Anda di halaman 1dari 53

DISTRIBUSI PELUANG DISKRIT

Statistika & Probabilitas


Distribusi Probabilitas Diskrit

 Distribusi Uniform
 Distribusi Binomial
 Distribusi Multinomial
 Distribusi Hipergeometrik
 Distribusi Poisson
Distribusi Seragam (Uniform) Diskrit

• Jika peubah acak x mempunyai nilai x1, x2, x3, …, xk dengan


peluang yang sama, maka distribusi seragam diskrit didefinisikan
sebagai:

• Jika f(x,k) menyatakan distribusi probabilitas uniform, maka rata-


ratanya

• Dan variansinya
Contoh
Jika sebuah dadu dilempar, maka setiap elemen dari ruang sampelnya
S = {1,2,3,4,5,6} terjadi dengan peluang yang sama 1/6, sehingga kita
Mempunyai distribusi seragam

Rataan dan variansinya adalah

Gambar 1. Histogram dari Pelemparan Dadu


Distribusi Binomial
 Distribusi binomial didasarkan pada proses Bernoulli.
Pada proses Bernoulli, suatu eksperimen sering terdiri dari beberapa usaha
yang berulang-ulang, di mana tiap usaha mempunyai dua kemungkinan sukses
atau gagal.

Misal
pada pengujian suatu produk untuk menentukan berapa jumlah produk yang
cacat dari n pengujian atau usaha. Dimana pada tiap pengujian ditentukan
bahwa suatu produk cacat atau tidak cacat. Setiap pengujian bersifat
independen (tidak bergantung pada pengujian sebelumnya).

 Sifat-Sifat Proses Bernoulli:


• Eksperimen terdiri dari n usaha yang berulang
• Setiap usaha memberikan hasil yang dapat diklasifikasikan menjadi sukses
atau gagal
• Peluang dari sukses adalah p, yang bersifat tetap dalam setiap kali usaha.
• Tiap usaha tersebut bersifat independen satu sama lain.
Contoh proses Bernoulli

Sebuah proses Bernoulli untuk quality control dilakukan


dengan pengambilan tiga barang secara acak dari suatu
hasil proses manufaktur, diperiksa, dan kemudian
diklasifikasikan ke dalam kategori baik (G) dan cacat (D).
Misalkan x adalah peubah acak yang menyatakan jumlah
barang yang cacat.

Penyelesaian :
Nilai yang mungkin dari x adalah 0, 1, 2, dan 3 seperti pada
tabel berikut:
Hasil GGG GDG GGD DGG GDD DGD DDG DDD
x 0 1 1 1 2 2 2 3
Misalkan diketahui dari masa lalu, sebanyak 25% produksi komponen
tersebut cacat (“D”). Jadi probabilitas 1 kali pengambilan menghasilkan
cacat = P(D) = ¼ , berarti probabilitas baik = P(G) = 1 – ¼ = ¾

Probabilitas hasil DDG


P(DDG)=P(D)P(D)P(G)= ¼ x ¼ x ¾ = 3/64
Jadi untuk x=2 , ada 3 hasil yang didapat : DDG,DGD,GDD maka jika
f(x=2) menyatakan probabilitas x=2
f(x=2)=3x3/64 = 9/64

Distribusi peluang x secara lengkap adalah :

X 0 1 2 3
F(x) 27/64 27/64 9/64 1/64
• Jumlah x yang sukses dari n percobaan
Bernoulli disebut variabel random
binomial, sedangkan fungsi distribusinya
f(x) disebut fungsi distribusi binomial, dan
dituliskan
f(x)= b(x; n, p),
misalkan
f(x=2) = b(2; 3, 1/4) = 9/64
Definisi Distribusi Binomial
Suatu usaha Bernoulli dapat menghasilkan sukses
dengan peluang p dan gagal dengan peluang q = 1 – p .
Maka distribusi peluang dari peubah acak binomial X,
yaitu jumlah sukses dari n usaha yang independen
adalah:
contoh
Probabilitas sebuah komponen mobil tidak rusak ketika
dijatuhkan adalah ¾. Berapakah probabilitasnya ada 2 dari
4 komponen yang dijatuhkan akan tidak rusak.
Penyelesaian :
• Misal kita definisikan “sukses” = tidak rusak, probabilitas
“sukses”, p=3/4. Jadi probabilitas “gagal, q= 1-3/4 = ¼.
Total percobaan ada n=4, jumlah yg tidak rusak,
“sukses”, x=2. Jadi probabilitas 2 dari 4 komponen yg
dijatuhkan tidak rusak diberikan oleh:
• Sifat dari b(x,n,p) sebagai fungsi distribusi probabilitas
adalah :

Karena seringkali kita memerlukan probabilitas untuk x


dalam sebuah interval, misal p(x < r) atau p(a<x≤b) maka,
dibuat tabel fungsi distribusi binomial kumulatif sbb :
Tabel Distribusi Probabilitas Binomial Kumulatif
Kasus 1

