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
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.
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
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
Untuk mengetahui apa itu
distribusi binomial negative
Untuk mengetahui cirri-ciri
dari distribusi binomial
Untuk mengetahui
penjelasan distribusi binomial
Untuk menghitung rata-
rata,varians,dan simpangan
baku untuk distribusi
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
(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
7
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
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
simpangan baku variabel
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
rata-rata, varians, dan
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
dengan menggunakan rumus
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
Rata-rata, varians, dan
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
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
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
probabilitas dan statistika,
distribusi binomial adalah
31
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
binomial merupakan dasar dari
uji binomial dalam uji
signifikansi statistik.
32
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.
33
1.2 Rumusan Masalah
Apa itu distribusi binomial
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
Apa itu Distribusi binomial
kumulatif
1.3 Tujuan
34
Untuk mengetahui apa itu
distribusi binomial
Untuk mengetahui apa itu
distribusi binomial negative
Untuk mengetahui cirri-ciri
dari distribusi binomial
Untuk mengetahui
penjelasan distribusi binomial
Untuk menghitung rata-
rata,varians,dan simpangan
baku untuk distribusi
binomial
Untuk mengeteahui apa itu
distribusi binomial kumulatif
1
BAB II
35
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
berasal dari percobaan
binomial yaitu suatu proses
Bernoulli yang diulang
36
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
37
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.
38
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 sebagai distribusi
39
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:
40
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‟ ‟
didefinisikan sesuai keperluan,
Misal:
1. Lulus (sukses), tidak lulus
(gagal)
2. Setuju (sukses), tidak setuju
(gagal)
41
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;
42
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
B. Distribusi Binomial Negatif
43
Suatu distribusi binomial
negatif dibentuk oleh suatu
eksperimen yang
memenuhi kondisi-kondisi
berikut:
Eksperimen terdiri dari
serangkaian percobaan yang
saling bebas,
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
44
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
eksperimen binomial
negatif, jumlah suksesnya
tertentu sedangkan jumlah
percobaannya yang acak.
3
Distribusi Binomial Negatif,
bila percobaan bebas berulang
dapat menghasilkan
45
sebuah sukses dengan
probabilitas p dan gagal
dengan probabilitas q = 1 –
p,
maka distribusi probabilitas
dari variabel acak X.
C. Ciri-ciri Distribusi Binomial
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
46
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
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”;
47
“YA” atau “TIDAK”;
“SUCCESS” or “FAILED”.
5. Peluang berhasil /
sukses dinyatakan dengan p
dan dalam setiap ulangan
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:
48
a. Percobaan tersebut
dilakukan berulang-ulang
sebanyak n kali
4
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.
49
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,
50
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
51
q = probabilitas gagal
n = jumlah total percobaan
x = jumlah sukses dari n kali
percobaan. Dimana x = 1, 2,
3, ..., n
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?
52
Pembahasan :
Pada kasus ini, n = 10, X = 3, p
= 1/5, dan q = 4/5. Sehingga,
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
53
binomial secara berturut-
turut dapat ditentukan
dengan menggunakan rumus
berikut.
MEAN (RATA-RATA)
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
simpangan baku variabel
54
distribusi peluang, tetapi
karena
variabel-variabel tersebut
memiliki distribusi binomial,
maka variabel-variabel
tersebut dapat disederhanakan
dengan menggunakan aljabar.
Contoh 1 :
Suatu koin dilemparkan
sebanyak 4 kali. Tentukan
rata-rata, varians, dan
simpangan baku dari
banyaknya angka yang
muncul!
Penyelesaian 1 :
55
Dengan menggunakan rumus
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
Jadi, ketika empat koin
dilemparkan beberapa kali,
rata-rata banyaknya angka
yang muncul adalah 2, dan
simpangan bakunya adalah 1.
56
Seperti yang telah dinyatakan
sebelumnya, permasalahan ini
dapat diselesaikan
dengan menggunakan rumus
untuk nilai yang
diharapkan. Distribusinya
ditunjukkan oleh tabel berikut.
6
Banyak angka yang muncul
X 01234
Peluang P(X) 1/16 4/16 6/16
4/16 1/16
Rata-rata, varians, dan
simpangan bakunya dapat
ditentukan sebagai berikut.
57
Jadi, rumus binomial yang
sudah disederhanakan
memberika
n hasil yang sama.
F. Distribusi binomial
kumulatif
Probabilitas binomial
kumulatif adalah
probabilitas dari peristiwa
binomial lebih dari satu sukses.
Rumusnya:
Contoh :
Sebanyak 5 mahasiswa
akan mengikuti ujian
sarjana dan diperkirakan
58
probabilitas kelulusannya
adalah 0,7. Hitunglah
probabilitasnya!
a. Paling banyak 2 orang lulus
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
59
BAB III
PENUTUP
7
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
60
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.
DAFTAR PUSTAKA
Sudjana, Metode Statistik,
Bandung : Tarsito, 2002
1.1 Latar Belakang
61
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
62
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
63
besar n daripada n, distribusi
binomial merupakan
pendekatan yang baik dan
banyak digunakan.
