DISTRIBUSI

DISTRIBUSI PROBABILITAS
PROBABILITAS
(DISTRIBUSI
(DISTRIBUSI BINOMIAL,
BINOMIAL,
POISSON,
POISSON, DAN
DAN NORMAL)
NORMAL)

MOH. AMIN
 DISTRIBUSI
DISTRIBUSI PROBABILITAS
PROBABILITAS
Distribusi peluang mempunyai hubungan yang
erat dengan distribusi frekuensi. Frekuensi
dalam distribusi frekuensi diperoleh
berdasarkan hasil percobaan atau hasil
observasi. Sedangkan frekuensi dalam
distribusi peluang merupakan hasil yang
diharapkan jika percobaan atau pengamatan
dilakukan, sehingga distribusi peluang ini
seringkali disebut distribusi teoritis.
 Berikut akan diberikan contoh yang
dapat memperjelas pemahaman tentang
konsep distribusi peluang. Suatu
tindakan melemparkan satu keping mata
uang logam berisi dua (angka dan
gambar) akan menghasilkan salah satu
dari kejadian yang mungkin yaitu
munculnya sisi angka atau gambar.
 Bila bobot kedua sisi mata uang
tersebut sama, maka diharapkan baik
sisi gambar maupun sisi angka
mempunyai kesempatan yang sama. Bila
dilakukan percobaan pelemparan uang
sebanyak 2 kali secara adil, maka hasil
yang mungkin dari percobaan dua kali
pelemparan mata uang logam tersebut
dapat disajikan dalam tabel berikut :
 Tabel : Kemungkinan muncul sisi angka
dari 2 kali lemparan mata uang logam dan
peluangnya
Lemparan Lemparan Jumlah sisi angka yang Peluang
I II muncul (dalam 2
lemparan)

A A 2 0,5 X 0,5 = 0,25

A G 1 0,5 X 0,5 = 0,25

G G 0 0,5 X 0,5 = 0,25

G A 1 0,5 X 0,5 = 0,25

JML 1
• Dari tabel diatas kita dapat mengetahui
distribusi probabilitas jumlah sisi angka
yang mungkin dihasilkan dari dua kali
lemparan uang logam seperti tertera dalam
tabel dibawah. Meskipun demikian perlu
dicatat bahwa hasil yang diperoleh ini
bukanlah hasil yang nyata, tetapi
merupakan hasil yang diharapkan dari
percobaan dua kali lemparan mata uang
logam, sehingga hasil yang diperoleh
disebut hasil teroritis.
 Tabel : Distribusi probabilitas dari
kemungkinan munculnya sisi angka dalam dua kali
lemparan uang logam
Jumlah Lemparan Peluang
Munculnya Sisi
angka

0 (G, G) 0,25

1 (A, G) + (G, A) 0,50

2 (A, A) 0,25

JML 1
• Variabel Random/Acak
– Variabel random adalah suatu kondisi yang menunjukkan
bahwa nilai terjadinya suatu peristiwa ditentukan oleh
proses kebetulan, bukan dikendalikan oleh peneliti.
– Variabel random dapat dibedakan menjadi dua, yaitu
variabel random diskrit dan variabel random kontinue.
– Variabel random diskrit adalah variabel yang besarannya
tidak dapat menempati semua nilai diantara dua titik,
sehingga nilainya berupa bilangan bulat.
• Contoh :
Data hasil pencacahan, misalnya banyaknya anak pada
sebuah keluarga dapat berjumlah 1,2,3 orang dan
seterusnya, tetapi tidak mungkin berjumlah 2,7 atau
1,5.
 – Variabel sandom kontinyu adalah varibel yang dapat
dinyatakan dalam sebarang nilai yang terdapat dalam
interval tertentu sehingga nilainya bisa berupa bilangan
bulat maupun pecahan atau pengukurannya dapat dibagi
dalam bagian-bagian yang tak terhingga.
• Contoh :
Data pengukuran ; umur, panjang dan lain-lain,
misalnya umur seseorang 3.5 tahun, 3 tahun dsb.
– Yang termasuk distribusi probabilitas diskrit adalah :
Distribusi binomial
Distribusi poisson
Sedang untuk distribusi probabilitas kontinue
adalah : Distribusi normal.
 • Distribusi Binomial
• Distribusi binomial disebut juga sebagai percobaan atau
proses dari Bernouli. Jones Bernouli adalah ahli matematika
dari Swiss (1654 – 1705) yang berjasa dalam pengembangan
penggunaan distribusi binomial.
• Ciri-ciri dari percobaan Bernouli adalah :
- Setiap percobaan hanya menghasilkan dua kemungkinan
yang saling meniadakan yaitu sukses atau gagal
Contoh :
- Bila seseorang memilih secara acak sehelai kartu dari
setumpuk kartu “bridge”, kartu yang terpilih dapat
merupakan “kartu As” atau “bukan kartu As”.
- Probabilitas peristiwa sukses (p) dari suatu
percobaan ke percobaan berikutnya adalah tetap,
probabilitas gagal (q) adalah 1 – p.
• Contoh :
• Bila kita hanya berminat untuk mengetahui
apakah kartu yang terpilih merupakan “kartu
As” atau “bukan kartu As”, maka kita dapat
menyatakan peluang terambilnya kartu As
adalah 4/52 (1/13), sehingga peluang
terambilnya kartu bukan As adalah 1 – 4/52 =
12/13
• Masing-masing percobaan merupakan peristiwa
independen, artinya peristiwa yang satu tidak
mempengaruhi terjadinya peristiwa yang lain.
  n  x n x
• Formula Binomial : b ( x ; n, p )    p q
 x
dimana :
n n!
  
