Distribusi probabilitas adalah hasil yang

mungkin dari eksperimen atau percobaan

dari variabel random serta besarnya
probabilitas pada setiap hasil yang mungkin.
 Distribusi Probabilitas Binomial
 Setiap percobaan menghasilkan
dua hasil kejadian yaitu sukses
P X   C p (1  p)
n
X
X n X

dan gagal
 Probabilitas kejadian sukses dan C = kombinasi kejadian
gagal adalah tetap pada setiap
observasi n = jumlah observasi
 Hasil Kejadian bersifat
independen yaitu satu hasil dari p = probabilit as kejadian sukses
eksperimen tidak 1 - p = probabilit as kejadian gagal
mempengaruhi hasil eksperimen
yang lain. x = kejadian
Rata-Rata Distribusi Probabilitas Binomial
=E(X)=np
 =rata rata atau E(X)= nilai harapan; n = jumlah observasi;
p= probabilitas kejadian sukses

Varian dan Standar Deviasi Distribusi Probabilitas Binomial

 2  np(1  p)

  np(1  p )
 Contoh Distribusi Binomial
Ada 6 Penerbangan yang melayani rute Yogyakarta – Medan setiap harinya.
25% dari penerbangan ini mengalami keterlambatan tiba di Medan.
1. Berapa probabilitas tidak ada penerbangan terlambat?
2. Berapa probabilitas dua penerbangan terlambat?
3. Berapa probabilitas paling banyak 3 penerbangan terlambat?
4. Berapa probabilitas paling sedikit 4 penerbangan terlambat?
Distribusi Probabilitas Hypergeometrik
Sifat distribusi probabilitas Hypergeometrik :
 Sampel diambil dari populasi yang terbatas (finete population)
 Setiap percobaan menghasilkan dua hasil kejadian yaitu sukses
dan gagal
 Hasil Kejadian bersifat dependen yaitu satu hasil dari eksperimen
mempengaruhi hasil eksperimen yang lain,
 Probabilitas kejadian sukses dan gagal adalah tidak tetap pada
setiap observasi
S = jumlah kejadian sukses di dalam populasi
S N S
P X  
C C X ns
N = jumlah populasi
x = jumlah kejadian sukses di dalam sampel
N
C n
n = jumlah sampel atau jumlah eksperimen

Rata-rata dan varian dari distribusi Hypergeometrik

 Contoh. Distribusi Probabilitas Hipergeometrik
Sebuah perusahaan ingin meningkatkan skill karyawan produksi
dengan melakukan training selama 3 bulan. Untuk itu, bagian
pengembangan sumberdaya manusia atau HRD (human resource
development) memiliih 5 karyawan dari 20 karyawan yang ada. Dari
20 karyawan yang ada ini 8 sudah pernah melakukan training
sebelumnya. Berapa probabilitas bahwa 3 dari 5 karyawan yang
dipilih pernah di training sebelumnya?
Distribusi Probabilitas Poisson
Distribusi Poisson didasarkan pada asumsi:
1. Terjadinya suatu peristiwa dalam suatu interval bersifat
independen (jumlah kejadian dalam interval tidak
mempengaruhi interval lain)
2. Probabilitas proposional terhadap panjang interval lain (semakin
panjang interval semakin besar probabilitas)
Sifat distribusi Poisson :
Variabel random adalah jumlah kejadian yang terjadi di dalam
interval tertentu
Interval adalah independen
Probabilitas suatu kejadian adalah proporsional terhadap
panjangnya interval  xe
P( x)  Rata - rata
x!
e = 2,718   nx
x = jumlah kejadian sukses Varian
  rata - rata kejadian sukses
 2  nx
 Contoh. Distribusi Probabilitas Poissson
Sebuah bank buka hari Senin sampai Jum’at mulai jam 8 pagi
sampai jam 4 sore. Rata-rata kedatangan nasabah yang melaporkan
keluhan soal kartu ATM adalah 5 orang per jamnya.
a. Berapa probabilitas tidak ada nasabah yang datang?
b. Berapa probabilitas dua nasabah datang?
c. Berapa probabilitas paling tidak 2 nasabah datang?
d. Berapa probabilitas paling banyak 2 nasabah datang?