1.2 Rumusan Masalah
Apa itu distribusi binomial
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
64
Apa itu Distribusi binomial
kumulatif
1.3 Tujuan
Untuk mengetahui apa itu
distribusi binomial
Untuk mengetahui apa itu
distribusi binomial negative
Untuk mengetahui cirri-ciri
dari distribusi binomial
Untuk mengetahui
penjelasan distribusi binomial
Untuk menghitung rata-
rata,varians,dan simpangan
baku untuk distribusi
binomial
65
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
66
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.
67
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
68
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
69
(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.
70
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‟ ‟
71
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
72
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
73
= 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,
74
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
75
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
76
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
77
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
78
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
79
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.
80
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.
81
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
82
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,
83
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)
84
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
simpangan baku variabel
distribusi peluang, tetapi
karena
variabel-variabel tersebut
memiliki distribusi binomial,
maka variabel-variabel
85
tersebut dapat disederhanakan
dengan menggunakan aljabar.
Contoh 1 :
Suatu koin dilemparkan
sebanyak 4 kali. Tentukan
rata-rata, varians, dan
simpangan baku dari
banyaknya angka yang
muncul!
Penyelesaian 1 :
Dengan menggunakan rumus
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
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
87
ditunjukkan oleh tabel berikut.
6
Banyak angka yang muncul
X 01234
Peluang P(X) 1/16 4/16 6/16
4/16 1/16
Rata-rata, varians, dan
simpangan bakunya dapat
ditentukan sebagai berikut.
Jadi, rumus binomial yang
sudah disederhanakan
memberika
n hasil yang sama.
F. Distribusi binomial
kumulatif
88
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
89
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
90
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
91
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
probabilitas dan statistika,
distribusi binomial adalah
92
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
binomial merupakan dasar dari
uji binomial dalam uji
signifikansi statistik.
93
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.
94
1.2 Rumusan Masalah
Apa itu distribusi binomial
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
Apa itu Distribusi binomial
kumulatif
1.3 Tujuan
95
Untuk mengetahui apa itu
distribusi binomial
Untuk mengetahui apa itu
distribusi binomial negative
Untuk mengetahui cirri-ciri
dari distribusi binomial
Untuk mengetahui
penjelasan distribusi binomial
Untuk menghitung rata-
rata,varians,dan simpangan
baku untuk distribusi
binomial
Untuk mengeteahui apa itu
distribusi binomial kumulatif
1
BAB II
96
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
berasal dari percobaan
binomial yaitu suatu proses
Bernoulli yang diulang
97
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
98
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.
99
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 sebagai distribusi
100
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:
101
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‟ ‟
didefinisikan sesuai keperluan,
Misal:
1. Lulus (sukses), tidak lulus
(gagal)
2. Setuju (sukses), tidak setuju
(gagal)
102
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;
103
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
B. Distribusi Binomial Negatif
104
Suatu distribusi binomial
negatif dibentuk oleh suatu
eksperimen yang
memenuhi kondisi-kondisi
berikut:
Eksperimen terdiri dari
serangkaian percobaan yang
saling bebas,
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
105
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
eksperimen binomial
negatif, jumlah suksesnya
tertentu sedangkan jumlah
percobaannya yang acak.
3
Distribusi Binomial Negatif,
bila percobaan bebas berulang
dapat menghasilkan
106
sebuah sukses dengan
probabilitas p dan gagal
dengan probabilitas q = 1 –
p,
maka distribusi probabilitas
dari variabel acak X.
C. Ciri-ciri Distribusi Binomial
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
107
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
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”;
108
“YA” atau “TIDAK”;
“SUCCESS” or “FAILED”.
5. Peluang berhasil /
sukses dinyatakan dengan p
dan dalam setiap ulangan
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:
109
a. Percobaan tersebut
dilakukan berulang-ulang
sebanyak n kali
4
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.
110
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,
111
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
112
q = probabilitas gagal
n = jumlah total percobaan
x = jumlah sukses dari n kali
percobaan. Dimana x = 1, 2,
3, ..., n
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?
113
Pembahasan :
Pada kasus ini, n = 10, X = 3, p
= 1/5, dan q = 4/5. Sehingga,
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
114
binomial secara berturut-
turut dapat ditentukan
dengan menggunakan rumus
berikut.
MEAN (RATA-RATA)
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
simpangan baku variabel
115
distribusi peluang, tetapi
karena
variabel-variabel tersebut
memiliki distribusi binomial,
maka variabel-variabel
tersebut dapat disederhanakan
dengan menggunakan aljabar.
Contoh 1 :
Suatu koin dilemparkan
sebanyak 4 kali. Tentukan
rata-rata, varians, dan
simpangan baku dari
banyaknya angka yang
muncul!
Penyelesaian 1 :
116
Dengan menggunakan rumus
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
Jadi, ketika empat koin
dilemparkan beberapa kali,
rata-rata banyaknya angka
yang muncul adalah 2, dan
simpangan bakunya adalah 1.
117
Seperti yang telah dinyatakan
sebelumnya, permasalahan ini
dapat diselesaikan
dengan menggunakan rumus
untuk nilai yang
diharapkan. Distribusinya
ditunjukkan oleh tabel berikut.