 x  x!(n  x)!

• Keterangan :
p = peluang sukses
q = peluang gagal
n = jumlah percobaan
x = jumlah sukses yang diharapkan
• Contoh :
• probabilitas seorang mahasiswa terlambat
dalam mengikuti kuliah Statistika II
adalah 0,4. Berapa probabilitas dari 5
mahasiswa :
– Tidak ada yang terlambat
– 1 mahasiswa terlambat
– Paling banyak 1 mahasiswa terlambat ( x  1)
– Paling sedikit 2 mahasiswa yang terlambat (x
 2)
• Jawab :
• Contoh :
• Berdasarkan pengalaman 8 dari 10 botol
minuman adalah terisi penuh, jika ingin
diketahui probabilitas yang terisi penuh 3
dari 6 botol yang tersedia, maka dapat
dilakukan perhitungan sebagai berikut :
p = 8/10 x=3
q = 1 – 0,8 = 0,2 n=6
6!
(0,8) 3 (0,2) 3  0,08192
3!(3)!
b (3 ; 6 ; 0,8) =
• Soal :
• Di suatu kelas mata kuliah Statistik II, diketahui bahwa
dari 9 macam alasan mahasiswa tidak masuk kuliah, satu
macam adalah karena alasan pulang kampung. Diambil
secara random 4 ijin tidak masuk kuliah, berapa
probabilitasnya bahwa 3 diantaranya karena pulang
kampung ?
• Dosen suatu mata kuliah Statistik II mengatakan bahwa
hanya 40 % dari para mahasiswa yang mengikuti mata kuliah
tersebut akan lulus dalam ujian akhir akhir semester. Dari
14 orang mahasiswa yang mengambil mata kuliah tersebut
diambil secara random, berapa probabilitasnya :
– 4 orang akan lulus
– Paling banyak 4 orang akan lulus
• Distribusi Binomial Komulatif
Distribusi binomial komulatif adalah berguna bagi
perhitungan probabilitas “paling sedikit (x  r) atau paling
banyak (x  r) sejumlah x sukses. Probabilitas binomial
komulatif diatas dapat dihitung dengan jalan mencari nilai
probabilitas individu secara tersendiri berdasarkan
formula binomial diatas, serta kemudian menjumlahkan
semua hasil probabilitas individu yang bersangkutan,
prosedur sedemikian itu tidak mudah !
Suatu cara yang efektif untuk menghitung hasil distribusi
binomial komulatif dapat dilakukan dengan bantuan sebuah
table distribusi probabilitas binomial komulatif. Secara
simbolis, table binomial komulatif memberikan nilai-nilai :
P = (x  r) = b (r/n, p) + b ((r + 1/n, p) + ………….+ b
(n/n, p)
• Contoh :
Bila sekeping uang logam yang setimbang dilempar sebanyak 3 kali,
barapa probabilitas memperoleh paling sedikit 2 sisi angka.
P (x  2) = 0,5
• Rata-Rata Distribusi Binomial dan Standar Deviasi Distribusi Binomial
Jika nilai parameter n dan p telah diketahui, maka menghitung rata-rata
distribusi binomial dapat dilakukan dengan mudah karena formula dari
rata-rata distribusi binomial : =n.p
Sedang untuk varian dan standar deviasinya distribusi binomial adlah :
2 = n . p . q,  = n. p.q
• Contoh :
Prosentase mahasiswa yang lulus dalam mengikuti kuliah Statistik II
adalah 80%. Jika kita memilih 10 dari mahasiswa tersebut, rata-rata dan
standar deviasi distribusi binomialnya
n. p.q
adalah sebagai berikut :
 =n.p = 10(0,8)(0,2)  1,625
= 10 (0,8) =
=8
• Distribusi Hipergeometris
• Distribusi binomial sangat sering digunakan dalam persoalan
pengambilan sample (sampling). Misalnya, suatu kotak terdiri
dari 100 barang, 90 diataranya baik dan sisanya cacat.
Kemudian dilakukan sampling dengan ukuran sample n = 6
terhadap barang yang ada dalam kotak. Pertanyaan, dapatka
dihitung probabilitas memperoleh jumlah yang baik sebanyak
4, dengan menggunakan rumus binomial?. Ringkasnya n = 6, p =
90/100 = 0,9 dan berapa P (4).
• Untuk menjawab persoalan diatas, jika ukuran sample n tidak
lebih dari 5% elemen populasi atau n  0,05 N, maka rumus
binomial masih dapat memberi hasil yang memuaskan.
• Jika n  0,05 N, maka yang harus digunakan untuk
menghitung probabilitas jumlah sukses adalah rumus
hipergeometri yaitu :
 R N R
P (r) = C r C nr

