1

Distribusi Probabilitas
Oleh : Heri Sugiarto, S.KM.,M.Kes.
 2

Ada beberapa Distribusi Teoritis:

* Binomial (Bernaulli) * Student (“t” W Gosset)
* Poisson * Chi Square (X2)
* Normal (Gauss) * Fisher, dll
 3

A. Distribusi Binomial

* Distribusi random diskrit

* Distribusi probabilitas diskrit
* Distribusi Bernaulli (penemu: ahli matematika Swiss,Jacob Bernaulli)
* Bernaulli trial mempunyai 4 syarat:
1. Jumlah trial merpkan bilangan bulat.
2. Setiap eksperimen mempunyai 2 hasil
(hasil) Sukses dan Gagal: sehat/sakit, hidup/mati, pria/wanita.
3. Peluang sukses dari setiap peristiwa selalu tetap.
4. Setiap eksperimen independen satu dengan yg lain.
 4

Dalam suatu eksperimen:

* peluang sukses  P
* peluang gagal  (1-P)  q

Cth:
* Peluang keluarnya mata 5 pd pelemparan dadu 1 kali = 1/6, maka
peluang bukan mata 5 adl 1 – 1/6 = 5/6.
* Jumlah pasien tdk sembuh dari 100 org yang diberi uji coba obat
adl sebanyak 10 org. Peluang tdk sembuh = 10/100 = 0,1. Maka
peluang sembuh adl 1 – 0,1 = 0,9.
* Peluang munculnya sisi gambar pada pelemparan koin 1 kali adl
½ maka peluang bukan gambar adl 1 – ½ = ½
 5

Simbol untuk trial Bernaulli/Binomial adl  b (X, n, p)

Artinya:
b = suatu probabilitas Bernaulli
X = Banyaknya sukses yg akan terjadi.
n = jumlah trial/percobaan.
p = probabilitas sukses setiap trial.

Cth: Probabilitas seorang bayi tdk diimunisasi (0,2). Kalau pd suatu

hari di puskesmas ada sebanyak 5 bayi, hitunglah peluang 2 bayi
belum diimunisasi. b (X=2, n=5, p=0,2)  b (2, 3, 0.2)

Rumus Umum: dimana

 
n

x
  
n n!
 
n x
  P 1  P
Koefisien Binomial
x  x  x!(n  x)!
 6

Cth. Peluang bayi tersebut di atas: b (x=2 n=5 p=2)

Peluang bayi belum diimunisasi dari 5 bayi yg berkunjung ke
puskesmas, jika peluang tdk diimunisasi adl 0,2:

5x4x3x2x1
P = ----------------------------- 0,22 x 0,83 = 10 x 0,04 x 0,512 = 0,2048
2x1(3x2x1)

Jika percobaannya sudah banyak, maka kita gunakan tabel

binomial
 7

B. Distribusi Poisson

* Kita memakai distribusi Binomial jika jumlah trialnya sedikit.

* Jika suatu kejadian probabilitasnya sangat kecil dan
kejadiannya sangat banyak, maka kita memakai Distribusi Poisson
untuk menjelaskannya.
Cth:
1) Peluang terjadinya kecelakaan pada mobil yang melewati tol.
2) Peluang terjadinya shock pada jamaah haji yang disuntik vaksin
meningitis sangat kecil, sedangkan jumlah jamaahnya puluhan
ribu.
 8

Distribusi Poisson merupakan fungsi probabilitas:

  x 
 e e
P( x)  
x! x!
µ = λ = n p = E (x)  nilai rata-rata
e = konstanta = 2,71828
X = variabel random diskrit (1,2,3…x)
 9

Cth: diketahui probabilitas untuk menjadi shock pd saat imunisasi dg vaksin

meningitis adl 0,0005. Jika jamaah haji yg divaksin sebanyak 4000 org,
hitung peluang tepat 3 org yg terkena shock!