a c

d
Distribusi probabilitas ini berasal dari
variabel kontinus yang nilainya terletak
dalam interval tertentu.
 Misalnya, waktu dibutuhkan seseorang
dalam melakukan transaksi melalui ATM. 2-
6 menit (info dr bank) bahkan kita bisa
menghitung lebih kecil dr itu misal 3-5
menit
Distribusi Probabilitas Uniform
Distribusi Uniform merupakan bentuk persegipanjang dengan
nilai interval (a-b) dan mempunyai nilai minimum (a) dan nilai
maksimum (b)
Probabilitas ini disebut uniform karena nilai di dalam interval a
dan b mempunyai probabilitas sama (equally likely).
Probabilitas sama (uniform) di dalam interval a dan b yaitu 1/ (b-
a).

Rata-rata

Deviasi
stantar
 Contoh . Distribusi Probabilitas Uniform
Penerbangan rute Surabaya – Jakarta membutuhkan waktu antara
70 – 90 menit. Jika waktu tempuh penerbangan ini mengikuti
distribusi uniform:
a. Berapa rata-rata dan standar deviasinya lama penerbangan?
b. Berapa probabilitas waktu penerbangan antara 75 -85 menit?
c. Berapa probabiltias waktu penerbangan kurang dari 85 menit?
d. Berapa probabilitas waktu penerbangan lebih dari 80 menit?
a

b c

d
Distribusi Probabilitas Normal
Karakteristik distribusi probabilitas normal :
 Berbentuk kurva menyerupai lonceng (bell-shaped) dan bersifat simetris
 Probabilitas yaitu P ( X  ) = P( X  ) = 0,5
 Besarnya rata-rata, median dan modus adalah sama
 Kurva normal bersifat asymptotic
 Rata-rata kurva () normal merupakan pusat distribusi normal
sedangkan deviasi standar menunjukkan dispersi distribusi normal ().
 Area di bawah kurva normal menunjukkan probabilitas variabel random
normal (Probability Distribution Function=PDF) dan total area dibawah
kurva untuk distribusi probabilitas normal (Cumulative Distribution
Function=CDF) adalah satu.
Distribusi probabilitas normal dihitung dengan menggunkan
formula sbb:  ( X  )2 
 
 2
2
1 
P( X )  e
 2
 = konstantadengan nilai 22/7 atau 3,1416
e = konstantadengan nilai 2,7183
 = rata- rata
 = standar deviasi
 Distribusi standar normal mempunyai rata-rata nol dan standar
deviasi 1.
 Distribusi normal dapat dirubah menjadi distribusi normal
standar dan hasilnya disebut nilai statistik Z.
X 
Z

X = nilai pada observasi
 = nilai rata- rata distribusi
 = deviasi standardistribusi
 Contoh . Distribusi Normal
Rata-rata harga saham PT Telkom pada perdagangan tahun 2012
Rp 4,200 per lembar saham dengan standar deviasi Rp 225 per
saham dengan asumsi 240 hari perdagangan setiap tahunnya. Jika
harga saham mengikuti distribusi normal:
a. Berapa probabilitas harga saham antara Rp. 4.200 Rp4.600?
b. Berapa probabilitas harga saham lebih besar dari 4,500?
c. Berapa probabilitas harga saham kurang dari 4.000?
d. Jika 15 % harga saham tertinggi merupakan nilai harga saham
dimana harga saham cepat turun , berapa nilai terendah harga
saham cepat turun ?

a. Z=(4.600-4.200)/225 = 1,78
Area kurva normal dengan nilai Z = 1,78 besarnya 0,4625.
P (4200<X<4600) sebesar 0,4625
b. Z=(4500-4200)/225 = 1,33
Area kurva normal dengan nilai Z = 1,33 besarnya 0,4082
P (X>4500)=0,5-0,4082=0,0918

c. Z=(4000-4200)/225 = -0,89
Area kurva normal dengan nilai Z = -0,89 besarnya 0,3133
P (X<4000)=0,5-0,3133=0,1867
d. 15% harga saham tertertinggi akan cepat turun kembali sehingga
sisanya 0,35 (35%) tidak responsif terhadap penurunan harga.
Nilai Z yang berkaitan dengan besarnya probabilitas 0,35 sebesar
1,04.