C nN

keterangan :
N = ukuran populasi, n = ukuran sample
R = jumlah sukses dalam populasi,
r = jumlah sukses dalam sample
Untuk menjawab soal90 diatas
! maka,
10! P (4) =
90 100  90
.
C 4 C 64 4! (86)! 2! (8)!

100
C6 100!
6! (94)!

P (4) = …
 • Distribusi Poisson
Distribusi poisson adalah distribusi teoritis yang
berhubungan dengan variable random diskrit, seperti
halnya dengan distribusi binomial, ada 2 kategori
yang mungkin timbul pada populasi. Timbulnya tiap
kejadian yang mengikuti distribusi poisson adalah
independensi, setiap kejadian mempunyai probabilitas
yang tetap. Jumlah individu yang dihadapi besar
sekali, sedangkan peluang timbulnya suatu individu
ternasuk kategori tertentu kecil sekali.
Distribusi poisson ditemukan oleh poisson,
penerapannya hampir sama dengan distribusi binomial
hanya membutuhkan syarat P < 0,05 dan n > 20 (n
besar dan probabilitas untuk terjadi sangat kecil).
Formula distribusi poisson adalah sebagai berikut :
  x e 
P (x ; ) 
dimana,
x!

P (x ; ) = Peluang munculnya peristiwa x

 = Rata-rata terjadinya suatu peristiwa
e = 2,71828
 =n.p
Contoh :
Probabilitas bahwa seseorang akan menderita reaksi
buruk dari injeksi suatu serum adalah 0,001. Hitunglah
bahwa dari 2000 orang yang diinjeksi serum dengan
serum tersebut :
a. Tiga orang menderita reaksi buruk
b. Lebih dari 2 orang menderita reaksi buruk.
Jawab
• Pendekatan Poisson Untuk Distribusi Binomial
Distribusi poisson dapat digunakan untuk
pendekatan distribusi binomial, namun dengan
memperhatikan persyaratan bahwa n besar dan p
kecil, aturan yang sering digunakan dalam
statistika bahwa distribusi poisson merupakan
pendekatan yang paling baik bagi distribusi
binomial adalah bila n > 20 dan P < 0,05. Dalam
kondisi ini dapat disubstitusikan rata-rata
distribusi binomial ke dalam rata-rata distribusi
poisson  = n . p (np) x e  np
P ( x;  ) 
sehingga formulasinya menjadi : x!
• Contoh :
Sebuah perusahaan pakaian jadi menggunakan 20 mesin jahit.
Probabilitas sebuha mesin jahit mengalami gangguan dan
memerlukan perbaikan adalah 0,02. Berapakah probabilitas 3
buah mesin jahit mengalami gangguan dan memerlukan
perbaikan ?
• Rata-Rata, Varians dan Deviasi Standar Distribusi Poisson
Bagi distribusi poisson yang dinyatakan dengan rumus diatas,
Rata-Rata (means), dan variansnya dapat dinyatakan sebagai
berikut :
x = n . p = x2
np  x
Sedangkan standar deviasinya adalah :
x =
 . Distribusi Normal
Distribusi normal memegang peranan
penting dalam statistika khususnya
dalam berbagai analisis untuk menarik
suatu kesimpulan berdasarkan sampel
yang diambil.
Konsep distribusi normal sangat
penting untuk dipahami karena konsep ini
mendasari asumsi pada distribusi
sampling, pendugaan statistika maupun
pengujian hipotesa. 24
Distribusi normal adalah distribusi variabel kontinue yang memiliki ciri-
ciri sebagai berikut :

1. Kurvanya mempunyai puncak tunggal

2. Kurvanya berbentuk seperti lonceng
3. Nilai rata-rata distribusi normal terletak ditengah kurva normal.
4. Disebabkan distribusi normal mempunyai bentuk simetris maka media
dan modus juga berada ditengah-tengah kurva normal, sehingga nilai
rata-rata median dan modus adalah sama.
5. Dua sisi kurva normal memanjang tak terbatas dan tak pernah
menyentuh garis horisontal.

