Anda di halaman 1dari 61

DISTRIBUSI DISKRIT

Drs. Soehardjoepri, M.Si


Percobaan Bernoulli
Misalkan suatu eksperimen hanya memiliki dua
keluaran yang mungkin.
Contoh. pelemparan sebuah koin.

Setiap pelaksanaan suatu eksperimen yang


demikian disebut percobaan Bernoulli.
Secara umum, kedua keluaran yang mungkin tadi
disebut kesuksesan atau kegagalan.
Jika p adalah peluang sukses dan q peluang
gagal, jelas
p + q = 1.
Percobaan Bernoulli (2)
Sering kali kita ingin tahu peluang terjadinya
tepat k sukses ketika suatu eksperimen terdiri
dari n percobaan Berboulli yang saling bebas.

Contoh.
Suatu koin dimodifikasi sehingga peluang muncul
muka adalah 2/3. Apakah peluang dari tepat
empat kepala muncul ketika suatu koin
dilemparkan sebanyak tujuh kali?
Solusi
Terdapat 27 = 128 keluaran yang mungkin.

Jumlah kemungkinan kemunculan empat muka di antara tujuh


pelemparan adalah C(7, 4).

Karena ketujuh pelemparan tersebut saling bebas, maka peluang


untuk masing-masing dari keluaran tadi adalah (2/3)4(1/3)3.

Akibatnya, peluang kemunculan tepat empat muka adalah


C(7, 4)(2/3)4(1/3)3 = 560/2187
Teorema Bernoulli
Peluang k sukses dalam n
percobaan Bernoulli yang saling
bebas, dengan peluang sukses p
dan peluang gagal q = 1 – p,
adalah
C(n, k) pk qn-k.

Ini dinotasikan dengan b(k; n, p).

Jika b dipandang sebagai fungsi dari k, maka b


dikatakan sebagai distribusi binomial.
Ilustrasi dari bukti Teorema
Misalkan ‘S’: sukses dan ‘F’: gagal, dengan
peluang sukses p dan peluang gagal q = 1 – p.

Berapakah peluang dari dua sukses dalam lima


percobaan Bernoulli yang saling bebas?
Lihat salah satu barisan keluaran yang mungkin:
SSFFF
Berapakah peluang kita akan membangun barisan
ini?
Ilustrasi dari bukti Teorema (2)
Barisan: S S F F F
Peluang: p p q q q = p2q3

Suatu barisan lain yang mungkin:

Barisan: F S F S F
Peluang: q p q p q = p2q3

Setiap barisan dengan dua sukses dalam dua


percobaan terjadi dengan peluang p2q3.
Ilustrasi dari bukti Teorema (3)
Sekarang, ada berapa banyak barisan yang
mungkin? Dengan kata lain, ada berapa cara untuk
memilih dua obyek dari daftar yang berisi lima
obyek?

Ada C(5, 2) = 10 cara, sehingga terdapat 10


barisan yang mungkin, setiap barisan terjadi
dengan peluang p2q3.

Maka, peluang salah satu dari barisan tersebut


muncul pada saat melakukan lima percobaan
Bernoulli adalah C(5, 2) p2q3.

Secara umum, untuk k sukses dalam n percobaan


Bernoulli, kita memiliki peluang C(n,k) pk qn-k.
Soal
Sebuah dadu dilempar 6 kali berturut-
turut. Carilah
(a) p(muncul tepat empat angka 1).
(b) p(tidak ada angka 6 yang muncul).
Solusi
(a) Ini adalah contoh dari suatu barisan dengan enam
percobaan Bernoulli yang saling bebas, di mana
peluang sukses adalah 1/6 dan peluang gagal 5/6.
Karena itu, peluang muncul tepat empat angka 1
pada saat dadu dilemparkan 6 kali adalah
4 2
1 5
C (6,4)     0,008
6 6
(b) Dalam kasus ini sukses adalah kemunculan angka selain 6,
yang memiliki peluang 5/6 dan gagal adalah kemunculan
angka 6, yang peluangnya 1/6.
Maka peluang tidak ada angka 6 yang muncul pada saat dadu
dilemparkan 6 kali adalah

6 0
5 1
C (6,6)     0,335
6 6
Distribusi Binomial
(Distribusi Probabilitas Diskrit)
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).
Fungsi Probabilita Binomial
n! (n  x )
f ( x)  p (1  p)
x
x! (n  x )!
dimana
x = banyaknya sukses yang terjadi dalam n
kali ulangan
p = probabilita “sukses”
n = banyaknya ulangan
◦ Nilai Harapan (Expected Value)
E(x) =  = np

