DISTRIBUSI

PROBABILITA
DISKRIT
DISTRIBUSI PROBABILITA

KONSEP PENTING:
 Variabel Acak (Random Variables)
 Tipe Distribusi Probabilita (Diskrit & Kontinu)
 Nilai harapan (Expected Value) dan Varian (Variance)
 Berbagai Jenis Distribusi Probabilita Diskrit
 Uniform  Poisson
 Binomial  Hypergeometrik
 Berbagai Jenis Distribusi Probabilita Kontinu
 Uniform
 Normal
 Eksponensial
KONSEP PENTING

 Variabel Acak (Random Variables)

 Anderson (2002):
Variabel acak merupakan gambaran secara
numerik mengenai hasil dari suatu percobaan

 Walpole (1982):
Variabel acak merupakan suatu fungsi yang
nilainya berupa bilangan nyata yang ditentukan
oleh setiap unsur dalam ruang contoh.
KONSEP PENTING (L)

 Variabel acak dapat dibagi dalam 2 jenis:

 Diskrit, yaitu bila suatu ruang contoh mengandung
jumlah titik contoh yang terhingga atau suatu
barisan unsur yang tidak pernah berakhir tetapi
yang sama banyaknya dengan bilangan cacah.
Contoh: Jumlah produk yang terjual pada suatu
hari tertentu
 Kontinu, yaitu bila suatu ruang contoh
mengandung takhingga banyaknya titik contoh
yang sama dengan banyaknya titik pada sebuah
ruas garis
Contoh: Pendapatan seseorang dalam perbulan
DEFINISI DISTRIBUSI PROBABILITAS

 Distribusi probabilitas untuk suatu random variabel

menggambarkan bagaimana probabilitas terditribusi
untuk setiap nilai random variabel.
 Distribusi probabilitas didefinisikan dengan suatu
fungsi probabilitas, dinotasikan dengan f(x), yang
menunjukkan probabilitas untuk setiap nilai random
variabel.
 Ada 2 tipe distribusi probabilitas:
1. Diskrit
2. Kontinu
DISTRIBUSI PROBABILITAS DISKRIT

 Distribusi probabilitas diskrit, yaitu apabila random

variabel yang digunakan diskrit.

 Syarat:
a. f(x) ≥ 0
b.  f(x) = 1

 Distribusi probabilitas diskrit dapat digambarkan

dalam bentuk tabel, grafik, maupun persamaan.
DISTRIBUSI PROBABILITA
DISKRIT (L)
 Contoh distribusi probabilitas diskrit
Menggunakan data penjualan TV di Toko JSL,
distribusi probabilitas adalah sebagai berikut:
Jumlah TV Terjual Jumlah hari x f(x)
0 80 0 0,40
1 50 1 0,25
2 40 2 0,20
3 10 3 0,05
4 20 4 0,10
200 1,00
DISTRIBUSI PROBABILITAS
DISKRIT (L)
 Contoh: Toko JSL
Representasi distribusi probabilitas data penjualan
TV di Toko JSL secara grafik adalah sebagai berikut:
.50
.40
Probabilita

.30
.20
.10

0 1 2 3 4
Nilai variabel acak x (penjualan TV)
JENIS DISTRIBUSI
PROBABILITAS DISKRIT
1. Seragam (Uniform)

Fungsi Probabilitas Uniform

1
f(x)  untuk semua nilai x
n

dimana n merupakan banyaknya obyek dan

diasumsikan memiliki sifat yang sama.
JENIS DISTRIBUSI
PROBABILITAS DISKRIT
2. Binomial

Sifat percobaan Binomial

 Percobaan dilakukan dalam n kali ulangan yang
sama.
 Kemungkinan yang terjadi pada tiap ulangan
hanya ada 2, yaitu “sukses” atau “gagal”.
 Probabilita “sukses” yang dinotasikan dengan p
selalu tetap pada tiap ulangan.
 Tiap ulangan saling bebas (independent).
JENIS DISTRIBUSI
PROBABILITAS DISKRIT
2. Binomial (Lanjutan)

Fungsi Probabilita Binomial

n!
f(x)  p x (1  p )(n  x )
x! (n  x )!

dimana x = banyaknya sukses yang terjadi dalam n

kali ulangan
p = probabilita “sukses”
n = banyaknya ulangan
JENIS DISTRIBUSI
PROBABILITAS DISKRIT
2. Binomial (Lanjutan)

 Nilai Harapan (Expected Value)

E(x) =  = np

 Varian
Var(x) = 2 = np(1 - p)

 Simpangan Baku (Standard Deviation)

SD(x)  σ  np(1  p)
JENIS DISTRIBUSI
PROBABILITAS DISKRIT
2. Binomial (Lanjutan)

CONTOH: PERUSAHAAN ASURANSI

Misalkan sebuah perusahaan asuransi mempunyai 3
calon pelanggan, dan pimpinan perusahaan yakin
bahwa probabilita dapat menjual produknya adalah
0,1. Berapa probabilita bahwa 1 pelanggan akan
membeli produknya?