25
KARAKTERISTIK DISTRIBUSI KURVA NORMAL

1. Kurva berbentuk genta (= Md= Mo)

2. Kurva berbentuk simetris
3. Kurva normal berbentuk asimptotis
4. Kurva mencapai puncak pada saat X= 
5. Luas daerah di bawah kurva adalah 1; ½ di sisi kanan nilai
tengah dan ½ di sisi kiri.
 DEFINISI KURVA NORMAL

Bila X suatu pengubah acak normal dengan nilai tengah

, dan standar deviasi , maka persamaan kurva
normalnya adalah:

N(X; ,) = 1 e –1/2[(x-)/]2,

22

Untuk -<X<  

di mana
 = 3,14159
e = 2,71828
 Dari fungsi dasar distribusi normal diatas dapat
diambil kesimpulan bahwa bentuk suatu distribusi
normal tergantung pada 2 parameter, yaitu rata-rata
() dan standar deviasi ().

Bentuk kurva distribusi normal :

Penggunaan Tabel Distribusi Normal Standar

Tabel distribusi normal standar atau tabel distribusi

Z berguna untuk menghitung luas daerah dibawah
kurva distribusi normal standar.
f (z)

a b Z

Perlu diingat bahwa tabel distribusi Z khusus memberikan hasil

perhitungan luas daerah dibawah kurva distribusi Z yang memiliki rata-
rata = 0 dan deviasi standar = 1
 Luas wilayah tersebut menunjukkan probabilitas dari suatu interval,
sehingga luas seluruh wilayah dibawah kurva dan diatas sumbu
horisontal = 1, karena kurva simetris, maka luas wilayah disebelah kanan
garis tegak lurus diatas rata-rata sama dengan 0,5 dan sebelah kiri juga
sama dengan 0,5.
 Untuk memahami penggunaan tabel distribusi normal standar, berikut
disajikan beberapa contoh :

a. Hitung luas wilayah dibawah kurva normal :

Antara nilai Z = 0 dan Z = 1

solusi :
Penggunaan Tabel Distribusi Normal Standar

Perhatikan gambar dibawah ini :

0 1 Z

Untuk menghitung luas yang dibatasi Z = 0 dan Z = 1, cari nilai ditabel

distribusi Z yang sesuai dengan Z = 1,00

Z 0,00
Berarti luas daerah yang diarsir adalah
1,0 0,3413 34,13% dari luas seluruh daerah dibawah
kurva
b. Hitung luas wilayah dibawah kurva normal :

Antara nilai Z = -1 dan nilai Z = 0

solusi : sama dengan kasus di atas nilainya adalah 0,3413

Penggunaan Tabel Distribusi Normal Standar

Perhatikan gambar dibawah ini :

-3 -2 -1 0 1 2 3 Z

Carilah nilai Z = 1,00 di tabel distribusi Z. Hasilnya adalah 0,3413 atau

34,13%. Tanda negatif pada Z menunjukkan bahwa luas berada disebelah
kiri rata-rata.
c. Hitung luas wilayah dibawah kurva normal :
Antara nilai Z = -1 dan nilai Z = 1
solusi :

Perhatikan gambar dibawah ini :

-3 -2 -1 0 1 2 3 Z
Perlu diingat bahwa tabel distribusi Z hanya bisa menghitung luas
dari nilai Z tetentu ke rata-ratanya (nilai Z = 0). Oleh sebab itu,
untuk menghitung luas –1 < Z < 1, terlebih dahulu kita hitung luas
–1 < Z < 0, kemudian ditambahkan dengan luas 0 < Z < 1.
Luas –1  Z  1 = 0,3413 + 0,3413 (68,26% atau 0,6826 )
 d. Hitung luas wilayah dibawah kurva normal :
Antara nilai Z = 0 daan Z = 1,55 solusi : ?

e. Hitung luas daerah yang diarsir pada gambar dibawah ini :