◦ Varian
Var(x) = 2 = np(1 - p)

◦ Simpangan Baku (Standard Deviation)

SD(x)  σ  np(1  p)
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


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
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
Percobaan Bernoulli :
Sifat-sifat sebagai berikut :
 Percobaan itu terdiri dari n pengulangan
 Tiap pengulangan memberikan hasil yang dapat
diidentifikasi sukses atau gagal
 Probabilitas sukses dinyatakan dengan p, tetap
konstan (tidak berubah) dari satu pengulangan ke
pengulangan lainnya, sedangkan probabilitas gagal
adalah q = 1- p
 Tiap pengulangan dan pengulangan lainnya saling
bebas.
Distribusi Binomial
 Banyaknya X sukses dalam n pengulangan suatu
percobaan bernoulli disebut sebagai variabel
random Binomial, sedangkan distribusi
probabilitasnya disebut distribusi Binomial
dan nilainya dinyatakan sebagai :
b(x,n,p) dimana x = 1, 2, …, n

 n  x n x
b( x; n, p )    p q
 x
n! x n x
P( X  x )  pq
x! (n  x )!
Rata-rata dan Variansi Distribusi
Binomial :
 Rata-rata =   np

2
 Variansi =   npq
Contoh
 Probabilitas bahwa seorang pasien
sembuh dari penyakit darah yang langka
adalah 0,4. Bila 15 orang diketahui telah
terkena penyakit ini, berapakah probabilitas :
 Paling sedikit 10 orang yang selamat
 Dari 3 sampai 8 orang yang selamat
 Tepat 5 orang yang selamat
 Hitung rata-rata dan variansinya
Jawab
Mis: X = menyatakan banyaknya orang yg sembuh
Diket : p = 0.4 n = 15

a). P(X  10)  1  P(X  10)  1  P(X  0)  P(X  1)  P(X  9)


9
1  b(x;15; 0.4)  lihat tabel
x 0
1  0.9662
 0.0338

Jadi probabilitas sekurang-kurangnya 10 orang sembuh =


0.0338
b) P(3  X  8)  P(X  8)  P(X  2)
8 2
  b(x;15, 0.4)   b(x;15, 0.4)  lihat tabel
x 0 x 0
 0.9050  0.0271
 0.8779

Jadi probabilitas terdapat 3 sampai 8 orang yg sembuh =


0.8779
c) P(X  5)  b(5;15; 0.4)  P(X  5)  P(X  4)
5 4
  b(x;15, 0.4)   b(x;15, 0.4)  lihat tabel
x 0 x 0
 0.4032 - 0.2173
 0.1859
Jadi probabititas tepat 5 orang yang sembuh = 0.1859
CONTOH :

Probabilitas bahwa seseorang pasien penderita


penyakit jantung akan sembuh adalah 0,4. Jika 10
orang diketahui terserang penyakit jantung, berapa
probabilitas :
a) 3 orang yang sembuh
b) Paling banyak 3 orang yang sembuh
c) Paling sedikit 3 orang yang sembuh
PENYELESAIAN :
a) P(x=3) = atau

dengan Tabel I (Binomial) :


P(x=3) = P(x  3) – P(x  2)
= 0,382 – 0,167
= 0,215
b) Paling banyak 3 berarti : 0, 1, 2, 3.
= P(x=0) + P(x=1) + P(x=2) + P(x=3)
atau dengan Tabel I
P(x ≤ 3) = b(3; 10; 0,4)
= 0,382
c) Paling sedikit 3 berarti : 3, 4, 5, …, 10 = A
= 0, 1, 2
P( ) ) = P(x=0) + P(x=1) + P(x=2)

= ...
P(A) = 1 – P( ) atau dengan Tabel I
P(x3) = 1 – P(x≤2)
= 1 – 0,167
= 0,833
Rata-rata = mean x :
 = n.p = 10.(0,4) = 4
Variansi x :
= n.p.q = n.p.(1-q)
= 10.(0,4).(0,6) = 2,4
Deviasi standar x :
= = = 1,55
Contoh soal Distribusi Binomial

Probabilitas seorang bayi tidak di imunisasi


polio adalah 0,2 (p). Pada suatu hari di
Puskesmas “X” ada 4 orang bayi.
Hitunglah peluang dari bayi tersebut 2
orang belum imunisasi polio. Jadi, di
dalam kejadian binomial ini dikatakan b
(x=2, n=4, p=0,2)  b (2| 4; 0,2)