Jawab:
µ = λ = n p = 4000 x 0,0005 = 2

23 x 2,71828-2
P (x = 3) = ------------------------------- = 0,1804
3x2x1

Penyelesaian soal spt ini, bisa jg dgn menggunakan tabel Distribusi Poisson,
dimana; Baris = µ = λ
Kolom = X
 10

C. Distribusi Normal (Gauss)

* Paling banyak dipakai dalam analisis statistik
* Laplace 1775  1809 Carl Frederich Gauss (mengamati hasil dari
percobaan yg dilakukan berulang-ulang, menemukan bhw nilai rata2 mrp hasil yg paling
sering. Penyimpangan ke kanan maupun ke kiri yg makin jauh dari nilai rata2 makin sedikit
terjadi. Bila hasil ini disusun maka akan terbentuk distribusi yg simetris).
* Variabel random kontinu
* Nilai mean, median, modus terletak pada satu titik.
* Ekor kurva mendekati absis pada penyimpangan ke kiri & kanan sebesar
3 SD dari nilai rata-rata.
* Berbentuk seperti lonceng, simetris
* Titik belok µ ± σ
* Luas = Probability = 1 (luas tiap belahan 50%)
* Kurva normal standar mempunyai µ = 0 dan σ = 1 N (0,1)
 11

Gambar Luas Kurva Normal Berdasarkan Besarnya Penyimpangan (SD)

68% 95,5%

-1 SD µ 1SD -2 SD µ 2SD

99,7%

-3 SD µ 3SD
 12

* Utk suatu sampel yg cukup besar terutama gejala alam, seperti

tinggi badan, berat badan, umur, biasanya mempunyai kurva yg
simetris dengan x tertentu dan Sd (simpangan baku) tertentu, maka
kurva simetris yg terjadi disebut kurva normal umum.

* Untuk dapat menentukan probabilitas dlm kurva normal umum,

maka nilai yg akan dicari ditransformasikan dulu ke nilai kurva
normal standar melalui transformasi Z (deviasi relatif).

x-µ x-x
Z = --------------- Z = ---------------------
σ s
 13

Cth:
Suatu penelitian terhadap 100 ibu hamil didapatkan rata-
rata kadar Hb 8,5gr% dan simpangan baku Sd= 2 gr%.
Hitunglah probabilitas kita mendapatkan seorang bumil yg
kadar Hb nya:
a. > 8,5 gr%
b. < 7 gr%
c. antara 9 – 10 gr%
 14

Jawab:

a. Peluang > 8,5 gr% = sesuai dengan luas diatas nilai rata-rata dalam
kurva normal adalah 50%.

b. Peluang < 7 gr%

x–µ 7 – 8,5 -1,5

Z= ------------------- = ------------------------- = --------- = 0,75
σ 2 2

Kemudian dicari pada tabel Z. Jika nilai Z= 0,75, maka luas dibawah
kurva normal = 0,2734 atau 27,34%
Maka peluang peluang terambilnya bumil yang kadar Hb nya dibawah
7 gr% adalah 50% - 27,34% = 22,66%
 15

c. Peluang 9 – 10 gr%

Peluang 10 gr% :

x–µ 10 – 8,5 1,5

Z= ----------------- = ------------------------- = ------------------- = 0,75
σ 2 2
Kemudian dicari pada tabel Z. Jika nilai Z= 0,75, maka luas dibawah kurva normal
= 0,2734 atau 27,34%

Peluang 9 gr% :

x–µ 9 – 8,5 0,5

Z= ----------------- = ------------------------- = ------------------- = 0,25
σ 2 2
Kemudian dicari pada tabel Z. Jika nilai Z= 025, maka luas dibawah kurva normal =
0,0987 atau 9,87%.

Maka peluang bumil yg berkadar Hb antara 9 – 10 gr% adl

27,34% - 9,87% = 17,47%
 16

• Thank You so Much

Quotes: …Orang yg paling mulia adl yang paling
banyak manfaatnya untuk org lain..
mari berbagi, meski sedikit yg kita punya…”