distribusi Binomial Negatif,
bila percobaan bebas berulang
dapat menghasilkan
sebuah sukses dengan
probabilitas p dan gagal
dengan probabilitas q = 1 –
p,
maka distribusi probabilitas
dari variabel acak X.
C. Ciri-ciri Distribusi Binomial
15
1. Ciri pertama distribusi
binomial adalah bila jumlah n
tetap dan p kecil maka
distribusi yang dihasilkan
akan miring ke kanan dan
bila p makin besar maka
kemiringan akan berkurang
dan bila p mencapai 0,5 maka
distribusi akan menjadi
simetris. Bila p lebih besar dari
0,5, maka distribusi yang
dihasilkan akan miring
ke kiri.
2. Ciri kedua nya adalah bila
p tetap dengan jumlah n
yang makin besar maka
16
akan dihasilkan distribusi yang
mendekati distribusi simetris.
3. Percobaan diulang sebanyak
n kali.
4. Hasil setiap ulangan
dapat dikategorikan ke dalam 2
kelas, misal :
“BERHASIL” atau
“GAGAL”;
“YA” atau “TIDAK”;
“SUCCESS” or “FAILED”.
5. Peluang berhasil /
sukses dinyatakan dengan p
dan dalam setiap ulangan
17
nilai p tetap. Peluang gagal
dinyatakan dengan q, dimana q
= 1-p.
6. Setiap ulangan bersifat
bebas (independen) satu
dengan lainnya.
D. Percobaan binomial
Secara langsung, percobaan
binomial memiliki ciri-ciri
sebagai berikut:
a. Percobaan tersebut
dilakukan berulang-ulang
sebanyak n kali
4
18
b. Masing-masing percobaan
hanya dapat menghasilkan
dua kemungkinan,
atau hasil yang diperoleh dapat
disederhanakan menjadi dua
kemungkinan.
Hasil yang diperoleh tersebut
dapat dianggap sebagai hasil
yang sukses atau
gagal.
c. Hasil dari masing-masing
percobaan haruslah saling
bebas.
d. Peluang untuk sukses harus
sama untuk setiap percobaan.
19
Dalam percobaan binomial,
hasil-hasilnya seringkali
diklasifikasikan
sebagai hasil yang sukses
atau gagal. Sebagai contoh,
jawaban benar suatu
pertanyaan pilihan ganda
dapat diklasifikasikan
sebagai hasil yang sukses,
sehingga pilihan jawaban
lainnya merupakan jawaban
yang salah dan
diklasifikasikan sebagai hasil
yang gagal.
20
Besarnya nilai probabilitas
setiap x peristiwa sukses
dari n kali
eksperimen ditunjukkan oleh
probabilitas sukses p dan
probabilitas kegagalan
q[3].
Rumus distribusi peluang
Binomial:
Keterangan : p = probabilitas
sukses = 1 – q. Dimana
q = probabilitas gagal
n = jumlah total percobaan
x = jumlah sukses dari n kali
percobaan. Dimana x = 1, 2,
3, ..., n
21
Contoh :
Suatu survei menemukan
bahwa satu dari lima orang
berkata bahwa dia
telah mengunjungi dokter
dalam sembarang bulan yang
ditanyakan. Jika 10 orang
dipilih secara acak, berapakah
peluang tiga diantaranya sudah
mengunjungi dokter
bulan lalu?
Pembahasan :
Pada kasus ini, n = 10, X = 3, p
= 1/5, dan q = 4/5. Sehingga,
22
Jadi peluang tiga orang yang
dipilih sudah mengunjungi
dokter bulan lalu adalah
0,201.
E. Rata-rata, varians, dan
simpangan baku untuk
distribusi binomial
5
Rata-rata, varians, dan
simpangan baku variabel
yang memiliki distribusi
binomial secara berturut-
turut dapat ditentukan
dengan menggunakan rumus
berikut.
MEAN (RATA-RATA)
23
μ=n∙p
VARIANS
=n∙p∙q
SIMPANGAN BAKU
(DEVIASI STANDAR)
=
Rumus-rumus tersebut secara
aljabar ekuivalen dengan
rumus-rumus untuk
rata-rata, varians, dan
distribusi peluang, tetapi
karena
variabel-variabel tersebut
memiliki distribusi binomial,
maka variabel-variabel
24
tersebut dapat disederhanakan
dengan menggunakan aljabar.
Contoh 1 :
Suatu koin dilemparkan
sebanyak 4 kali. Tentukan
simpangan baku dari
banyaknya angka yang
muncul!
Penyelesaian 1 :
Dengan menggunakan rumus
distibusi binomial
n=4
p=½
q = ½ maka
 Rata-rata
25
μ=n∙p=4∙½=2
 Varians
=n∙p∙q=4∙½∙½=1
 Simpangan baku
= = = =1
Jadi, ketika empat koin
dilemparkan beberapa kali,
rata-rata banyaknya angka
yang muncul adalah 2, dan
simpangan bakunya adalah 1.
Seperti yang telah dinyatakan
sebelumnya, permasalahan ini
dapat diselesaikan
untuk nilai yang
diharapkan. Distribusinya
26
ditunjukkan oleh tabel berikut.
6
Banyak angka yang muncul
X 01234
Peluang P(X) 1/16 4/16 6/16
4/16 1/16
simpangan bakunya dapat
ditentukan sebagai berikut.
Jadi, rumus binomial yang
sudah disederhanakan
memberika
n hasil yang sama.
F. Distribusi binomial
kumulatif
27
Probabilitas binomial
kumulatif adalah
probabilitas dari peristiwa
binomial lebih dari satu sukses.
Rumusnya:
Contoh :
Sebanyak 5 mahasiswa
akan mengikuti ujian
sarjana dan diperkirakan
probabilitas kelulusannya
adalah 0,7. Hitunglah
probabilitasnya!
a. Paling banyak 2 orang lulus
b. Yang akan lulus antara 2
sampai 3 orang
28
c. Paling sedikit 4 diantaranya
lulus
Penyelesaian :
a. n = 5 p = 0,7 q = 0,3
P(x 2) = P(x = 0) + P(x = 1) +
P (x = 2) = 0,16
b. P(2 x 3) = P(x = 2) + P(x =
3) = 0,44
c. P(x 4) = P(x = 4) + P(x = 5)
= 0,53
BAB III
PENUTUP
7
A. Kesimpulan
29
Distribusi Binomial
memodelkan jumlah
N. Distribusi ini banyak
digunakan pada masalah
yang mungkin bernilai
benar atau salah, gagal
atau
sukses, dan lain sebagainya.
B. Saran
Dalam suatu percobaan
peluang, sebaliknya dilakukan
bukanhanya sekali
30
supaya lebih mendapatkan
hasil yang lebih tepat. Dalam
melakukan percobaan
peluang juga hanya terpaku
pada suatu distribusi untuk
lebih baiknya
menggunakan banyak
distribusi sebagai bahan
pertimbangan.
DAFTAR PUSTAKA
Sudjana, Metode Statistik,
Bandung : Tarsito, 2002
1.1 Latar Belakang
Dalam teori
31
percobaan ya/tidak
percobaan memiliki
32
Distribusi ini
memodelkan jumlah
n. Apabila sampel
binomial merupakan
banyak digunakan.
33
1.2 Rumusan Masalah
negative
distribusi binomial
binomial
kumulatif
1.3 Tujuan
34
distribusi binomial
binomial
1
BAB II
35
PEMBAHASAN
Binomial
Distribusi Binomial
ahli matematika
berkebangsaan Swiss
Distribusi binomial
36
percobaan Bernoulli
maka probabilitas
gagal q = 1 – p.
jumlah
37
percobaan ya/tidak
bebas,
dimana setiap hasil
percobaan memiliki
n = 1, distribusi
38
Distribusi Binomial
diskrit (bukan data
mengacu kepada
matematikawan
yang
bernouli, dan hasil
pengocokan dapat
39
calon pegawai dalam
diukur dengan skala
eksperimen
persyaratan:
40
2
mempunyai dua hasil
Misal:
(gagal)
(gagal)
41
(gagal)
satu eksperimen
dua hal:
a. Banyaknya/jumlah
percobaan/kegiatan;
42
sebagai berikut:
= 1 – p adalah
yang
menyatakan sukses
43
eksperimen yang
berikut:
saling bebas,
dua keluaran yang
gagal q = 1 - p
44
percobaan (trial)
eksperimen binomial
3
dapat menghasilkan
45
p,
46
ke kiri.
n kali.
kelas, misal :
“BERHASIL” atau
“GAGAL”;
47
= 1-p.
dengan lainnya.
sebagai berikut:
48
sebanyak n kali
4
dua kemungkinan,
kemungkinan.
yang sukses atau
gagal.
49
bebas.
diklasifikasikan
jawaban benar suatu
50
yang salah dan
yang gagal.
dari n kali
q[3].
Binomial:
51
3, ..., n
Contoh :
berkata bahwa dia
mengunjungi dokter
bulan lalu?
52
Pembahasan :
0,201.
distribusi binomial
5
53
berikut.
MEAN (RATA-RATA)
μ=n∙p
VARIANS
=n∙p∙q
SIMPANGAN BAKU
(DEVIASI STANDAR)
=
rumus-rumus untuk
54
karena
Contoh 1 :
simpangan baku dari
muncul!
Penyelesaian 1 :
55
distibusi binomial
n=4
p=½
q = ½ maka
 Rata-rata
μ=n∙p=4∙½=2
 Varians
=n∙p∙q=4∙½∙½=1
 Simpangan baku
= = = =1
56
dapat diselesaikan
untuk nilai yang
6
X 01234
Peluang P(X) 1/16 4/16 6/16
4/16 1/16
57
memberika
n hasil yang sama.
kumulatif
kumulatif adalah
Rumusnya:
Contoh :
58
probabilitasnya!
sampai 3 orang
lulus
Penyelesaian :
a. n = 5 p = 0,7 q = 0,3
P(x 2) = P(x = 0) + P(x = 1) +
P (x = 2) = 0,16
b. P(2 x 3) = P(x = 2) + P(x =
3) = 0,44
c. P(x 4) = P(x = 4) + P(x = 5)
= 0,53
59
BAB III
PENUTUP
7
A. Kesimpulan
Distribusi Binomial
memodelkan jumlah
atau
B. Saran
60
bukanhanya sekali
melakukan percobaan
lebih baiknya
menggunakan banyak
pertimbangan.
DAFTAR PUSTAKA
1.1 Latar Belakang
61
Dalam teori
percobaan ya/tidak
percobaan memiliki
62
Distribusi ini
memodelkan jumlah
n. Apabila sampel
63
binomial merupakan
banyak digunakan.
1.2 Rumusan Masalah