28
Penyelesaian Contoh Soal

 Katakanlah bayi tersebut A,B,C,D. Dua orang


tidak diimunisasi mungkin adalah A&B, A&C,
A&D, B&C, B&D, C&D.
 Rumus untuk b (x | n,p) adalah

29
Penyelesaian dengan Tabel Binomial
 Caranya adalah dengan menentukan n. misalnya dari
contoh soal adalah 4, dilihat pada kolom pertama
kolom kedua adalah kemungkinan x, dalam
permasalahan ini adalah x=2.
 p dilihat pada baris paling atas dalam hal ini p=0,2,
ditarik garis dari p= 0,2 sampai ke n = 4dan x = 2,
ditabel didapatkan 0,973.
 Ini adalah peluang kumulatif dari p (x=0) + p (x=1) + p
(x=2). Jadi kalau mau mendapatkan p(x=2) saja, maka
0,973-0,819 = 0,154

30
Latihan Soal 1

PT. Moertad Jaya mengirim dus kabel ke Toko


elektronik. Dengan jaminan kualitas yang baik,
maka 90% kabel yang dikirim lolos seleksi. PT.
Moertad Jaya setiap hari mengirim 15 dus kabel
dengan berat 5-6 Kg.
a). Berapa probabilitas 15 dus kabel diterima?
b). Berapa probabilitas 13 dus kabel diterima?
c). Berapa probabilitas 10 dus kabel diterima?
Latihan Soal 2
Berdasarkan suatu survey diketahui 2 dari 5 laki-laki
dewasa punya peluang menderita Osteoporosis.
Jika disuatu kantor ada 5 orang laki-laki, hitunglah
probabilitas bahwa 5 orang tersebut :
a. Tidak ada satupun yang menderita Osteoporosis
b. Paling sedikit 3 orang menderita Osteoporosis
c. Hanya 2 orang menderita Osteoporosis
Latihan Soal 3

Menurut pendapat seorang ahli mengatakan bahwa


4 dari 7 wanita berpotensi mengalami anemia.
Dari 10 orang wanita, tentukan probabilitasnya
a. Hanya satu orang wanita yang mengalami
anemia
b. Lebih dari 7 orang wanita mengalami anemia
c. Paling sedikit 2 orang wanita mengalami
anemia
Latihan Soal 4

Jika 15% barang yang diproduksi suatu


mesin pabrik diketahui rusak, berapa
probabilitasnya dari 4 barang yang
diproduksi :
a. Semua rusak
b. Paling banyak 2 rusak
c. Paling sedikit 3 rusak
Distribusi Poisson
(Distribusi Probabilitas Diskrit)
Percobaan Poisson :
 Jika suatu percobaan menghasilkan
variabel random X yang menyatakan
banyak-nya sukses dalam daerah tertentu
atau selama interval waktu tertentu,
percobaan itu disebut percobaan Poisson.
Distribusi Poisson
 Jumlah X dari keluaran yang terjadi selama satu
percobaan Poisson disebut Variabel random
Poisson, dan distribusi probabilitasnya disebut
distribusi Poisson.
 Bila x menyatakan banyaknya sukses yang terjadi
,  adalah rata-rata banyaknya sukses yang
terjadi dalam interval waktu atau daerah
tertentu, dan e = 2,718 , maka rumus distribusi
Poisson adalah :
e   x
p( x;  )  , x  0,1,2,......
x!
Rata-rata dan Variansi Distribusi
Poisson
 Mean (rata-rata) dan variansi dari distribusi
Poisson adalah .

Catatan :
 Distribusi Poisson sebagai suatu bentuk
pembatasan distribusi Binomial pada saat n besar ,
sedangkan p mendekati 0 , dan np konstan.
 Sehingga bila n besar dan p mendekati 0, distribusi
Poisson dapat digunakan untuk memperkirakan
probabilitas Binomial, dengan
  np
Nilai Harapan (Expected Value) atau Rata-rata

E ( X )   xp( x)  
x 0
Varian
Var(x) = 2 = λ
Simpangan Baku (Standard Deviation)

    2
CONTOH :

Di RS Mercy, 3 dari 100 pasien pasti mendatangi UGD per


jamnya. Berapa peluang dari 100 pasien akan mendatangi
UGD pada akhir minggu sebanyak :
a. 4 pasien saja
b. paling banyak 2 pasien
c. paling sedikit 2 pasien
PENYELESAIAN :

Diketahui :
λ = n .p = 3/100 * 100
x=4
4 3
3 e
p(4)   0,1680
4!
Jadi peluang ada 4 pasien mendatangi UGD pada
akhir minggu adalah 0,1680
Contoh Soal Distribusi Poisson