6
Banyak angka yang muncul
X 01234
Peluang P(X) 1/16 4/16 6/16
4/16 1/16
Rata-rata, varians, dan
simpangan bakunya dapat
ditentukan sebagai berikut.
118
Jadi, rumus binomial yang
sudah disederhanakan
memberika
n hasil yang sama.
F. Distribusi binomial
kumulatif
Probabilitas binomial
kumulatif adalah
probabilitas dari peristiwa
binomial lebih dari satu sukses.
Rumusnya:
Contoh :
Sebanyak 5 mahasiswa
akan mengikuti ujian
sarjana dan diperkirakan
119
probabilitas kelulusannya
adalah 0,7. Hitunglah
probabilitasnya!
a. Paling banyak 2 orang lulus
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
120
BAB III
PENUTUP
7
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
121
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.
DAFTAR PUSTAKA
Sudjana, Metode Statistik,
Bandung : Tarsito, 2002
1.1 Latar Belakang
122
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
123
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
124
besar n daripada n, distribusi
binomial merupakan
pendekatan yang baik dan
banyak digunakan.
1.2 Rumusan Masalah
Apa itu distribusi binomial
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
125
Apa itu Distribusi binomial
kumulatif
1.3 Tujuan
Untuk mengetahui apa itu
distribusi binomial
Untuk mengetahui apa itu
distribusi binomial negative
Untuk mengetahui cirri-ciri
dari distribusi binomial
Untuk mengetahui
penjelasan distribusi binomial
Untuk menghitung rata-
rata,varians,dan simpangan
baku untuk distribusi
binomial
126
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
127
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.
128
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
129
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
130
(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.
131
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‟ ‟
132
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
133
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
134
= 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,
135
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
136
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
137
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
138
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
139
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
140
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.
141
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.
142
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
143
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,
144
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)
145
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
simpangan baku variabel
distribusi peluang, tetapi
karena
variabel-variabel tersebut
memiliki distribusi binomial,
maka variabel-variabel
146
tersebut dapat disederhanakan
dengan menggunakan aljabar.
Contoh 1 :
Suatu koin dilemparkan
sebanyak 4 kali. Tentukan
rata-rata, varians, dan
simpangan baku dari
banyaknya angka yang
muncul!
Penyelesaian 1 :
Dengan menggunakan rumus
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
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
148
ditunjukkan oleh tabel berikut.
6
Banyak angka yang muncul
X 01234
Peluang P(X) 1/16 4/16 6/16
4/16 1/16
Rata-rata, varians, dan
simpangan bakunya dapat
ditentukan sebagai berikut.
Jadi, rumus binomial yang
sudah disederhanakan
memberika
n hasil yang sama.
F. Distribusi binomial
kumulatif
149
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
150
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
151
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
152
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
probabilitas dan statistika,
distribusi binomial adalah
153
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
binomial merupakan dasar dari
uji binomial dalam uji
signifikansi statistik.
154
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.
155
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
156
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
157
besar n daripada n, distribusi
binomial merupakan
pendekatan yang baik dan
banyak digunakan.
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
158
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 ini
seringkali digunakan untuk
memodelkan jumlah
keberhasilan pada jumlah
sampel n dari jumlah populasi
n. Apabila sampel
159
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.
1.1 Latar Belakang
Dalam teori
probabilitas dan statistika,
distribusi binomial adalah
160
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
binomial merupakan dasar dari
uji binomial dalam uji
signifikansi statistik.
161
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.
162
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
163
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
164
besar n daripada n, distribusi
binomial merupakan
pendekatan yang baik dan
banyak digunakan.
BAB I
PENDAHULUAN
A. Latar Belakang
165
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.
Dalam teori probabilitas dan
statistika, distribusi binomial
adalah
distribusi probabilitas diskret
jumlah keberhasilan dalam n
percobaan ya/tidak
166
(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.
Dalam teori probabilitas dan
statistika, distribusi binomial
adalah
167
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
binomial merupakan dasar dari
uji binomial dalam uji
signifikansi statistik.
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.
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 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.
a. Banyaknya/jumlah percobaan/kegiatan;
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:
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:
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:
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.
176
Co
ntoh :
1. 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
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
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 :
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
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.
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 5 – Periksa tingkat signifikansi (apakah lebih besar atau lebih kecil dari
tingkat signifikansi).
Uji hipotesis satu sisi adalah uji yang probabilitas hipotesis alternatifnya lebih besar atau
lebih kecil dari hipotesis nol.
Contoh
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.
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.
Langkah-langkah Contoh
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.
seperti dalam
pengujian dua sisi, terdapat dua wilayah
191
kritis
Jadi perbedaan utama kami dengan pengujian dua sisi adalah kami membandingkan
nilainya dengan setengah tingkat signifikansi, bukan dengan tingkat signifikansi
sebenarnya.
192
LANGKAH 3 - Wilayah kritis, adalah wilayah yang lebih besar atau lebih kecil dari nilai
kritis.
nilai: kita
bisa melihatnya berada dia atas
193
BAB III
PENUTUPAN
A. Kesimpulan
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