negative
distribusi binomial
binomial
64
kumulatif
1.3 Tujuan
distribusi binomial
binomial
65
1
BAB II
PEMBAHASAN
Binomial
Distribusi Binomial
ahli matematika
berkebangsaan Swiss
Distribusi binomial
66
percobaan Bernoulli
maka probabilitas
gagal q = 1 – p.
67
jumlah
percobaan ya/tidak
bebas,
dimana setiap hasil
percobaan memiliki
n = 1, distribusi
68
Distribusi Binomial
diskrit (bukan data
mengacu kepada
matematikawan
yang
bernouli, dan hasil
69
pengocokan dapat
calon pegawai dalam
diukur dengan skala
70
eksperimen
persyaratan:
2
mempunyai dua hasil
71
Misal:
(gagal)
(gagal)
(gagal)
satu eksperimen
72
dua hal:
a. Banyaknya/jumlah
percobaan/kegiatan;
sebagai berikut:
73
= 1 – p adalah
yang
menyatakan sukses
eksperimen yang
berikut:
saling bebas,
74
dua keluaran yang
gagal q = 1 - p
percobaan (trial)
75
eksperimen binomial
3
dapat menghasilkan
p,
76
ke kiri.
77
n kali.
kelas, misal :
“BERHASIL” atau
“GAGAL”;
78
= 1-p.
dengan lainnya.
sebagai berikut:
sebanyak n kali
4
79
dua kemungkinan,
kemungkinan.
yang sukses atau
gagal.
bebas.
80
diklasifikasikan
jawaban benar suatu
yang salah dan
yang gagal.
81
dari n kali
q[3].
Binomial:
3, ..., n
82
Contoh :
berkata bahwa dia
mengunjungi dokter
bulan lalu?
Pembahasan :
83
0,201.
distribusi binomial
5
berikut.
MEAN (RATA-RATA)
84
μ=n∙p
VARIANS
=n∙p∙q
SIMPANGAN BAKU
(DEVIASI STANDAR)
=
rumus-rumus untuk
karena
85
Contoh 1 :
simpangan baku dari
muncul!
Penyelesaian 1 :
distibusi binomial
n=4
p=½
q = ½ maka
 Rata-rata
86
μ=n∙p=4∙½=2
 Varians
=n∙p∙q=4∙½∙½=1
 Simpangan baku
= = = =1
dapat diselesaikan
untuk nilai yang
87
6
X 01234
Peluang P(X) 1/16 4/16 6/16
4/16 1/16
memberika
n hasil yang sama.
kumulatif
88
kumulatif adalah
Rumusnya:
Contoh :
probabilitasnya!
sampai 3 orang
89
lulus
Penyelesaian :
a. n = 5 p = 0,7 q = 0,3
P(x 2) = P(x = 0) + P(x = 1) +
P (x = 2) = 0,16
b. P(2 x 3) = P(x = 2) + P(x =
3) = 0,44
c. P(x 4) = P(x = 4) + P(x = 5)
= 0,53
BAB III
PENUTUP
7
A. Kesimpulan
90
Distribusi Binomial
memodelkan jumlah
atau
B. Saran
bukanhanya sekali
91
melakukan percobaan
lebih baiknya
menggunakan banyak
pertimbangan.
DAFTAR PUSTAKA
1.1 Latar Belakang
Dalam teori
92
percobaan ya/tidak
percobaan memiliki
93
Distribusi ini
memodelkan jumlah
n. Apabila sampel
binomial merupakan
banyak digunakan.
94
1.2 Rumusan Masalah
negative
distribusi binomial
binomial
kumulatif
1.3 Tujuan
95
distribusi binomial
binomial
1
BAB II
96
PEMBAHASAN
Binomial
Distribusi Binomial
ahli matematika
berkebangsaan Swiss
Distribusi binomial
97
percobaan Bernoulli
maka probabilitas
gagal q = 1 – p.
jumlah
98
percobaan ya/tidak
bebas,
dimana setiap hasil
percobaan memiliki
n = 1, distribusi
99
Distribusi Binomial
diskrit (bukan data
mengacu kepada
matematikawan
yang
bernouli, dan hasil
pengocokan dapat
100
calon pegawai dalam
diukur dengan skala
eksperimen
persyaratan:
101
2
mempunyai dua hasil
Misal:
(gagal)
(gagal)
102
(gagal)
satu eksperimen
dua hal:
a. Banyaknya/jumlah
percobaan/kegiatan;
103
sebagai berikut:
= 1 – p adalah
yang
menyatakan sukses
104
eksperimen yang
berikut:
saling bebas,
dua keluaran yang
gagal q = 1 - p
105
percobaan (trial)
eksperimen binomial
3
dapat menghasilkan
106
p,
107
ke kiri.
n kali.
kelas, misal :
“BERHASIL” atau
“GAGAL”;
108
= 1-p.
dengan lainnya.
sebagai berikut:
109
sebanyak n kali
4
dua kemungkinan,
kemungkinan.
yang sukses atau
gagal.
110
bebas.
diklasifikasikan
jawaban benar suatu
111
yang salah dan
yang gagal.
dari n kali
q[3].
Binomial:
112
3, ..., n
Contoh :
berkata bahwa dia
mengunjungi dokter
bulan lalu?
113
Pembahasan :
0,201.
distribusi binomial
5
114
berikut.
MEAN (RATA-RATA)
μ=n∙p
VARIANS
=n∙p∙q
SIMPANGAN BAKU
(DEVIASI STANDAR)
=
rumus-rumus untuk
115
karena
Contoh 1 :
simpangan baku dari
muncul!
Penyelesaian 1 :
116
distibusi binomial
n=4
p=½
q = ½ maka
 Rata-rata
μ=n∙p=4∙½=2
 Varians
=n∙p∙q=4∙½∙½=1
 Simpangan baku
= = = =1
117
dapat diselesaikan
untuk nilai yang
6
X 01234
Peluang P(X) 1/16 4/16 6/16
4/16 1/16
118
memberika
n hasil yang sama.
kumulatif
kumulatif adalah
Rumusnya:
Contoh :
119
probabilitasnya!
sampai 3 orang
lulus
Penyelesaian :
a. n = 5 p = 0,7 q = 0,3
P(x 2) = P(x = 0) + P(x = 1) +
P (x = 2) = 0,16
b. P(2 x 3) = P(x = 2) + P(x =
3) = 0,44
c. P(x 4) = P(x = 4) + P(x = 5)
= 0,53
120
BAB III
PENUTUP
7
A. Kesimpulan
Distribusi Binomial
memodelkan jumlah
atau
B. Saran
121
bukanhanya sekali
melakukan percobaan
lebih baiknya
menggunakan banyak
pertimbangan.
DAFTAR PUSTAKA
1.1 Latar Belakang
122
Dalam teori
percobaan ya/tidak
percobaan memiliki
123
Distribusi ini
memodelkan jumlah
n. Apabila sampel
124
binomial merupakan
banyak digunakan.
1.2 Rumusan Masalah
negative
distribusi binomial
binomial
125
kumulatif
1.3 Tujuan
distribusi binomial
binomial
126
1
BAB II
PEMBAHASAN
Binomial
Distribusi Binomial
ahli matematika
berkebangsaan Swiss
Distribusi binomial
127
percobaan Bernoulli
maka probabilitas
gagal q = 1 – p.
128
jumlah
percobaan ya/tidak
bebas,
dimana setiap hasil
percobaan memiliki
n = 1, distribusi
129
Distribusi Binomial
diskrit (bukan data
mengacu kepada
matematikawan
yang
bernouli, dan hasil
130
pengocokan dapat
calon pegawai dalam
diukur dengan skala
131
eksperimen
persyaratan:
2
mempunyai dua hasil
132
Misal:
(gagal)
(gagal)
(gagal)
satu eksperimen
133
dua hal:
a. Banyaknya/jumlah
percobaan/kegiatan;
sebagai berikut:
134
= 1 – p adalah
yang
menyatakan sukses
eksperimen yang
berikut:
saling bebas,
135
dua keluaran yang
gagal q = 1 - p
percobaan (trial)
136
eksperimen binomial
3
dapat menghasilkan
p,
137
ke kiri.
138
n kali.
kelas, misal :
“BERHASIL” atau
“GAGAL”;
139
= 1-p.
dengan lainnya.
sebagai berikut:
sebanyak n kali
4
140
dua kemungkinan,
kemungkinan.
yang sukses atau
gagal.
bebas.
141
diklasifikasikan
jawaban benar suatu
yang salah dan
yang gagal.
142
dari n kali
q[3].
Binomial:
3, ..., n
143
Contoh :
berkata bahwa dia
mengunjungi dokter
bulan lalu?
Pembahasan :
144
0,201.
distribusi binomial
5
berikut.
MEAN (RATA-RATA)
145
μ=n∙p
VARIANS
=n∙p∙q
SIMPANGAN BAKU
(DEVIASI STANDAR)
=
rumus-rumus untuk
karena
146
Contoh 1 :
simpangan baku dari
muncul!
Penyelesaian 1 :
distibusi binomial
n=4
p=½
q = ½ maka
 Rata-rata
147
μ=n∙p=4∙½=2
 Varians
=n∙p∙q=4∙½∙½=1
 Simpangan baku
= = = =1
dapat diselesaikan
untuk nilai yang
148
6
X 01234
Peluang P(X) 1/16 4/16 6/16
4/16 1/16
memberika
n hasil yang sama.
kumulatif
149
kumulatif adalah
Rumusnya:
Contoh :
probabilitasnya!
sampai 3 orang
150
lulus
Penyelesaian :
a. n = 5 p = 0,7 q = 0,3
P(x 2) = P(x = 0) + P(x = 1) +
P (x = 2) = 0,16
b. P(2 x 3) = P(x = 2) + P(x =
3) = 0,44
c. P(x 4) = P(x = 4) + P(x = 5)
= 0,53
BAB III
PENUTUP
7
A. Kesimpulan
151
Distribusi Binomial
memodelkan jumlah
atau
B. Saran
bukanhanya sekali
152
melakukan percobaan
lebih baiknya
menggunakan banyak
pertimbangan.
DAFTAR PUSTAKA
1.1 Latar Belakang
Dalam teori
153
percobaan ya/tidak
percobaan memiliki
154
Distribusi ini
memodelkan jumlah
n. Apabila sampel
binomial merupakan
banyak digunakan.
155
1.1 Latar Belakang
Dalam teori
percobaan ya/tidak
percobaan memiliki
156
Distribusi ini
memodelkan jumlah
n. Apabila sampel
157
binomial merupakan
banyak digunakan.
1.1 Latar Belakang
Dalam teori
percobaan ya/tidak
percobaan memiliki
158
Distribusi ini
memodelkan jumlah
n. Apabila sampel
159
binomial merupakan
banyak digunakan.
1.1 Latar Belakang
Dalam teori
160
percobaan ya/tidak
percobaan memiliki
161
Distribusi ini
memodelkan jumlah
n. Apabila sampel
binomial merupakan
banyak digunakan.
162
1.1 Latar Belakang
Dalam teori
percobaan ya/tidak
percobaan memiliki
163
Distribusi ini
memodelkan jumlah
n. Apabila sampel
164
binomial merupakan
banyak digunakan.
BAB I
PENDAHULUAN
A. Latar Belakang
Dalam teori probabilitas

