DISTRIBUSI

PROBABILITAS
DEWI INDRAYANI
 DISTRIBUSI PROBABILITAS
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.
MACAM DISTRIBUSI PROBABILITAS

Distribusi Binomial (Bernaulli)

Distribusi Poisson

Distribusi Normal (Gauss)

 DISTRIBUSI BINOMIAL (BERNAULLI)

 Penemu Distribusi Binomial adalah James

Bernaulli sehingga dikenal sebagai
Distribusi Bernaulli.

 Menggambarkan fenomena dengan dua

hasil atau outcome. Contoh: peluang sukses
dan gagal,sehat dan sakit, dsb.
 SYARAT DISTRIBUSI BINOMIAL

1. Jumlah trial merupakan bilangan bulat.

Contoh melambungkan coin 2 kali, tidak
mungkin 2 ½ kali.

2. Setiap eksperiman mempunyai dua

outcome (hasil). Contoh: sukses/gagal,
laki/perempuan, sehat/sakit, setuju/tidak
setuju .
 SYARAT DISTRIBUSI BINOMIAL

3. Peluang sukses sama setiap eksperimen.

Contoh:
• Jika pada lambungan koin, peluang keluar Gambar (G) sukses
adalah ½, pada lambungan seterusnya juga ½.
• Jika sebuah dadu, yang diharapkan adalah keluar mata lima, maka
dikatakan peluang (probabilitas) 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.
 SYARAT DISTRIBUSI BINOMIAL

4. Setiap eksperimen adalah independen satu sama

lain.
Adalah setiap trial atau peristiwa bebas satu sama lain, misalnya trialnya
melemparkan (melambungkan)satu koin sebanyak 5 kali. Antara lambungan
oertama, kedua sampai kelima adalah kejadian independen.
 SIMBOL DALAM DISTRIBUSI BINOMIAL

Simbol peristiwa Binomial

 b=binomial
b (x, n, p)
 x=banyaknya sukses yang diinginkan (bilangan random)
 n= Jumlah trial
 p= peluang sukses dalam satu kali trial.
Contoh :
Dadu dilemparkan 5 kali, diharapkan keluar mata 6 dua kali, maka kejadian ini
dapat ditulis

b(2, 5, 1/6)
 CONTOH SOAL

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)
 PENYELESAIAN

Katakanlah 4 bayi tersebut adalah A, B, C, D, dua orang tidak diimunisasi

mungkin adalah : C (4,2)
1. A & B
𝑛!
2. A & C nCx=
3. A & D 𝑥! 𝑛−𝑥 !
4. B & C ATAU
5. B & D 4!
6. C & D 4C2=
2! 4−2 !

4!
4C2=
2! 2!

4x3x2x1
4C2=
2x1 2x1

4C2=6
 NEXT

Dua orang tidak diimunisasi dan dua orang yang diimunisasi, peluangnya
adalah:

= px (1-p)n-x

= 0,22 (1-0,2)4-2

= 0,22 (0,8)2

= 0,04 x 0,64 = 0,0256

 JADI PELUANG DUA DIANTARA EMPAT BAYI YANG BELUM IMUNISASI
POLIO ADALAH:

𝑛!
b(x, n, p) = P(X=x)= px (1-p)n-x
𝑥! 𝑛−𝑥 !

b(2, 4, 0,2) = P(X=x)=6 x 0,0256

b(2, 4, 0,2) = P(X=x)= 0,1536 = 0,154

DENGAN CARA MELIHAT TABEL
 LATIHAN

Seorang ahli gizi di Rumah Sakit “RSCM” sudah

berpengalaman bahwa jeruk impor selalu rusak (busuk)
sebanyak 20%. Pada suatu hari dia membuka sebanyak
10 jeruk. Hitunglah peluang yang rusak (busuk)!
1. Paling banyak 3 jeruk
2. Paling kurang 5
3. Antara 2 sampai 4
 JAWAB