Peluang seorang pasien sembuh dari suatu penyakit darah yang jarang
terjadi adalah 40%. Jika diketahui 15 orang yang telah mengidap
penyakit ini, tentukan peluang:
a) sekurang-kurangnya 10 orang bisa sembuh,
b) dari 3 sampai 8 orang bisa sembuh, dan
c) tepat 5 orang bisa sembuh.
• Jika x adalah variabel dengan distribusi
binomial b(x;n,p), maka mean dan
variansinya adalah :
Lanjutan kasus 1
Dari kasus 1 probabilitas seorang pasien yang
sakit suatu penyakit darah adalah 40%. Jikalau 15
orang diketahui telah tertular penyakit ini,
(a)Berapa rata-rata jumlah orang yang sembuh
(b)Menurut teorema Chebysev paling tidak
sebanyak 75% kasus akan jatuh dalam interval
μ-2σ˂x˂μ+2σ. Terapkan dalam kasus ini dan
beri interpretasi
penyelesaian

a. Dalam kasus ini probabilitas sembuh, p=0.4, banyak


percobaan, n=15, sehingga rata-rata jumlah orang yang
sembuh
μ= np = 15 x 0.4 = 6 orang
b. Variansinya

Menurut Chebysev terdapat probabilitas paling tidak 75% pasien yang sembuh
jumlahnya antara 2.206 s/d 9.794 atau dibulatkan antara 3 s/d 10
Kasus 2

Diperkirakan 30% sumur disebuah desa tercemar. Untuk


memeriksa kebenaran hal tersebut dilakukan pemeriksaan
secara acak mengambil dari 10 sumur.
- Jika perkiraan tersebut benar, berapakah probabilitas
tepat 3 sumur tercemar
- Dan berapa probabilitas tercemarnya lebih dari 3 sumur
Lanjutan kasus 2
Dari kasus 2 misal ternyata dari 10 sampel yang diambil
secara acak sebanyak 6 mengandung pencemaran.
Pergunakanlah perhitungan probabilitas untuk memberikan
komentar tentang kemungkinan yang terjadi jikalau
perkiraan semula benar
Contoh soal

Sepasang dadu dilempar sebanyak 6 kali, tentukan peluang


memperoleh jumlah 7 atau 11 sebanyak dua kali, angka yang
sama satu kali dan sisanya sebanyak tiga kali
Contoh soal

Dari suatu kotak yang berisi 40 suku cadang, 3


diantaranya rusak. Jika diambil secara acak 5 buah suku
cadang, tentukan peluang sampel tersebut berisi 1
komponen rusak
Soal 1

Sebuah perwakilan beranggotakan 5 orang dipilih secara acak dari 3 orang


mahasiswa FT dan 5 orang mahasiswa FH. Tentukan rumus distribusi peluang
banyaknya mahasiswa FT yang terpilih dalam panitia tersebut, lalu hitung
peluang terpilihnya 2 orang mahasiswa FT

Jawaban :
Misalkan x menyatakan peubah acak yang menyatakan banyaknya mahasiswa
FT yang terpilih dalam panitia tersebut
Soal 2

Sepuluh orang di pakai dalam suatu penelitian biologi. Tiga orang


diantara mereka bergolongan darah O, empat orang bergolongan
darah A, dan tiga orang bergolongan darah B.. Diambil 5 orang
diantara mereka secara acak, berapa peluang 1 orang
diantaranya bergolongan darah O, 2 bergolongan darah A dan 2
bergolongan darah B?
Sifat-sifat Distribusi Poisson
1. Percobaan terdiri dari sejumlah bagian kejadian
yang terjadi dalam satu satuan waktu atau
luasan atau volume tertentu atau satuan lainnya
seperti jarak, berat dan lain-lain.
2. Probabilitas kejadian dalam unit waktu atau
luasan atau volume tertentu adalah sama
3. Jumlah kejadian dalam unit waktu atau luasan
atau volume tertentu adalah independen.
Definisi Distribusi Poisson
X : variabel random Poisson yang menyatakan banyaknya
outcome selama percobaan
μ : rata-rata banyaknya outcome = λt , dimana t adalah lama
intervalnya dan λ adalah laju terjadinya outcome

Distribusi probabilitas dari variabel random Poisson x yang


menyatakan banyaknya outcome dalam interval waktu tertentu t
(atau daerah tertentu) dengan λ menyatakan laju terjadinya
outcome persatuan waktu atau per satuan daerah yang
diberikan oleh (tidak diturunkan) :
Selanjutnya ditabelkan distribusi kumulatif
poisson :
Contoh soal

Dalam sebuah eksperimen di laboratorium nuklir , rata-rata


jumlah partikel radioaktif yang melewati sebuah pencacah
(counter ) adalah 4 tiap milidetik. Tentukan peluang 6 partikel
akan lewat dalam selang waktu 1 milidetik
Latihan 1