...
dan statistika, distribusi

binomial adalah
percobaan ya/tidak
percobaan memiliki
165
Dalam teori probabilitas dan
statistika, distribusi binomial
adalah
percobaan ya/tidak
166
percobaan memiliki
Dalam teori probabilitas dan
statistika, distribusi binomial
adalah
167
percobaan ya/tidak
percobaan memiliki
Distribusi teoretis merupakan alat bagi kita untuk menentukan apa yang dapat kita
harapkan, apabila asumsi-asumsi yang kita buat benar. Distribusi frekuensi dapat
digunakan sebagai dasar pembanding dari suatu hasil observasi atau eksperimen dan
168
sering juga digunakan sebagai pengganti distribusi sebenernya. Hal ini penting sekali oleh
karena distribusi sebenernya yang harus diperoleh melalui eksperimen biasanya selain
sangat mahal juga karena sesuatu hal seringkali tidak dapat dilakukan.
Distribu teoretis memungkinan para pembuat keputisan memperoleh dasar logika yang
kuat dalam membuat keputusan, dan sangat berguna sebagai dasar pembuatan ramalan
atau prediksi berdasarkan informasi yang terbatas atau pertimbangan-pertimbangan
teoretis, dan berguna pula untuk menghitung probablitas terjadinya suatu kejadian.
Pengertian mengenai beberapa distribusi yang utama akan meningkatkan kemampuan

