Kunci aplikasi probabilitas dalam statistik

adalah memperkirakan terjadinya

peluang/probabilitas yang dihubungkan dengan
terjadinya peristiwa tersebut dalam beberapa
keadaan.
Jika kita mengetahui keseluruhan probabilitas
dari kemungkinan outcome yang terjadi, seluruh
probabilitas kejadian tersebut akan membentuk
suatu distribusi probabilitas.
1. Distribusi Binomial (Bernaulli)
2. Distribusi Multinomial
3. Distribusi Normal (Gauss)
 Merupakan distribusi probabilitas deskrit
yag paling banyak digunakan di segala
bidang.
Menggambarkan fenomena dengan dua
hasil atau outcome. Contoh: peluang
sukses atau gagal, hasil pengobatan
sembuh atau tidak, sehat atau sakit, dsb.
Ditemukan oleh sahli matematika dari
Inggris, Jacob Bernoulli, sehingga dikenal
juga sebagai Distribusi Bernaulli.
1. Jumlah trial merupakan bilangan bulat. Contoh
melambungkan coin 2 kali, tidak mungkin 2
kali.
2. Setiap eksperiman mempunyai dua outcome
(hasil). Contoh: sukses/gagal, laki/perempuan,
sehat/sakit, setuju/tidaksetuju.
3. Peluang sukses sama setiap eksperimen.
Contoh: Jika lemparan dadu, yang diharapkan
adalah keluar mata lima, maka dikatakan
peluang sukses adalah 1/6, sedangkan peluang
gagal adalah 5/6.
Untuk itu peluang sukses dilambangkan p,
sedangkan peluang gagal adalah (1-p) atau biasa
juga dilambangkan q, di mana q = 1-p.
Rumus :

n!
p = Pr qn-r
r!(n-r)!

Dimana :
p = probabilitas yg diinginkan
q=1p
n = banyaknya peristiwa (trial)
r = jumlah sukses yg diinginkan
 Kitaingin mengetahui besarnya peluang
kelahiran 2 bayi laki-laki dari 3 kelahiran.
p = 0,5 q = 1-p = 0,5
n=3
r=2
Dengan menggunakan rumus di atas :

n! 3x2x1
p = Pr qn-r p = (0,5)2 0,5
r!(n-r)! 2x1x1

P = 0,375
1. Berapa probabilitas keluarnya angka 5,
sebanyak 2 kali bila sebuah dadu
dilambungkan 3 kali ?
2. Berapa probabilitas hujan 3 hari dalam
seminggu selama 4 minggu?
 Dalam satu peristiwa kadang menghasilkan lebih dari
dua event maka distribusi yg dihasilkan disebut
distribusi multinomial.
Contoh :
Hasil dari pengobatan sembuh, cacat, dan mati

Rumus
n!
p = (P1) r1 (P2) r2 (P3) r3
r1!r2!r3!
Dimana :
r1 + r2 + r3rk = n
p1 + p2 + p3pk = 1
 Seorang dokter melakukan pengobatan sebanyak 6 kali
terhadap 6 orang penderita gagal jantung dengan hasil
sembuh sempurna, sembuh dengan gejala sisa, dan
meninggal.
Berapa besar probabilitas dari 6 kali pengobatan
tersebut menghasilkan 2 orang sembuh sempurna, 2
orang sembuh dengan gejala sisa, dan 2 orang
meninggal.

n! 6!
r r r
p = (P1 1) (P1 1) (P1 1) p = (1/3)2 (1/3)2(1/3)2
r1!r2r3! 2! 2! 2!

P = 0,123 = 12,3%
 Merupakan distribusi probabilitas dengan
variabel kontinu atau numerik
Pertama kali diuraikan oleh Abraham de
Moivre dan dipopulerkan oleh Carl
Fredreich Gauss dengan percobaannya
Distribusi Gauss.
Bila percobaan dilakukan berulang2 yg
paling sering muncul adalah nilai rata2
Penyimpangan dari nilai rata2 (error)
makin sedikit terbentuk distribusi yg
simetris distribusi normal.
 Disusun dari variabel random kontinu
Nilai mean, median dan modus berada pada satu titik.

X
x
Md
Mo
 Dalam uji statistik distribusi normal
merupakan prasyarat untuk dilakukan uji
parametrik.
Data sampel dengan skala numerik harus
dilakukan uji normalitas data sebelum
dilakukan uji parametrik.
Bila syarat normalitas data tidak
terpenuhi pakai uji non parametrik.
 Untuk dapat
menentukan
probabilitas didalam x
kurva normal umum, Z
maka nilai yang akan
dicari
ditransformasikan dulu
kenilai kurva normal
standar melalui xx
tranformasi Z ( deviasi Z
s
relatif )

14
 0.45
0.40
0.35
0.30
0.25
0.20
0.15
0.10
0.05
0.00

Distribusi normal dengan mean=0 dan simpang baku=1

Dapat digunakan untuk berbagai ukuran Menggunakan
transformasi
15
16
 Seorang peneliti dilaboratorium telah
mengumpulkan data kolesterol darah
dari 20.000 pasien dirumah sakit X
selama 2 tahun. Dari hasil pengolahan
data diketahui bahwa data tersebut
menghasilkan sebaran simetris dengan
rata-rata 180 mg/dl dengan simpangan
baku 50 mg/dl. Hitunglah
Probabilitas seorang pasien dengan kadar
kolesterol lebih besar dari 200 mg/dl

17


Z=
= 200 180 = 0.4
50
Nilai p pada z = 0.4 adalah 0.1554
Probabilitas seorang pasien dengan kadar
kolesterol lebih besar dari 200 mg/dl adalah
0.5 0.1554 = 0.3446 atau 34.46 %

18
Probabilitas seorang pasien dengan kadar
kolesterol kurang dari 150 mg/dl
Z=
= 150 180 = -0.6
50
Nilai p pada z = -0.6 adalah 0.2257
Probabilitas seorang pasien dengan
kadar kolesterol kurang dari 150 mg/dl
adalah 0.5 0.2257 = 0.2743atau 27.43%

19
Probabilitas seorang pasien dengan kadar kolesterol antara
150 s/d 200 mg/dl

Z1 = 150 180 = -0.6

50
Nilai p pada z = -0.6 adalah 0.2257

Z2 = 200 180 = 0.4

50
Nilai p pada z = 0.4 adalah 0.1554
Probabilitas seorang pasien dengan kadar kolesterol
antara 150 s/d 200 mg/dl
Adalah Z1+Z2 = 0.2257+0.1554 = 0.3811 atau 38.11%
20
Probabilitas seorang pasien dengan kadar kolesterol
diatas 220 mg/dl

Z = 220 180 = 0.8

50
Nilai p pada z = 0.8 adalah 0.2881
Probabilitas seorang pasien dengan kadar kolesterol
diatas 220 mg/dl adalah 0.5- 0.2881 = 0.2119 atau
21.19%
Jumlah pasien yang mempunyai kadar kolesterol
diatas 220 mg/dl adalah 20.000* 0.2119 = 4238 orang

21
Thank You