MODUL II

DISTRIBUSI VARIABEL
RANDOM DISKRET
 1. TUJUAN TUGAS PROYEK

1. Mahasiswa mampu menggunakan distribusi probabilitas diskret dalam

memecahkan masalah praktis.
2. Mahasiswa mampu menganalisis persoalan yang melibatkan proses yang
bersifat probabilistik dengan memanfaatkan distribusi probabilitas yang
sesuai.
 2. LANDASAN TEORI

Variabel random adalah suatu fungsi yang nilainya berupa bilangan real
yang ditentukan oleh setiap unsur dalam ruang sampel. Variabel random dapat
disimbolkan dengan X(e) = x untuk setiap e S dan x R. Variabel random
diskret adalah yang ruang sampelnya mengandung jumlah titik sampel yang
terhingga atau suatu barisan unsur yang tidak pernah berakhir. Dimana nilainya
merupakan bilangan bulat dan asli tidak berbentuk pecahan. Variabel random
diskret juga dapat diketahui sebagai variabel acak yang memiliki nilai yang dapat
dicacah atau countable.

2.1 Distribusi Bernoulli

Distribusi Bernoulli dibentuk dari suatu percobaan Bernoulli ( Bernoulli

trial) yang harus memenuhi syarat yaitu sebagai berikut.
a. Percobaan hanya dilakukan sebanyak 1x pengulangan
b. Percobaan memberikan dua hasil yang mungkin, yaitu sukses dan gagal,
benar dan salah, dan lainnya. Hasil percobaan tersebut bersifat mutually
exclusive.
c. Peluang (probabilitas) sukses dinyatakan dengan p
d. Peluang (probabilitas) gagal dinyatakan dengan q = 1-p

Varible random X dinyatakan berdistribusi Bernoulli dengan parametr p,

dan ditulis dalam bentuk : X ~ B (1,p)
X 1 (sukses) 0 (gagal)
P(X=x)=f(x) p 1-p

Fungsi probabilitas distribusi Bernoulli yaitu sebagai berikut:

p
( p) {( -p) q ...(1)
t u
 atau
-
( p) p ( -p) ...(2)

Mean(rata-rata) dari distribusi Bernoulli sebagai berikut:

-
( ) ∑ p -p p ...(3)

Variansi dari distribusi Bernoulli sebagai berikut:

( ) ∑ p q - -p pq ...(4)

Keterangan:
p = peluang sukses
q = peluang gagal
x = banyak kejadian berhasil
= mean
= variansi

2.2 Distribusi Binomial

Distribusi Binomial ditemukan oleh seorang ahli matematika

berkebangsaan Swiss bernama Jacob Bernauli. Distribusi binomial berasal dari
percobaan binomial yaitu suatu proses Bernoulli yang diulang sebanyak n kali dan
saling bebas. Suatu Distribusi Bernoulli yang dibentuk oleh suatu percobaan
Bernoulli harus memenuhi syarat: keluaran (outcome) yang muungkin hanya salah
s tu d ri “sukses” t u “g g l” jik prob bilit s sukses p m k prob bilit s
gagal; q = 1- p. Ciri-ciri dari distribusi binomial adalah sebagai berikut:

1. Setiap percobaan hasilnya dapat dibedakan dalam 2 macam kejadian:

berhasil (probabilitas dinyatakan dengan notasi p) atau gagal
 (probabilitas dinyatakan dengan notasi q = 1 – p).
2. Masing-masing percobaan merupakan peristiwa yang bersifat bebas,
yaitu peristiwa yang satu tidak mempengaruhi peristiwa yang lain.
3. Probabilitas sukses dinyatakan sebagai p, dimana nillai p ini tetap dari
satu percobaan ke percobaan berikutnya atau dari satu kejadi ke kejadian
lainnya.