seseorang untuk membaca dan mengartikan hasil karya ilmiah di semua bidang. Setiap
kejadian yang dapat dinyatakan sebagai perubahan nilai suatu variabel umumnya
mengikuti suatu distribusi teoretis tertentu dan apabila sudah diketahui dengan jelas jenis
distribusinya, kita akan dapat dengan mudah berapa probabilitas kejadian tersebut.
Misalnya berapa probabilitas bahwa seorang calon presiden RI akan terpilih
menggantikan presiden yang lama.
Dalam teori probabilitas dan statistika, distribusi binomial adalah distribusi probabilitas
diskrit jumlah keberhasilan dalam n percobaan ya atau tidak (berhasil atau gagal) yang
saling bebas, dimana setiap hasil percobaan memiliki probabilitas p. Eksperimen berhasil
atau gagal juga disebut percobaan Bernoulli. ketika n=1, distribusi binomial merupakan
dasar dari uji binomial dalam uji signifikansi statistik.
Distribusi ini seringkali digunakan untuk memodelkan jumlah keberhasilan pada jumlah
sampel n dari jumlah populasi N. Apabila sampel tidak saling bebas (yakni pengambilan
sampel tanpa pengembalian), distribusi yang dihasilkan adalah distribusi hipergeometrik,
bukan binomial. Semakin besar N daripada n, distribusi binomial merupakan pendekatan
yang baik dan banyak digunakan.
B. Rumusan Masalah
i. Apa itu distribusi binomial
ii. Apa itu distribusi binomial negative
iii. Bagaimana ciri-ciri dari distribusi binomial
iv. Jelaskan bagaimana percobaan distribusi binomial
v. Bagaimana Rata-rata, varians, dan simpangan baku untuk distribusi binomial
vi. Apa itu Distribusi binomial kumulatif
169
vii. Apa itu distribusi binomial
viii. Apa itu distribusi binomial negative
ix. Bagaimana ciri-ciri dari distribusi binomial
x. Jelaskan bagaimana percobaan distribusi binomial
xi. Bagaimana Rata-rata, varians, dan simpangan baku untuk distribusi binomial
xii. Apa itu Distribusi binomial kumulatif
C. Tujuan
i. Untuk mengetahui apa itu distribusi binomial
ii. Untuk mengetahui apa itu distribusi binomial negative
iii. Untuk mengetahui cirri-ciri dari distribusi binomial
iv. Untuk mengetahui penjelasan distribusi binomial
v. Untuk menghitung rata-rata,varians,dan simpangan baku untuk distribusi binomial
vi. Untuk mengeteahui apa itu distribusi binomial kumulatif
BAB II
PEMBAHASAN
A. Distribusi Binomial
1. Pengertian Distribusi Binomial
170
Distribusi binomial adalah distribusi probabilitas sukses dari variabel acak x dalam n
percobaan bebas. X adalah variabel acak diskrit ( bisa dihitung dan berhingga) yang
diberi nilai 0,1,2...,n. Dalam teori probabilitas dan statistik, distribusi binomial adalah
distribusi probabilitas diskrit yang hanya memberikan dua kemungkinan hasil dalam
suatu eksperimen, yaitu Sukses atau Gagal. . Misalnya, jika kita melempar koin, hanya
ada dua kemungkinan hasil: kepala atau ekor, dan jika ada tes yang dilakukan, maka
hanya ada dua hasil: lulus atau gagal. Distribusi ini disebut juga distribusi probabilitas
binomial.
Ada dua parameter n dan p yang digunakan di sini dalam distribusi binomial. Variabel
'n' menyatakan berapa kali percobaan dijalankan dan variabel 'p' menyatakan
probabilitas suatu hasil. Misalkan sebuah dadu dilempar secara acak sebanyak 10 kali,
maka peluang muncul 2 dadu pada setiap pelemparan adalah ⅙. Ketika Anda
melempar dadu sebanyak 10 kali, Anda mempunyai distribusi binomial n = 10 dan p =
⅙. Pelajari rumus untuk menghitung dua distribusi hasil di antara beberapa
eksperimen beserta contoh penyelesaiannya di artikel ini.
Distribusi Binomial ditemukan oleh seorang ahli matematika berkebangsaan

Swiss bernama Jacob Bernauli. Oleh karena itu distribusi binomial ini dikenal juga
sebagai distribusi bernauli. Distribusi binomial berasal dari percobaan binomial yaitu
suatu proses Bernoulli yang diulang sebanyak n kali dan saling bebas. Suatu distribusi
Bernoulli dibentuk oleh suatu percobaan Bernoulli (Bernoulli trial). Sebuah percobaan
Bernoulli harus memenuhi syarat: Keluaran (outcome) yang mungkin hanya salah satu
dari “sukses” atau “gagal”, Jika probabilitas sukses p, maka probabilitas gagal q = 1 –
p.
Distribusi binomial adalah distribusi probabilitas diskrit jumlah keberhasilan

dalam n percobaan ya/tidak (berhasil/gagal) yang saling bebas, dimana setiap hasil
percobaan memiliki probabilitas p. Eksperimen berhasil/gagal juga disebut percobaan
bernoulli. Ketika n = 1, distribusi binomial adalah distribusi bernoulli. Distribusi
binomial merupakan dasar dari uji binomial dalam uji signifikansi statistik.
Distribusi Binomial digunakan untuk data diskrit (bukan data kontinu) yang
dihasilkan dari eksperimen Bernouli, mengacu kepada matematikawan JacobBernouli.
Peristiwa pelemparan mata uang (koin) yang dilakukan beberapa kali adalah contoh
dari proses bernouli, dan hasil (outcomes) dari tiap-tiap pengocokan dapat dinyatakan
171
sebagai distribusi probabilitas binomial. Kejadian sukses atau gagal calon pegawai
dalam psikotest merupakan contoh lain dari proses Bernouli. Sebaliknya distribusi
frekuensi hidupnya lampu neon di pabrik anda harus diukur dengan skala kontinu dan
bukan dianggap sebagai distribusi binomial.
Secara formal, suatu eksperimen dapat dikatakan eksperimen binomial jika

memenuhi empat persyaratan:
a. Banyaknya eksperimen merupakan bilangan tetap (fixed number of trial)

b. Setiap ekperimen selalu mempunyai dua hasil ”Sukses” dan ”Gagal”. Tidak
ada ‟daerah abu-abu‟. Dalam praktiknya, sukses dan gagal harus didefinisikan sesuai
keperluan, Misal:
1. Lulus (sukses), tidak lulus (gagal)
2. Setuju (sukses), tidak setuju (gagal)
3. Barang bagus (sukses), barang sortiran (gagal)
4. Puas (sukses), tidak puas (gagal)
c. Probabilitas sukses harus sama pada setiap eksperimen.
d. Eksperimen tersebut harus bebas satu sama lain, artinya satu eksperimen tidak
boleh berpengaruh pada hasil eksperimen lainnya.
Untuk membentuk suatu distribusi binomial diperlukan dua hal:
a. Banyaknya/jumlah percobaan/kegiatan;
b. Probabilitas suatu kejadian baik sukses maupun gagal.
Distribusi probabilitas binomial dapat dinyatakan sebagai berikut:
Dalam sebuah percobaan Bernoulli, dimana p adalah probabilitas “sukses” dan q = 1 –

p adalah probabilitas gagal, dan jika X adalah variabel acak yang menyatakan sukses.
2. Ciri-ciri Distribusi Binomial