-3 -2 -1 0 1 2 3 Z

Ingat bahwa distribusi normal adalah distribusi berbentuk lonceng yang

simetris, sehingga luas separuh kurva adalah 0,5 (50%), maka luas Z > 2
adalah 0,5 – 0,4772 = 0,0228 atau 2,28%
f. Antara nilai Z = 1 dan Z = 2
Solusi :
Perhatikan gambar berikut :

-3 -2 -1 0 1 2 3 Z

Untuk menghitung luas nilai Z = 1 dan Z = 2, kita harus mencari

luas 1  Z  2, terlebih dahulu kita hitung luas 0  Z  2, kemudian
dikurangkan dengan luas 0  Z  1.
Maka Z = 1 dan Z = 2 adalah 13,59%)
TRANSFORMASI DARI NILAI X KE Z

Transformasi dari X
ke Z

x z

Di mana nilai Z:
Dimana,
Z = X -  x = nilai variabel random
 = rata-rata variabel random
  = deviasi standar variabel random
Contoh Soal:
Misalkan sebuah kurva normal memiliki x = 100 dan x = 20.
Hitunglah luas kurva normal antara 75 s/d 120 atau P (75  x 120).
Jawab:
D x  x
Z
x

75  100 luasnya = 0,3944

Z1   1,25
20
120  100
Z2  1 luasnya = 0,3413
20
Sehingga P (75  x  120) = P (-1,25  z 1)
= P (-1,25  z  0) + P (0  z  1)
= 0,3944 + 0,3413
= 0,7357 atau 73,57%

38
Contoh Soal:
Nilai ujian Akuntansi Biaya di sebuah kelas terdistribusi secara
normal dengan rata-rata 60 dan deviasi standar 10. Berapa persen
siswa yang memperoleh nilai antara 60 – 70 ?
Jawab:
Untuk menghitung daerah/nilai antara 60 – 70 adalah sebagai
berikut :
60  60
Z1  0
10
70  60
Z2  1
10

Maka P (60  x  70) = P (0  z  1) = 0,3413

Siswa yang mendapat nilai antara 60 - 70 adalah
34,13%
39
 TRANSFORMASI DARI X KE Z

Contoh Soal:
Harga saham di BEJ mempunyai nilai tengah (X)=490,7 dan standar
deviasinya 144,7. Berapa nilai Z untuk harga saham 600?

Jawab:
Diketahui: Nilai  = 490,7 dan  = 144,7

Maka nilai Z =( X - ) / 
Z =?

40
LUAS DIBAWAH KURVA NORMAL

68,26%

95,44%

99,74%

-3 -2 -1 =x +1 +2 +3

-3 -2 -1 Z=0 +1 +2 +3

• Luas antara nilai Z (-1<Z<1) sebesar 68,26% dari jumlah

data.
• Berapa luas antara Z antara 0 dan sampai Z = 0,76 atau
biasa dituis P(0<Z<0,76)?
• Dapat dicari dari tabel luas di bawah kurva normal. Nilainya
dihasilkan = ?
41
PENERAPAN KURVA NORMAL

Contoh Soal:
PT GS mengklaim berat buah mangga “B” adalah 350 gram
dengan standar deviasi 50 gram. Bila berat mangga
mengikuti distribusi normal, berapa probabilitas bahwa
berat buah mangga mencapai kurang dari 250 gram,
sehingga akan diprotes oleh konsumen.

Z=-2,0 42
PENERAPAN KURVA NORMAL

Jawab:

43
 PENERAPAN KURVA NORMAL

Contoh Soal:
PT Work Electric, memproduksi Bohlam Lampu yang dapat
hidup 900 jam dengan standar deviasi 50 jam. PT Work
Electric ingin mengetahui berapa persen produksi pada
kisaran antara 800-1.000 jam, sebagai bahan promosi
bohlam lampu. Hitung berapa probabilitasnya!

0,4772
0,4772

-2 2
44
 PENERAPAN KURVA NORMAL

Jawab:

45
 PENDEKATAN NORMAL TERHADAP BINOMIAL

• Karena distribusi binomial mempunyai

variabel diskrit, sedangkan distribusi normal
bervariabel kontinyau, maka dalam
menggunakan distribusi normal untuk
memecahkan persoalan-persoalan binomial
perlu dilakukan penyesuian dengan cara :
– Untuk harga variabel x batas bawah
dikurangi 0,5
– Sedang harga variabel x batas atas
ditambah 0,5

46
 DALIL PENDEKATAN NORMAL TERHADAP
BINOMIAL

Bila nilai X adalah distribusi acak binomial dengan nilai tengah =np
dan standar
deviasi =npq, maka nilai Z untuk distribusi normal adalah:

Z = X - np
npq

di mana n  dan nilai p mendekati 0,5

47
TERIMA KASIH

48