Nilai terendah dari 15% harga saham tertinggi akan cepat turun
besarnya :
1,04= (X-4200)/225
X=4200 + (1,04)(225)
X=4434
Distribusi Normal Untuk menghitung Distribusi Binomial
Syaratnya jika distribusi binomial
1) nP  5
2) n(1-p)  5

Faktor koreksi kontinus ( continuity correction factor).

1) besarnya probabilitas jika paling tidak X terjadi (at least X) maka
(X – 0,5)
2) besarnya probabilitas lebih dari X (more than X) maka (X + 0,5)
3) besarnya probabilitas paling tidak X terjadi (X or fewer) maka (X
+ 0,5)
4) besarnya probabiltias kurang dari X (fewer than X) maka (X –
0,5)

Formulanya sbb:
 Contoh . Probabilitas Binomial dengan Distribusi Normal
Sebuah lembaga riset pemasaran menunjukkan bahwa sebesar 20%
rumah tangga di Indonesia mempunyai mobil paling tidak dua.
Sebanyak 250 rumah tangga di ambil sampel secara random.
a. Berapa probabilitas lebih dari 60 rumah tangga mempunyai
mobil paling tidak dua?
b. Berapa probabilitas kurang dari 55 rumah tangga mempunyai
mobil paling tidak dua?
=np=(250)(0,2)=0,5
=√np(1-p) = √(250)(0,2)(0,9) =6,3246

a. Faktor koreksinya adalah (X+0,5)=60 +0,5=60,5

Z= (60,5-50)/6,3246=1,66
Area kurva normal dengan nilai Z = 1,,66 besarnya 0,4515
P(X>60)=0,5 – 0,4515= 0,0485
b. Faktor koreksinya adalah (X - 0,5)=55 - 0,5=54,5
Z= (54,5-50)/6,3246=0,71
Area kurva normal dengan nilai Z = 0,71 besarnya 0,2611
P(X<55)=0,5 + 0,2611= 0,7611
1. Berdasarkan data menunjukan 20% sarjana menganggur
selama 3 bulan pertama setelah lulus. 10 sarjana diambil
secara aca
a. Berapa probabilitas 2 orang menganggur?
b. Berapa probabilitas paling banyak 3 menganggur
c. Berapa probabilitas paling sedikit 8 orang menganggur?

2. Sebuah layanan konsultasi pertanian membuka layanan dari jam 9

pagi sampai jam 9 malam (senin-sabtu). Rata-rata kedatangan
petani untuk konsultasi 4 orang perjam
a. Berapa probabilitas tidak ada petani yang datang?
b. Berapa probabiltas 2 petani yang datang?
c. Berapa probabilitas paling banyak 2 petani yang datang?
d. Berapa probabilitas paling tidak 3 petani yang datang?
3. Waktu yang diperlukan untuk pemetikan buah sawit
mulai dari awal sampai akhir antara 10-24 jam. Jika
waktu pemetikan mengikuti uniform
a. Berapa probabilitas waktu pemetikan anatara 15-20 jam?
b. Berapa probabilitas waktu pemetikan lebih dari 20 jam?
4. Waktu tempu dari rumah ketempat kerja rata-rata 8.5 jam
dengan standar deviasi 30 menit.
a. Berapa probabilitas waktu yang dibutuhkan kurang dari 8 jam
b. Berapa probabilitas waktu yang dibutuhkan antara 8-9 jam?
c. Berapa probabilitas waktu yang dibutuhkan kurang dari 9 jam?
5. Ujian UTS mata kuliah statistik prodi TPTP didistribusi secara normal
dg rata-rata 72 dengan varian 85,5625.
a. nilai terendah mendapat nilai A adalah 85. berpap probabilitas
mendapat nilai A?
b. Nilai B antara 75-85, berapa probabilitas mendapat nilai B?