I. Ciri pertama distribusi binomial adalah bila jumlah n tetap dan p kecil maka
distribusi yang dihasilkan akan miring ke kanan dan bila p makin besar maka
kemiringan akan berkurang dan bila p mencapai 0,5 maka distribusi akan
menjadi simetris. Bila p lebih besar dari 0,5, maka distribusi yang dihasilkan
akan miring ke kiri.
172
II. Ciri kedua nya adalah bila p tetap dengan jumlah n yang makin besar maka akan
dihasilkan distribusi yang mendekati distribusi simetris.
III. Percobaan diulang sebanyak n kali.
IV. Hasil setiap ulangan dapat dikategorikan ke dalam 2 kelas, misal :
“BERHASIL” atau “GAGAL”;
V. Peluang berhasil / sukses dinyatakan dengan p dan dalam setiap ulangan nilai p
tetap. Peluang gagal dinyatakan dengan q, dimana q = 1-p.
VI. Setiap ulangan bersifat bebas (independen) satu dengan lainnya.
3. Percobaan Binomial
Secara langsung, percobaan binomial memiliki ciri-ciri sebagai berikut:
a. Percobaan tersebut dilakukan berulang-ulang sebanyak n kali
b. Masing-masing percobaan hanya dapat menghasilkan dua kemungkinan, atau
hasil yang diperoleh dapat disederhanakan menjadi dua kemungkinan. Hasil
yang diperoleh tersebut dapat dianggap sebagai hasil yang sukses atau gagal.
c. Hasil dari masing-masing percobaan haruslah saling bebas.
d. Peluang untuk sukses harus sama untuk setiap percobaan.
Dalam percobaan binomial, hasil-hasilnya seringkali diklasifikasikan sebagai hasil
yang sukses atau gagal. Sebagai contoh, jawaban benar suatu pertanyaan pilihan
ganda dapat diklasifikasikan sebagai hasil yang sukses, sehingga pilihan jawaban
lainnya merupakan jawaban yang salah dan diklasifikasikan sebagai hasil yang gagal.
Besarnya nilai probabilitas setiap x peristiwa sukses dari n kali eksperimen
ditunjukkan oleh probabilitas sukses p dan probabilitas kegagalan q[3].
Rumus distribusi peluang Binomial:
Keterangan : p = probabilitas sukses = 1 – q. Dimana

x = jumlah sukses dari n kali percobaan. Dimana x = 1, 2, 3, ..., n
Contoh:
173
1.Misalkan kita mempunyai satu buah koin yang terdiri atas dua sisi, depan dan
belakang. Misalkan kita mengundi sebanyak 10 kali. Pada undian pertama,
kemungkinan hasilnya hanya sisi depan atau sisi belakang. Pada undian kedua,
kemungkinan hasilnya hanya sisi depan atau sisi belakang. Demikian seterusnya.
Setiap kali mengundi, kemungkinan hasilnya sama, hanya dua yaitu sisi depan atau
sisi belakang. Dari sepuluh kali percobaan, berapa peluang sisi depan muncul
sebanyak dua kali?
Diketahui:
Jumlah percobaan = n = 10.
Peluang sukses = peluang munculnya sisi depan dalam setiap percobaan = p = 0.5.
Peluang gagal = peluang tidak munculnya sisi depan dalam setiap percobaan = q = 1-p
= 0.5.
Ditanyakan:
Dari sepuluh kali percobaan, berapa peluang sisi depan muncul sebanyak dua kali?
Atau P (X = 2) -> Yang ditanyakan adalah peluang munculnya sisi depan maka
kejadian yang dianggap sukses adalah jika sisi depan muncul ketika diundi.
Jawaban:
4. Rata-rata , varians , dan simpangan baku untuk distribusi binomial
Rata-rata, varians, dan simpangan baku variabel yang memiliki distribusi binomial
secara berturut-turut dapat ditentukan dengan menggunakan rumus berikut.
174
Rumus-rumus tersebut secara aljabar ekuivalen dengan rumus-rumus untuk rata-
rata, varians, dan simpangan baku variabel distribusi peluang, tetapi karena variabel-
variabel tersebut memiliki distribusi binomial, maka variabel-variabel tersebut dapat
disederhanakan dengan menggunakan aljabar.
Contoh :
Suatu koin dilemparkan sebanyak 4 kali. Tentukan rata-rata, varians, dan simpangan
baku dari banyaknya angka yang muncul!
Penyelesaian :
Dengan menggunakan rumus distibusi binomial
n=4
p=½
q=½
Jadi, ketika empat koin dilemparkan beberapa kali, rata-rata banyaknya angka yang
muncul adalah 2, dan simpangan bakunya adalah 1.
Seperti yang telah dinyatakan sebelumnya, permasalahan ini dapat diselesaikan dengan
menggunakan rumus untuk nilai yang diharapkan. Distribusinya ditunjukkan oleh tabel
berikut.
Banya 0 1 2 3 4
k
angka
yang
175
muncul
X
Peluan 1/1 4/1 6/1 4/1 1/1
g P(X) 6 6 6 6 6
Rata-rata, varians, dan simpangan bakunya dapat ditentukan sebagai berikut.
Rata-rata, varians, dan simpangan bakunya dapat ditentukan sebagai berikut.

Jadi, rumus binomial yang sudah disederhanakan memberika
n hasil yang sama.
5. Distribusi Binomial Kumulatif

Probabilitas binomial kumulatif adalah probabilitas dari peristiwa binomial lebih dari
satu sukses.
176
Co
ntoh :
1. Sebanyak 5 mahasiswa akan mengikuti ujian sarjana dan diperkirakan probabilitas
kelulusannya adalah 0,7. Hitunglah probabilitasnya!
b. Yang akan lulus antara 2 sampai 3 orang
c. Paling sedikit 4 diantaranya lulus
Penyelesaian :
a. n = 5 p = 0,7 q = 0,3
P(x 2) = P(x = 0) + P(x = 1) + P (x = 2) = 0,16
b. P(2 x 3) = P(x = 2) + P(x = 3) = 0,44
c. P(x 4) = P(x = 4) + P(x = 5) = 0,53
B. Distribusi Normal
Sejarah dari distribusi normal ini dimulai ketika De Mouvre pada tahun 1773
mengembangkan bentuk matematis dari kurva normal yang menjadi dasar dalam statistik
induksi. Namun selanjutnya distribusi normal disebut distribusi normal Gauss (1777-
1855) menurunkan persamaan matematisnya menjadi lebih detail dengan meneliti
mengenai kesalahan pada pengukuran berulang dari ukuran kuantitas yang sama. Variabel
177
random X yang merepresentasikan distribusi normal di sebut variabel random normal,
yang distribusinya bergantung pada dua parameter yaitu mean (𝜇) dan deviasi standar (𝜎),
yang biasa dinotasikan sebagai
𝑁(𝑥; 𝜇, 𝜎).
Definisi Fungsi kepadatan dari variabel random X dengan rata rata 𝜇 dan variansi 𝜎 ^2
adalah
Dengan −∞ < 𝑥 < ∞, 𝜋 = 3,14159 …, 𝑒 = 2,72828