 Diketahui probabilitas untuk terjadi shock


pada saat imunisasi dengan vaksinasi
meningitis adalah 0,0005. Kalau di suatu kota
jumlah orang yang dilakukan vaksinasi
sebanyak 4000. Hitunglah peluang tepat tiga
orang akan terjadi shock!
 Penyelesaian:
μ = λ= n.p = 4000 x 0,0005 = 2

42
Penyelesaian dengan tabel Distribusi
Poisson
 Baris= μ=λ
 Kolom = x
 P (x=3) = 0,857 -0,677 = 0,180

43
Latihan Soal 1
1. Probabilitas bahwa seorang balita akan
menderita reaksi buruk akibat imunisasi
adalah 0,001. Hitunglah bahwa dari 2000
balita yang diimunisasi,
a. Tidak ada satupun balita yang menderita
reaksi buruk akibat imunisasi.
b. Hanya 2 balita yang menderita reaksi
buruk akibat imunisasi
c. Lebih dari 3 balita yang menderita reaksi
buruk akibat imunisasi
Latihan Soal 2

2. Diketahui bahwa rata-rata 1 dari 1500


mobil yang lewat jalan tol Krapyak
mengalami kerusakan ban. Apabila
pada hari tertentu lewat 4500 mobil di
jalan tol Krapyak, berapa probabilitas
bahwa :
a. Hanya satu mobil yang mengalami kerusakan ban
b. Kurang dari 2 mobil mengalami kerusakan ban
c. Paling sedikit 3 mobil mengalami kerusakan ban
Latihan Soal 3
3. Seorang broker real estate mengatakan
bahwa 2 dari 40 rumah yang ditawarkan
akan terjual dalam setiap minggunya. Jika
rumah yang tersedia 80 rumah, tentukan
probabilitas bahwa dalam waktu satu
minggu akan terjual :
a. Hanya satu rumah
b. Lebih dari 5 rumah
Latihan Soal 4
 Suatu proses produksi menghasilkan
sejumlah barang yang cacat sebanyak 10%.
Bila 100 barang diambil secara random,
maka hitung probabilitas :
◦ Banyaknya cacat melebihi 13
◦ Antara 5 s/d 10 yang cacat
◦ Tepat 10 yang cacat
Latihan Soal 5
 Dalam suatu proses produksi yang
menghasilkan barang dari gelas, terjadi
gelembung atau cacat yang menyebabkan
barang tersebut sukar dipasarkan. Rata-
rata 1 dari 1000 barang yang dihasilkan
mempunyai satu atau lebih gelembung.
Hitung probablitas dalam sampel random
sebesar 8000 barang akan berisi kurang
dari 7 yang bergelembung.
Latihan Soal 6
 Sekelompok orang terdiri dari 50 orang
dan 3 orang diantaranya lahir pada tanggal
31 Desember. Bila secara acak dipilih 5
orang, berapa peluang orang yang terpilih
itu:
(a) tidak terdapat yang lahir pada tanggal
31 Desember
(b) tidak lebih dari 1 orang yang lahir
pada tanggal 31 Desember
Latihan Soal 7
 Jika 20% dari baut-baut yang diproduksi
oleh suatu mesin rusak, tentukan peluang
bahwa dari 4 baut yang dipilih secara acak
terdapat:
(a) 1yang rusak
(b) tidak ada yang rusak
(c) kurang dari 2 yang rusak
Latihan Soal 8
 Seorang pengusaha sepatu memproduksi 2000 pasang
sepatu dan ternyata 2 pasang sepatu diantaranya tidak
memenuhi standar mutu. Pengusaha itu mendapat
pesanan sebanyak 3000 pasang sepatu dari Pak Togar
yang akan menjualnya kembali. Berapakah probabilitas:
(a) Pak Togar mendapat paling banyak 2 pasang sepatu
yang tidak memenuhi standar mutu
(b) Pak Togar mendapat lebih dari 3 pasang sepatu
yang tidak memenuhi standar mutu
(c) Berapa rata-rata dan simpangan baku dari sepatu
yang tidak memenuhi standar mutu yang diperintah
Pak Togar
Distribusi Hipergeometrik
(Distribusi Probabilitas Diskrit)
Distribusi Hipergeometrik (1)
Distribusi binomial digunakan pada populasi
yang tidak terbatas, sehingga proporsi sukses
diasumsikan diketahui.
Distribusi probabilitas hipergeometrik
digunakan untuk menentukan probabilitas
kemunculan sukses jika sampling dilakukan tanpa
pengembalian.
Variabel random hipergeometrik adalah jumlah
sukses (x) dalam n pilihan, tanpa pengembalian, dari
sebuah populasi terbatas N , dimana D diantaranya
adalah sukses dan (N-D) adalah gagal.
Distribusi Hipergeometrik (2)
 Penurunan fungsi distribusi hipergeometrik
diturunkan dengan menghitung kombinasi-
kombinasi yang terjadi.
 Kombinasi yang dapat dibentuk dari populasi
berukuran N untuk sampel berukuran n adalah
kombinasi C(N,n).
 Jika sebuah variabel random (diskrit) X
menyatakan jumlah sukses, selanjutnya dapat
dihitung kombinasi diperoleh x sukses dari
sejumlah D sukses dalam populasi yang diketahui
yaitu C(D,x), dan demikian pula halnya dapat dicari
(n-x) kombinasi gagal dari sisanya (N-D), yaitu
kombinasi C((N-D),(n-x)).
Distribusi Hipergeometrik (3)
Sebuah variabel random (diskrit) X menyatakan jumlah
sukses dalam percobaan bernoulli dan total jumlah
sukses D diketahui dari sebuah populasi berukuran N,
maka dikatakan x mengikuti distribusi hipergeometrik
dengan fungsi kemungkinan :
 D  N  D 
  