Fungsi massa probabilitas (pmf) dari distribusi Binomial dinyatakan

sebagai berikut:

n
b( n p) p qn- n ...(5)
n
p
Fungsi distribusi kumulatif dari distribusi binomial dapat dinyatakan
sebagai berikut:

n k n-k
b( n p) ∑i kp q ...(6)

Mean(rata-rata) dari distribusi binomial sebagai berikut:

( ) np ...(7)

Variansi dari distribusi binomial sebagai berikut:

( ) npq ...(8)

Keterangan:
p = peluang sukses
q = peluang gagal
x = banyak kejadian berhasil
n = banyak percobaan
= mean
 = variansi

2.3 Distribusi Multinomial

Percobaan binomial dapat menjadi percobaan multinomial jika setiap

percobaan tersebut memiliki lebih dari dua kemungkinan. Secara umum, jika
percobaan tertentu dapat menghasilkan salah satu dari k kemungkinan hasil E1,
E2,. . . , Ek dengan probabilitas p1, p2,. . . , pk, maka distribusi multinomial akan
memberikan probabilitas bahwa E1 terjadi x1 kali, E2 terjadi x2 kali ,. . ., dan Ek
terjadi xk kali dalam n uji coba independen.

Fungsi distribusi multinomial dapat dinyatakan sebagai berikut:

n
( k) p p pk k ...(9)
k

Keterangan:
p = peluang sukses
x = banyak kejadian berhasil
n = banyak percobaan

2.4 Distribusi Hipergeometrik

Distribusi hipergeometrik dihasilkan dari percobaan yang memenuhi

kondisi populasi berukuran N dan suatu sampel atau data yang diamati tidak
dimasukan kembali ke populasi tersebut. Jika variabel X menyatakan x sukses
dalam suatu sampel n yang dipilih secara acak dari sebuah populasi N yang
memiliki k sukses dan N – k gagal, maka fungsi distribusi hipergeometrik dapat
dinyatakan sebagai berikut:
 ( k )(
-k
)
n-
n( n k) k ...(10)
n

Fungsi distribusi kumulatif dari distribusi hipergeometrik dapat dinyatakan

sebagai berikut:
( k )(
-k
)
n-
n( n k) ∑k ...(11)
n

Mean(rata-rata) dari distribusi hipergeometrik sebagai berikut:

( ) ...(12)

Variansi dari distribusi hipergeometrik sebagai berikut:

( ) ( )( ) ...(13)

Keterangan:
k = peluang sukses
N = populasi data
x = banyak kejadian berhasil
n = banyak percobaan
= mean
= variansi

2.5 Distribusi Binomial Negatif

Distribusi binomial negatif merupakan distribusi yang dihasilkan dari

percobaan yang memenhi syarat – syarat yaitu percobaan yang dilakukan
merupakan kejadian saling bebas yang menghasilkan keluaran dari setiap trialnya
hanya salah satu dari sukses atau gagal. Probabilitas sukses merupakan p dan
probabilitas gagal merupakan q. Percobaan binomial negatif ini terus dilakukan
hingga dihasilkan sejumlah total r sukses, dimana r merupakan bilangan bulat
tertentu. Fungsi distribusi binomial negatif dapat dinyatakan sebagai berikut:

-
f( ) ( ) pr q -r
...(14)
r-

Fungsi distribusi kumulatif dari distribusi binomial negatif dapat

dinyatakan sebagai berikut:

-
f( ) ( ) pr q ...(15)
r-

Mean(rata-rata) dari distribusi binomial negatif sebagai berikut:

r
( ) ...(16)
p

Variansi dari distribusi binomial negatif sebagai berikut:

r -p
( ) ...(17)
p

Keterangan:
p = peluang sukses
x = banyak kejadian
r = variabel random
= mean
= variansi
2.6 Distribusi Geometrik

Distribusi geometrik merupakan distribusi yang berasal dari eksperimen

binomial negatif untuk mencapai peluang sukses yang pertama kalinya. Jika
variabel acak X menyatakan banyaknya x gagal sebelum sukses tercapai, maka
dapat dibentuk distribusi probabilitas geometrik dengan menetapkan r = 1 pada
probabilitas binomial negatif. Fungsi probabilitas geometrik dinyatakan sebagai
berikut:

-
f( ) p -p pq -
...(18)

Fungsi distribusi kumulatif dari distribusi geometrik dapat dinyatakan

sebagai berikut:
-
f( ) ∑n p -p ...(19)

Mean(rata-rata) dari distribusi geometrik sebagai berikut:

-p
...(20)
p

Variansi dari distribusi geometrik sebagai berikut:

-p
( ) ...(21)
p

Keterangan:
p = peluang sukses
x = banyak kejadian
r = variabel random
= mean
= variansi
2.7 Distribusi Poisson

Distribusi ini pertama kali diperkenalkan oleh Siméon-Denis Poisson

(1781–1840) dan diterbitkan bersama teori peluangnya, pada tahun 1838 dalam
karyanya Recherches sur la probabilité des jugements en matière criminelle et en
m tière civile “ eneliti n elu ng Hukum M s l h id n d n erd t ”
Karyanya memfokuskan peubah acak N yang menghitung antara lain jumlah
kejadian diskret (kadang juga disebut "kedatangan") yang terjadi selama interval
waktu tertentu. Ciri-ciri percobaan Poisson adalah sebagai berikut:
1. Banyaknya hasil percobaan yang terjadi pada selang tertentu atau daerah
tertentu tidak bergantung pada selang atau darah lain.
2. Probabilitas terjadinya satu hasil percobaan selama selang waktu yang
singkat sekali atau daerah yang kecil sebanding dengan selang waktu atau
daerah yang lain, juga tidak bergantung pada banyaknya percobaan yang
terjadi di luar selang waktu atau daerah yang lain.
3. Probabilitas bahwa lebih dari satu hasil percobaan akan terjadi dalam
selang waktu yang singkat atau daerah yang kecil bisa diabaikan.

Distribusi Poisson dapat digunakan untuk menentukan probabilitas dari

sejumlah sukses yang ditentukan jika kejadian-kejadian berjalan dalam kurun
waktu atau ruang kontinyu tertentu. Pada distribusi Poisson hanya ada 1 nilai yang
diperlukan, yaitu jumlah rata-rata sukses, dinyatakan sebagai x. Distribusi
Poisson efektif digunakan untuk jumlah pengamatan n yang sangat besar,
sementara probabilitas p untuk satu kejadian sangat kecil (biasanya kurang dari
0,5). Contoh penggunaan distribusi ini antara lain: pendudukan traffic telepon
dalam satu jam di 3 sentral telepon, banyaknya kesalahan ketik dalam 1 halaman
laporan, jumlah cacat dalam 1 lembar kain.

Fungsi distribusi probabilitas dari distribusi poisson dapat dinyatakan

sebagai berikut:

e- 
f  ...(22)
 Fungsi distribusi kumulatif dari distribusi poisson dapat dinyatakan
sebagai berikut:

i
f( ) e- ∑i ...(23)
i

Mean(rata-rata) dari distribusi poisson sebagai berikut:

 ...(24)

Variansi dari distribusi poisson sebagai berikut:

( )  ...(25)

Keterangan:
e = 2,71828
= mean
= variansi

2.8 Distribusi Uniform Diskret

Distribusi ini merupakan distribusi yang memiliki peluang yang sama

untuk setiap kejadian, tidak dikategorikan, dan ruang sampelnya tidak dibatasi.
Distribusi uniform diskret dapat dinyatakn sebagai berikut:

( ) k ...(26)
k

Mean(rata-rata) dari distribusi uniform diskret sebagai berikut:

∑kt
...(27)
k
 Variansi dari distribusi uniform diskret sebagai berikut:

∑kt -
( ) ...(28)
k

Keterangan:
k = data percobaan ke-
x = banyak percobaan
= mean
= varians