Rata-rata pasien yang datang ke klinik dokter gigi pada


waktu malam hari adalah 10 orang. Dokter gigi hanya
mampu menerima paling banyak 15 orang setiap hari.
Berapa peluang pada hari tertentu pasien terpaksa ditolak
karena dokter tidak sanggup melayaninya?
• Distribusi Poisson dapat diturunkan sebagai limit
distribusi binomial bila n → ∞, p → 0, dan np
tidak berubah. Maksudnya, bila n besar dan p
dekat dengan nol, distribusi Poisson dapat
digunakan, dengan µ = np , untuk menghampiri
distribusi binomial.
• Misalkan X adalah peubah acak binomial
dengan distribusi peluang b(x;n;p). Bila n → ∞,
p → 0, dan µ = np tetap sama , maka:
Latihan 2

Dalam sebuah proses produksi, cacat pada produk menyebabkan


produk tersebut sulit dipasarkan. Diketahui bahwa rata-rata 1 dari
1000 barang yang dihasilkan cacat, berapa peluang bahwa dalam
sampel acak sebanyak 8000 barang berisi kurang dari 7 yang cacat?
Latihan 3
Di sebuah industri diketahui jarang terjadi kecelakaan. Misalkan
diketahui bahwa peluang terjadi kecelakaan untuk suatu hari
adalah 0.005 dan tiap kecelakaan tidak bergantung satu sama
lain.
a. Berapa kemungkinan dalam periode 400 hari terdapat
kecelakaan dalam satu hari?
b. Berapa kemungkinan bahwa ada paling banyak tiga hari
dengan satu kecelakaan?
Latihan soal

Dua uang logam dilantunkan sekaligus. Berapa peluang


semuanya menghasilkan sisi gambar (G) atau sisi angka (A)
untuk kedua kalinya pada pelantunan kelima?
Contoh soal

• Dalam suatu proses produksi diketahui


bahwa rata-rata 1 diantara 100 butir hasil
produksi adalah cacat. Misalkan diperiksa
5 butir, berapa peluang ditemukan satu
buah cacat setelah butir kelima?
Jawaban:
Diketahui p = 1/100 dan x = 5,
maka g(5; 0.01) = (0.01)(0.99)4 = 0.0096
Contoh soal

• Pada jam-jam sibuk, sangat sulit mendapat


sambungan telepon hanya dengan satu kali
usaha men-dial. Misalkan untuk mendapat
sambungan pada jam sibuk peluangnya adalah
5%. Berapa peluang diperlukan 5 usaha agar
sambungan berhasil?
Jawaban:
x = 5 dan p = 0.05,
diperoleh
P (X = 5) = g(5; 0.05) = (0.05)(0.95)4 = 0.041
Perbandingan karakteristik distribusi Probabilitas Diskrit
Latihan
1. Diketahui 20% karyawan perusahaan dikatakan sebagai
karyawan baik. Bila dipilih 15 karyawan secara acak, berapa
peluang:
a. ada 4 orang karyawan berkategori baik
b. Paling sedikit 2 karyawan berkategori baik.

2. Dalam 2 bulan rata-rata karyawan tidak masuk kerja adalah 4


hari. Bila diasumsikan jumlah hari tidak masuk kerja
mengikuti distribusi poisson, maka hitunglah peluang seorang
karyawan tidak masuk kerja 3 hari dalam 2 bulan !
3. Sebuah kotak memuat 20 apel dan terdapat 4 buah yang telah
rusak. Jika seorang komsumen membeli 5 buah apel dan
mengambil secara random, hitunglah probabilitas :
a. Apel yang terambil 2 buah rusak
b. Lebih dari 2 apel yang telah rusak.
4. Hasil pengujian pelabelan saus menunjukkan bahwa 20%
pelabelan gagal. Jika diambil 4 buah sampel botol secara
random, berapakah probabilitas 3 dari 4 botol tersebut tidak
berlabel.
5. Hasil pengujian pelabelan kemasan kaleng menunjukkan
bahwa 0,05 pelabelan gagal. Jika diambil 40 buah sampel
kaleng secara random, berapakah probabilitas :
a. Satu buah kaleng tak berlabel
b. Tiga atau kurang kaleng yang tidak berlabel.
6. Andaikata kita mempunyai suatu populasi serangga, tepat
40% diantaranya terinfeksi oleh virus X. Jika mengambil
contoh dengan k= 5 serangga dan meneliti tiap serangga
secara terpisah-pisah akan ada tidaknya virus, distribusi yang
bagaimana dapat diharapkan apabila peluang setiap serangga
pada contoh untuk terinfeksi tidak gayut dengan serangga
yang lain ? Dianggap bahwa populasi sangat besar sehingga
cara pengambilan contoh dengan pemulihan atau tanpa
pemulihan tidak menimbulkan masalah.