 x  n  x 
p( x)  , x  1,2,, min( n, D)
 
N
 
n
0 otherwise
Distribusi kemungkinan hipergeometrik sering pula
disimbolkan dengan h(x;N;n;D).
Penerapan untuk distribusi
hipergeometrik
 Ditemukan dalam berbagai bidang, dan paling
sering digunakan dalam penarikan sampel
penerimaan barang, pengujian elektronik,
jaminan mutu, dsb.
 Dalam banyak bidang ini, pengujian dilakukan
terhadap barang yang diuji yang pada akhirnya
barang uji tersebut menjadi rusak, sehingga tidak
dapat dikembalikan. Jadi, pengambilan sampel
harus dikerjakan tanpa pengembalian
Contoh:
 Sebuah pengiriman 8 mikrokomputer yang
serupa ke suatu jaringan eceran berisi 3 yang
cacat. Bila suatu sekolah melakukan suatu
pembelian acak 2 dari mikrokomputer ini,
 Carilah distribusi probabilitas untuk jumlah
yang cacat.
 Carilah distribusi kumulatif untuk jumlah
yang cacat.
 Dengan menggunakan F(x), buktikan f(2) =
3/28
 Hitung nilai rata-rata X.

57
Jawab (1):
 Ambil X sebagai variabel random yang didefinisikan sebagai
banyaknya mikrokomputer yang cacat yang mungkin akan dibeli
oleh sekolah tersebut. Maka dapat dituliskan :
 X = banyaknya mikrokomputer cacat yang mungkin akan dibeli
oleh sekolah
= 0, 1, 2
 Sehingga dapat dihitung :
 3  5   3  5   3  5 
        
f (0)  P( X  0)      f (2)  P( X  2)     
0 2 10 2 0 3
f (1)  P( X  1)     
1 1 15
8  28 8  28 8  28
     
 2  2  2

 3  5 
 . 
Rumus distribusi probabilitas adalah  x   2  x 
P( X  x)  f ( x)  , untuk x  0,1,2
8
 
 2
 Jadi, distribusi probabilitas dari X adalah
x 0 1 2
f(x) 10/28 15/28 3/28 58
Jawab (2):
 Distribusi kumulatif F(x) adalah :
F(0) = f(0) = 10/28
F(1) = f(0) + f(1) = 10/28 + 15/28 = 25/28
F(2) = f(0) + f(1) + f(2) = 10/28 + 15/28 + 3/28
=1
Sehingga :
0 , untuk x < 0
F(x) = 10/28 , untuk 0  x < 1
25/28 , untuk 1  x < 2
1 , untuk x  2

59
Jawab (3):
 Dengan menggunakan F(x), maka
f(2) = F(2) – F(1)
= 1 – 25/28
= 3/28
 Nilai Ekspektasi X adalah
E(X) = 0.f(0) + 1.f(1) + 2.f(2)
= (0). (10/28) + (1). (15/28) +
(2). (3/28)
= 21/28
60
Latihan Soal 1
 Suatu pabrik ban melaporkan bahwa dari
5 ban yang dikirimkan ke suatu toko ter-
dapat 2 ban yang cacat. Bila seseorang
membeli 3 ban, maka hitung:
◦ Probabilitas terdapat 1 ban cacat yang dibeli
◦ Probabilitas tidak ada ban cacat yang dibeli