Diketahui :
 n = 10
 p = 20% = 20/100 = 0.2  binomial (peluang besar, sampel kecil)
Ditanya :
1. Paling banyak 3 x=0, 1, 2, 3
2. Paling kurang 5 x=5, 6, 7, 8,9, 10 atau 1 – (p=4, 2, 3, 1)
3. Antara 2 sampai 4 x=2,3,4
 PALING BANYAK 3 JERUK
𝒏!
b(x, n, p) = P(X=x)= px (1-p)n-x
𝒙! 𝒏−𝒙 !

x=0, 1, 2, 3, n=10, p=0.2

10!
P(X=3) = 0.23 (1-0.2)10-3
3! 10−3 !

= 120 x 0.008 x 0.2097 = 0.2013

10!
P(X=2) = 0.22 (1-0.2)10-2 = 0.3019
2! 10−2 !
10!
P(X=1) = 0.21 (1-0.2)10-1 = 0.2684
1! 10−1 !
10!
P(X=0) = 0.20 (1-0.2)10-0 = 0.1073
0! 10−0 !

P = p(x=0) + p(x=1) + p(x=2) + p(x=3) =0.8789

Jadi peluang paling banyak 3 jeruk yang busuk adalah 87.89%
 DENGAN LIHAT TABEL

x=3, 2, 1 n=10, p=0.2

 PALING KURANG 5 JERUK
x=5,6,7,8,9,10 atau 1- p(x=4,2,3,1) n=10, p=0.2

P(x=4,3,2,1)

= p (x=5,6,7,8,9,10) atau
= 1 – p(x=4,3,2,1)
= 1 – 0,967
= 0,033
Jadi peluang jeruk busuk paling
kurang 5 jeruk adalah 3.3%
 ANTARA 2 – 4 JERUK YANG BUSUK

x=2,3,4 n=10, p=0.2

Kalau mau p(x=2,3,4)

Maka = 0.967 – 0.376
= 0.591
Jadi, peluang jeruk yang busuk
antara 2 – 4 adalah 59,1%
 DISTRIBUSI POISSON

Dalam mempelajari distribusi Binomial kita dihadapkan pada

probabilitas variabel random diskrit (bilangan bulat) yang
jumlah trial nya kecil (daftar binomial), sedangkan jika
dihadapkan pada suatu kejadian dengan p <<< dan
menyangkut kejadian yang luas n >>> maka digunakan
distribusi Poisson.

Distribusi Poisson dipakai untuk menentukan peluang suatu

kejadian yang jarang terjadi, tetapi mengenai populasi yang luas
atau area yang luas dan juga berhubungan dengan waktu.
 CONTOH DISTRIBUSI POISSON

Disuatu gerbang tol yang dilewati ribuan mobil dalam

suatu hari akan terjadi kecelakaan dari sekian banyak
mobil yang lewat.
Dikatakan bahwa kejad ian seseorang akan meninggal
karena shock pada waktu disuntik dengan vaksin
meningitis 0,0005. Padahal, vaksinasi tersebut selalu
diberikan kalau seseorang ingin pergi haji.
 RUMUS
µ 𝑥
𝑒−µ 𝑥
λ 𝑒−λ
P (x)= =
𝑥! 𝑥!

µ = λ = np =E(x) nilai rata – rata

e = konstanta = 2,71828
x = variabel random diskrit (1,2,3……x)
 CONTOH SOAL

Diketahui probabilitas untuk terjadi shock pada saat imunisasi dengan

vaksinasi meningitis adalah 0,0005. Kalau di suatu kota jumla h orang yang
dilakukan vaksinasi sebanyak 4000. Hitunglah peluang tepat tiga orang akan
terjadi shock!
Penyelesaian:
Diketahui : µ𝑥𝑒−µ λ𝑥𝑒−λ
µ = λ = np =4000 x 0.0005 P (x)= =
=2 𝑥! 𝑥!
Ditanya : 23 x 2,71828−2
Peluang tepat 3 orang akan P (3) = 3x2x1
terjadi syok ??
= 0.1804 = 18.04%
Jawab :
x=3
DENGAN CARA MELIHAT TABEL PROBABILITAS POISSON
KUMULATIF