Pada kasus ini, p = 0,1 n=3 x=1

JENIS DISTRIBUSI
PROBABILITAS DISKRIT
2. Binomial (Lanjutan)
CONTOH: PERUSAHAAN ASURANSI
3!
f (1)  (0,1)1(0,9 )2
1! (3  1)!
= (3)(0,1)(0,81) = 0,243

Nilai Harapan: E(x) =  = np = 3.(0,1) = 0,3

Varian: Var(x) = 2 = np(1 - p) = 3(0,1)(0,9) = 0,27
Simpangan Baku:  = 0,52
JENIS DISTRIBUSI
PROBABILITAS DISKRIT
2. Binomial (Lanjutan)

CONTOH: PERUSAHAAN ASURANSI

Menggunakan Tabel Binomial

p
n x .10 .15 .20 .25 .30 .35 .40 .45 .50
3 0 .7290 .6141 .5120 .4219 .3430 .2746 .2160 .1664 .1250
1 .2430 .3251 .3840 .4219 .4410 .4436 .4320 .4084 .3750
2 .0270 .0574 .0960 .1406 .1890 .2389 .2880 .3341 .3750
3 .0010 .0034 .0080 .0156 .0270 .0429 .0640 .0911 .1250
JENIS DISTRIBUSI
PROBABILITAS DISKRIT
3. Poisson

Sifat percobaan Poisson

 Peluang suatu kejadiian adalah sama untuk 2
(dua) interval yang sama.

 Kejadian pada suatu inverval saling bebas

dengan kejadian pada inverval yang lain
JENIS DISTRIBUSI
PROBABILITAS DISKRIT
3. Poisson (Lanjutan)

Fungsi Probabilita Poisson

 x e 
f(x) 
x!

dimana
x = banyaknya kejadian pada interval waktu tertentu
 = rata-rata banyaknya kejadian pada interval waktu
tertentu
e = 2.71828
JENIS DISTRIBUSI
PROBABILITAS DISKRIT
3. Poisson (Lanjutan)

CONTOH: RUMAH SAKIT MERCY

Di RS Mercy, rata-rata pasien mendatangi UGD pada
akhir minggu adalah 3 pasien per jam. Berapa
probabilita ada 4 pasien mendatangi UGD pada akhir
minggu?

 = 3 pasien perjam, x = 4
3 4 ( 2,71828 ) 3
f (4)   0,1680
4!
JENIS DISTRIBUSI
PROBABILITAS DISKRIT
3. Poisson (Lanjutan)

CONTOH: RUMAH SAKIT MERCY

Menggunakan Tabel Poisson

x 2.1 2.2 2.3 2.4 2.5 2.6 2.7 2.8 2.9 3.0
0 .1225 .1108 .1003 .0907 .0821 .0743 .0672 .0608 .0550 .0498
1 .2572 .2438 .2306 .2177 .2052 .1931 .1815 .1703 .1596 .1494
2 .2700 .2681 .2652 .2613 .2565 .2510 .2450 .2384 .2314 .2240
3 .1890 .1966 .2033 .2090 .2138 .2176 .2205 .2225 .2237 .2240
4 .0992 .1082 .1169 .1254 .1336 .1414 .1488 .1557 .1622 .1680
5 .0417 .0476 .0538 .0602 ..0668 .0735 .0804 .0872 .0940 .1008
6 .0146 .0174 .0206 .0241 .0278 .0319 .0362 .0407 .0455 .0504
7 .0044 .0055 .0068 .0083 .0099 .0118 .0139 .0163 .0188 .0216
8 .0011 .0015 .0019 .0025 .0031 .0038 .0047 .0057 .0068 .0081
JENIS DISTRIBUSI
PROBABILITAS DISKRIT
4. Hipergeometrik
 Pada distribusi hypergeometrik, antar ulangan
tidak bebas dan peluang sukses berubah dari
satu ulangan ke ulangan yang lain
 Fungsi Probabilita Hipergeometrik
 r  N  r  dimana
   x = banyaknya sukses dalam
x n  x
f ( x )    n kali ulangan
N
  n = banyaknya ulangan
n N = banyaknya elemen populasi
r = banyaknya sukses dalam
populasi
JENIS DISTRIBUSI
PROBABILITAS DISKRIT
4. Hipergeometrik (Lanjutan)
CONTOH: BATERAI BOB
Bob berniat mengganti 2 baterai yang mati, namun ia
tidak sengaja mencampurnya dengan 2 baterai yang
baru. Keempat baterai terlihat identik. Berapa
probabilitas Bob mengambil 2 baterai yang masih
baru?
 r  N  r   2  2   2!  2! 
        
 x  n  x   2  0    2!0!  0!2!   1  0,167
f(x)  
N  4  4!  6
     
n  2  2!2! 
 EXERCISE

 National Oil Company conducts exploratory oil drilling operations in

the southwestern United States. To fund the operation, investors form
partnerships, which provide the financial support necessary to drill a
fixed number of oil wells. Each well drilled is classified as a producer
well or a dry well. Past experience in this type of exploratory
operation shows that 15% of all wells drilled are producer wells. A
newly formed partnership has provided the financial support for
drilling at 12 exploratory locations.
 What is the probability that all 12 wells will be producer wells?
 What is the probability that all 12 wells will be dry wells?
 What is the probability that exactly one well will be a producer well?
 To make the partnership venture profitable, at least three of the
exploratory wells must be producer wells. What is the probability that
the venture will be profitable?
 SEKIAN &
SEE YOU NEXT SESSION