Keterangan:
x = peubah acak normal yang nilainya −∞ < 𝑥 < ∞,
𝜇 = rata-rata
𝜎 = standar deviasi
𝜋 = konstanta yang nilainya 3,14159
𝑒 = konstanta yang nilainya 2,72828
Adapun beberapa sifat penting dari distribusi normal, diantaranya:
1) Kurva berbentuk lonceng dan simetris terhadap garis tegak 𝑥 = 𝜇
2) Kurva selalu berada di atas sumbu-x atau f(x)>0
3) Rataan, median, dan modus dari distribusi berhimpitan
4) Fungsi kepadatan peluang mencapai nilai maksimum di
𝑥 = 𝜇 sebesar 1 𝜎√2𝜋
5) Luas daerah di bawah kurva f(x) dan di atas sumbu-x adalah 1, yaitu
178
𝑃(−∞ < 𝑥 < ∞) = 1
6) Kurva distribusi normal secara asimtots mendekati sumbu-x pada ujung ujungnya
1. Distribusi peluang variabel acak kontinu

Distribusi peluang kontinu adalah peubah acak yang dapat memperoleh semua nilai
pada skala kontinu. Ruang sampel kontinu adalah bila ruang sampel mengandung titik
sampel yang tak terhingga banyaknya. Syarat dari distribusi kontinu adalah apabila
fungsi f(x) adalah fungsi padat peluang peubah acak kontinu X yang didefinisikan di
atas himpunan semua bilangan riil R bila:
 Distribusi probabilita kontinu, yaitu apabila random variabel yang digunakan

kontinu
 Probalita dihitung untuk nilai dalam suatu interval tertentu
 Probabilita di suatu titik = 0
179
 Probabilita untuk random variabel kontinu ( nilai – nilainya dalam suatu
interval), misalkan antara x1 dan x2, didfenisikan sebagai luas daerah di
bawah kurva (grafik) fungsi probabilitas antara x1 dan x2.
Contoh :
2. Fungsi distribusi kumulatif cariabel acak kontinu
180
3. Fungsi distribusi peluang variabel acak berdistribusi normal
Variabel acak x yang memeiliki peluang berdistribusi normal dilambangkan dengan x
~ N(𝜇, 𝜎), dibaca X berdistribusi normal dengan rata-rata 𝜇, dan simpangan baku 𝜎.
Ditribusi peluang variabel acak x ~ N(𝜇, 𝜎). Luas daerah dibawah kurva normal sama
dengan 1.
181
Fungsi distribusi peluang variabel acak x ~ N(𝜇, 𝜎) didefinisikan sebagai berikut.
Contoh
1.jika variabel acak X ~ N( 60,20), nilai p(x>51)
182
4. Fungsi distribusi kumulatif variabel acak berdistribusi normal
Sering kali perhitungan probabilitas variabel acak Z yang berdistribusi normal standar
lebih mudah dilakukan dengan memakai fungsi distribusi kumulatif. Bila variabel acak
Z berdistribusi normal standar dengan fungsi padat probabilitas f(z), fungsi distribusi
kumulatif dari Z yang ditulis F(z) dirumuskan sebagai berikut
F(z) = P(Z < z) = ∫ f(z) dz = ∫ 1 e – ½ Z2 dz
√2π
Sifat-sifat fungsi distribusi kumulatif F(z) adalah sebagai berikut ;
1. F(z) monoton naik
2. 0 ≤ F(z) ≤ 1
3. F (-∞) = Lim F(x) = 0 dan F (+∞) = Lim F(x) = 1
X -> ∞ X -> ∞
Perhatikan bahwa grafik F(z) tidak memotong sumbu Z dan juga tidak
memotong garis F9z) = 1. Oleh karena itu, sumbu Z dan garis F9z) merupakan
garis batas dari grafik F(z). Dengan memakai fungsi distribusi kumulatif F(z),
probabilitas P(z1 < Z < z2) dihitung dengan menggunakan rumus berikut :
P(z1 < Z < z2) = P(Z < z2) – P(Z < z1) = F(z2) – F(z1)
183
Nilai-nilai probabilitas fungsi distribusi kumulatif dari distribusi normal standar
terdapat dalam tabel distribusi kumulatif normal standar.
Contoh :
a. P(-1.43 < Z < 2.53) = F(2.53) – F(-1.43)
= F(2.50) – F(-1.40)
= 0.9938 – 0.0808
= 0.9130
b. P(-0.5 < Z < 1.3) = F(1.3) – F(-0.5)
= 0.9032 – 0.3085
= 0.5947
5. Fungsi distribusi peluang variabel acak berdistribusi normal baku

Jika nilai μ = 0 dan σ = 1, diperoleh distribusi normal baku (standar). Variabel acak Z
berdistribusi normal baku dilambangkan dengan Z N(0, 1). Fungsi distribusi peluang
variabel acak Z ~ N(0, 1) didefinisikan sebagai:
Contoh :
184
6. Peluang variabel acak Z~N (0,1)
Peluang variabel acak Z ~ N(0, 1) sama dengan luas daerah di bawah kurva normal
baku. Kurva normal baku N(0, 1) simetris terhadap garis z = 0 dan luas daerah di
bawah kurva sama dengan 1 sehingga luas daerah di kiri dan kanan garis z = 0 adalah
sama yaitu sama dengan 0,5. Dengan demikian, diperoleh:
Peluang variabel acak Z ~ N(0, 1) pada interval a < Z < b dinyatakan dengan:
Dalam menentukan peluang variabel acak Z ~ N(0, 1), kita tidak perlu menghitungnya
dengan rumus integral seperti di atas. Peluang variabel acak Z ~ N(0, 1) dapat kita
tentukan menggunakan bantuan tabel distribusi Z (tabel distribusi normal baku).
Contoh :
Pembahasan :
185
7. Fungsi peluang variabel acak X ~ N((𝜇, 𝜎)
Peluang variabel acak X ~ N(μ, σ) sama dengan luas daerah di bawah kurva normal
N(μ, σ). Luas daerah di bawah kurva normal N(μ, σ) dapat ditentukan dengan cara
mentransformasikan variabel acak X ~ N(μ, σ) menjadi variabel acak Z ~ N(0, 1)
menggunakan rumus berikut.
Contoh :
186
187
C. Uji Hipotesis
Saat menghitung probabilitas menggunakan ekspansi binomial, kita dapat menghitung
probabilitas ini untuk nilai individual (P( x =a )) atau nilai kumulatif P( x < a ), P( x ≤ a ), P( x
≥ a ). Di dalam pengujian hipotesis, kami sedang menguji apakah probabilitas yang
dihitung ini dapat membuat kami menerima atau menolak hipotesis. Kami akan fokus
pada wilayah distribusi binomial; oleh karena itu, kami melihat nilai kumulatif.
Ada dua jenis hipotesis utama:
Hipotesis nol (H 0 ) adalah hipotesis yang kita asumsikan terjadi, dan mengasumsikan
tidak ada perbedaan antara karakteristik tertentu dari suatu populasi. Perbedaan apa pun
murni karena kebetulan.
Hipotesis alternatif (H 1 ) adalah hipotesis yang dapat kita coba buktikan dengan
menggunakan data yang telah diberikan.
Ada beberapa istilah kunci yang perlu kita pahami sebelum kita melihat langkah-
langkahnya pengujian hipotesis :
 Nilai kritis – ini adalah nilai yang kita mulai dari menerima hingga menolak
hipotesis nol.
 Wilayah kritis – wilayah dimana kita menolak hipotesis nol.
 Tingkat Signifikansi – tingkat signifikansi adalah tingkat keakuratan yang kita
ukur, dan dinyatakan sebagai persentase. Ketika kita menemukan kemungkinan
dari nilai kritisnya, maka harus sedekat mungkin dengan tingkat signifikansinya.
 Tes satu sisi – kemungkinan hipotesis alternatif lebih besar atau lebih kecil dari
hipotesis alternatif kemungkinan dari hipotesis nol.
 Uji dua sisi – probabilitas hipotesis alternatif tidak sama dengan probabilitas
hipotesis nol.
Jadi ketika kita melakukan uji hipotesis, secara umum, langkah-langkah berikut yang kita
gunakan:
LANGKAH 1 – Tetapkan hipotesis nol dan hipotesis alternatif, dengan probabilitas