P (x=3,2,1,0) = 0,8571
Jika hanya ingin mendapatkan p(x=3)
=0,8571 – 0.6767
= 0.1804
= 18.04%
 DISTRIBUSI NORMAL ATAU GAUSS

Pada kasus di mana n cukup besar dan p tidak

terlalu kecil (tidak mendekati 0,....,1 dilakukan
pendekatan memakai distribusi Normal (Gauss)
Ditemukan pertama kali oleh matematikawan asal
Prancis, Abraham D (1733) , diaplikasikan lebih
baik lagi oleh astronom asal 7 Distribusi Normal
= Distribusi Jerman, Friedrich Gauss Gauss
 RUMUS
1
1 _
𝑥 𝜇 2
∫ 𝑥 = -
e 2𝜎
√2𝜋𝜎

Agar lebih praktis, telah

- ≈<𝑥 >≈ ada tabel kurva normal di
- ≈< 𝜇 >≈ mana tabel ini
- 𝜎2 = 0 menunjukkan luas kurva
- 𝜋 = 3.14 normal dari suatu nilai
- e = 2,71828 yang dibatasi nilai tertentu.
 CIRI KHAS DISTRIBUSI NORMAL

Simetris
Seperti lonceng
Titik belok µ + a
Luas di bawah kurva = probability = 1
 KURVA NORMAL UMUM

Untuk dapat menentukan probabilitas di dalam kurva normal

umum (untuk suatu sampel yang cukup besar, terutama untuk
gejala alam seperti berat badan dan tinggi badan), nilai yang akan
dicari ditransformasikan dulu ke nilai kurva normal standar
melalui transformasi Z
(deviasi relatif). -

𝑥 −𝜇 𝑥−ẍ
Z= Z=
𝜎 𝑆

Kurva normal standar ==== (µ = 0, a = 1)

Kurva normal umum ==== N (µ, a)
 CONTOH
Dari penelitian terhadap 150 orang laki-laki yang berumur
40 - 60 tahun didapatkan rata-rata kadar kolesterol mereka
215 mg % dan simpangan baku sd = 45 mg %. Hitunglah
peluang kita mendapatkan seorang yang kadar
kolesterolnya:

a. > 250 mg %
b. < 200 mg %
c. antara 200 - 275 mg %
 PENYELESAIAN

Diketahui :
S = 45 mg %
x = 250 mg %
ẍ = 215 mg %
Ditanya :
a. > 250 mg %
b. < 200 mg %
c. antara 200 - 275 mg %
 NEXT a. P (x > 250 mg%)
Nilai x ditransformasikan ke nilai z. Di dalam tabel nilai z berada pada kolom
paling kiri dan baris paling atas. Ambillah nilai 2 ini tiga digit saja. Nanti 2 digit
ada di kolom dan digit ketiga ada di baris.
𝑥−ẍ ∴ 𝑝𝑒𝑙𝑢𝑎𝑛𝑔 > 250 mg % adalah
Z= 0.5 – 0.2764 = 0.2236
𝑆
250−215 Atau sebanyak 22.36 %
Z= = 0.76
45

z
NEXT
NEXT b. P (x < 200 mg%)

200 −215
Z= = 0,33 ------- Tabel 0,1297
45

jadi P (x < 200 mg%) = 0,5 - 0,1297 =

0,3703 = 37.03%
NEXT c. P (200< x < 275 mg%)

• p (200 mg% < X < 275 mg%)

• pada soal b. sudah didapatkan area antara 215 mg0/o s.d
200 mg0/o = 0,1297
275 −215
• Z= = 1,33 ------ Tabel 0,4082
45
Jadi P (200 mg%< X < 275 mg%) = 0,1297 + 0,4082
=0,5379 = 53,79%
PENDEKATAN DISTRIBUSI BINOMINAL KE DISTRIBUSI NORMAL