relevan yang akan dinyatakan dalam pertanyaan.
188
LANGKAH 2 – Tetapkan probabilitas pada hipotesis nol dan hipotesis alternatif kita.
LANGKAH 3 – Tuliskan milik kami distribusi binomial.
LANGKAH 4 – Hitung probabilitas menggunakan distribusi binomial. (Petunjuk: Untuk

menghitung probabilitas kita, kita tidak perlu menggunakan rumus panjang lebar, tapi di
kalkulator Casio Classwiz, kita bisa masuk ke Menu -> Distribusi -> Binomial CD dan
masukkan n sebagai nomor dalam sampel, p sebagai probabilitas kita, dan X sebagai apa
yang ingin kita hitung).
LANGKAH 5 – Periksa tingkat signifikansi (apakah lebih besar atau lebih kecil dari
tingkat signifikansi).
LANGKAH 6 – Terima atau tolak hipotesis nol.
Uji satu sisi
Uji hipotesis satu sisi adalah uji yang probabilitas hipotesis alternatifnya lebih besar atau
lebih kecil dari hipotesis nol.
Contoh
Seorang peneliti sedang menyelidiki apakah orang dapat mengidentifikasi perbedaan

antara Diet Coke dan minuman bersoda penuh lemak. Dia curiga orang-orang hanya
menebak-nebak. 20 orang dipilih secara acak, dan 14 orang membuat identifikasi yang
benar. Dia melakukan uji hipotesis.
a) Jelaskan secara singkat mengapa hipotesis nol seharusnya H 0 , dengan probabilitas p =
0,5 menunjukkan bahwa mereka telah melakukan identifikasi yang benar.
b) Selesaikan tes pada tingkat signifikansi 5%.
SOLUSI:
a) Jika orang tidak berbuat lebih baik dan hanya menebak-nebak, maka ada kemungkinan
yang sama bahwa mereka membuat identifikasi yang benar atau salah. Peluang terjadinya
dua hal yang sama berarti p = 0,5 . b) Untuk melakukan uji hipotesis secara lengkap, mari
kita gunakan langkah-langkah yang disebutkan di atas.
189
Langkah-langkah Contoh
Hipotesis nol (H 0 ) : Orang-orang hanya
menebak-nebak, sehingga mempunyai
LANGKAH 1 - Tetapkan hipotesis nol
peluang yang sama untuk membuat
dan hipotesis alternatif, dengan
identifikasi yang benar atau
probabilitas yang relevan, yang akan
salah. Hipotesis alternatif H 1 : Masyarakat
dinyatakan dalam pertanyaan.
tidak menebak-nebak dan mengetahui cara
membedakannya.
Alasan probabilitas kita

LANGKAH 2 - Tetapkan probabilitas
untuk H 1 adalah karena untuk menyangkal
pada hipotesis nol dan hipotesis alternatif
tebakan orang, lebih banyak orang yang
kita.
perlu menebak dengan benar daripada
salah.
Ada 20 orang, dan probabilitas hipotesis
LANGKAH 3 - Tuliskan distribusi nol adalah 0,5 oleh karena itu jika kita
binomial kita. menyebut kejadian kita X :
Jadi 14 orang membuat identifikasi yang

benar; oleh karena itu, kita perlu
LANGKAH 4 - Hitung probabilitas menghitung
menggunakan distribusi binomial. Alasan
kita menggunakan tanda lebih besar dari
atau sama dengan adalah karena
LANGKAH 5 - Periksa tingkat sehingga tidak
signifikansi (lebih besar atau kurang dari termasuk dalam wilayah kritis karena jika
tingkat signifikansi). demikian maka akan kurang dari 0,05.
Karena tidak berada pada wilayah kritis,
LANGKAH 6 - Terima atau tolak
kami menyimpulkan bahwa kami
hipotesis nol.
menerima hipotesis nol.
190
Uji dua sisi
Dalam uji dua sisi, probabilitas hipotesis alternatif kita tidak sama dengan probabilitas
hipotesis nol.
Contoh
Sebuah kedai kopi menyediakan isi ulang espresso gratis. Probabilitas bahwa pelanggan
yang dipilih secara acak menggunakan isi ulang ini dinyatakan sebesar 0,35. Sampel acak
sebanyak 20 pelanggan dipilih, dan 9 diantaranya telah menggunakan isi ulang gratis.
Lakukan uji hipotesis pada tingkat signifikansi 5% untuk melihat apakah probabilitas
pelanggan yang dipilih secara acak menggunakan isi ulang berbeda dengan 0,35.
SOLUSI:
Untuk melakukan uji hipotesis secara lengkap, mari ikuti langkah-langkah di atas.
Hipotesis Nol H 0 : Hanya itu persentase
LANGKAH 1 - Tetapkan hipotesis nol orang akan menggunakan isi ulang
dan hipotesis alternatif, dengan espresso gratis. Hipotesis alternatif H 1 :
probabilitas yang relevan, yang Lebih banyak atau lebih sedikit orang yang
dinyatakan dalam pertanyaan. akan menggunakan espresso isi ulang
gratis.
LANGKAH 2 - Tetapkan probabilitas

Karena ini adalah uji dua
pada hipotesis nol dan hipotesis alternatif
sisi, probabilitas hipotesis alternatif hanya
kita.
berbeda sebesar 0,35.
Ada 20 orang, dan probabilitas hipotesis
LANGKAH 3 - Tuliskan distribusi nol adalah 0,35 oleh karena itu jika kita
binomial kita. menyebut kejadian kita X :
LANGKAH 4 - Hitung probabilitas Kali ini sebagai kita perlu

menggunakan distribusi binomial. menghitung keduanya
seperti dalam
pengujian dua sisi, terdapat dua wilayah
191
kritis
Karena ini adalah uji dua sisi, kita perlu

LANGKAH 5 - Periksa tingkat membagi tingkat signifikansi menjadi 2,
signifikansi (lebih besar atau kurang dari jadi kita bandingkan dengan 0,025, bukan
tingkat signifikansi).
0,05 dan
Tak satu pun dari hal ini termasuk dalam
LANGKAH 6 - Terima atau tolak wilayah kritis kita (walaupun yang satu
hipotesis nol. lebih dekat dari yang lain) yang berarti kita
menerima hipotesis nol kita.
Jadi perbedaan utama kami dengan pengujian dua sisi adalah kami membandingkan
nilainya dengan setengah tingkat signifikansi, bukan dengan tingkat signifikansi
sebenarnya.
Nilai kritis dan wilayah

Nilai kritis adalah nilai di mana kita beralih dari menerima ke menolak hipotesis
nol. Distribusi binomial adalah distribusi diskrit; oleh karena itu, nilai kita harus berupa
bilangan bulat.
Anda punya yang besar nomor tabel statistik dalam buku rumus yang dapat membantu
kita menemukannya; namun, ini tidak akurat karena memberi kita nilai pasti, bukan nilai
distribusi diskrit.
Oleh karena itu, cara terbaik untuk mencari nilai kritis dan daerah kritis adalah dengan
menggunakan kalkulator dengan coba-coba hingga kami menemukan nilai yang dapat
diterima:
LANGKAH 1 - Masukkan beberapa nilai acak hingga kita mencapai titik di mana untuk
dua nilai berurutan, satu probabilitas berada di atas tingkat signifikansi, dan satu
probabilitas di bawah.
LANGKAH 2 - Nilai yang probabilitasnya di bawah tingkat signifikansi adalah nilai
kritis.
192
LANGKAH 3 - Wilayah kritis, adalah wilayah yang lebih besar atau lebih kecil dari nilai
kritis.
Contoh yang berhasil untuk nilai-nilai kritis dan wilayah kritis

Seorang mekanik sedang memeriksa berapa banyak baut yang rusak. Dia diberitahu
bahwa 30% bautnya rusak. Dia mempunyai sampel 25 baut. Dia percaya bahwa kurang
dari 30% yang salah. Hitung nilai kritis dan daerah kritis.
SOLUSI:
Mari gunakan langkah-langkah di atas untuk membantu kita.
LANGKAH 1 - Masukkan beberapa nilai Jadi, tetapkan probabilitas hipotesis nol dan
acak hingga kita mencapai titik di mana
untuk dua nilai berurutan, satu alternatif kami: Artinya kita
probabilitas berada di atas tingkat menghitung kurang dari atau sama dengan
signifikansi, dan satu probabilitas di probabilitas. Jika kita mencoba beberapa
bawah.
nilai: kita
bisa melihatnya berada dia atas
tingkat signifikan 0,05 dan

kurang dari tingkat signifikan 0,005 kami.
LANGKAH 2 - Nilai yang Nilai yang lebih rendah adalah nilai kritis
probabilitasnya di bawah tingkat kita sehingga X = 3 adalah nilai kritis kita.
signifikansi adalah nilai kritis.
LANGKAH 3 - Wilayah kritis lebih besar Daerah kritis adalah daerah yang kurang
atau lebih kecil dari nilai kritis. dari nilai kritisnya
193
BAB III
PENUTUPAN
A. Kesimpulan
Distribusi Binomial seringkali digunakan untuk memodelkan jumlah keberhasilan

pada jumlah sampel n dari jumlah populasi N. Distribusi ini banyak digunakan pada masalah
yang mungkin bernilai benar atau salah, gagal atau sukses, dan lain sebagainya.
B. Saran
Dalam suatu percobaan peluang, sebaliknya dilakukan bukanhanya sekali supaya lebih
mendapatkan hasil yang lebih tepat. Dalam melakukan percobaan peluang juga hanya terpaku
pada suatu distribusi untuk lebih baiknya menggunakan banyak distribusi sebagai bahan
pertimbangan.
194
DAFTAR PUSTAKA
https://id.scribd.com/document/494726124/Fungsi-Distribusi-Peluang-Variabel-Acak-
Berdistribusi-Normal
https://lmsspada.kemdikbud.go.id/mod/resource/view.php?id=72990
https://images.app.goo.gl/vPRchCJyTTx4U6kS8
https://www.academia.edu/28950569/Konsep_distribusi_peluang_kontinu
https://parameterd.wordpress.com/author/azzainuri/
https://ocw.upj.ac.id/files/Handout-INF107-PS-Pertemuan-8.doc
https://intanonline.com/PR21/SM1/MATMI/XII/PENDAMPR21_06.html
https://g.co/kgs/h9AMXTJ
195

Makalah Binomial 3

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Makalah Binomial 3

Diunggah oleh

Hak Cipta:

Format Tersedia

MAKALAH

SMA NEGERI 1 MATARAM

Kami berharap Makalah ini dapat berguna dan bisa menamba

Kami menyadari sepenuhnya bahwa makalah ini masih terdapat

Mataram, 11 Januari 2024

Dalam teori probabilitas

dan statistika, distribusi

Pengertian mengenai beberapa distribusi yang utama akan meningkatkan kemampuan

Distribusi Binomial ditemukan oleh seorang ahli matematika berkebangsaan

Distribusi binomial adalah distribusi probabilitas diskrit jumlah keberhasilan

Secara formal, suatu eksperimen dapat dikatakan eksperimen binomial jika

a. Banyaknya eksperimen merupakan bilangan tetap (fixed number of trial)

Untuk membentuk suatu distribusi binomial diperlukan dua hal:

b. Probabilitas suatu kejadian baik sukses maupun gagal.

Distribusi probabilitas binomial dapat dinyatakan sebagai berikut:

Dalam sebuah percobaan Bernoulli, dimana p adalah probabilitas “sukses” dan q = 1 –

2. Ciri-ciri Distribusi Binomial

Keterangan : p = probabilitas sukses = 1 – q. Dimana

Jumlah percobaan = n = 10.

4. Rata-rata , varians , dan simpangan baku untuk distribusi binomial

Rata-rata, varians, dan simpangan bakunya dapat ditentukan sebagai berikut.

5. Distribusi Binomial Kumulatif

Dengan −∞ < 𝑥 < ∞, 𝜋 = 3,14159 …, 𝑒 = 2,72828

1. Distribusi peluang variabel acak kontinu

 Distribusi probabilita kontinu, yaitu apabila random variabel yang digunakan

2. Fungsi distribusi kumulatif cariabel acak kontinu

5. Fungsi distribusi peluang variabel acak berdistribusi normal baku

Ada dua jenis hipotesis utama:

LANGKAH 1 – Tetapkan hipotesis nol dan hipotesis alternatif, dengan probabilitas

LANGKAH 3 – Tuliskan milik kami distribusi binomial.

LANGKAH 4 – Hitung probabilitas menggunakan distribusi binomial. (Petunjuk: Untuk

LANGKAH 6 – Terima atau tolak hipotesis nol.

Uji satu sisi

Seorang peneliti sedang menyelidiki apakah orang dapat mengidentifikasi perbedaan

b) Selesaikan tes pada tingkat signifikansi 5%.

Alasan probabilitas kita

Jadi 14 orang membuat identifikasi yang

LANGKAH 2 - Tetapkan probabilitas

LANGKAH 4 - Hitung probabilitas Kali ini sebagai kita perlu

Karena ini adalah uji dua sisi, kita perlu

Nilai kritis dan wilayah

Contoh yang berhasil untuk nilai-nilai kritis dan wilayah kritis

tingkat signifikan 0,05 dan

Distribusi Binomial seringkali digunakan untuk memodelkan jumlah keberhasilan

Anda mungkin juga menyukai