DISTRIBUSI PROBABILITAS

Probabilitas
 Keputusan dalam statistik merupakan peluang (probabilitas) yang
diyakini benar dan juga memberikan peluang untuk tidak benar
(salah)
 Tugas statistik, membuat knklusi/kesimpulan dengan baik tentang
karakteristik suatu populasi. Kebenarannya tidak absolut (100%),
dinyatakan 95%, 90% atau 0,95 ; 0,90 derajat kepercayaan
 Probabilitas adalah suatu nilai yanag digunakan untuk mengukur
tingkat terjadinya suatu kejdian yang acak
 Seluruh probabilitas kejadian akan membentuk sustu distribusi
probabilistik
 Distribusi probabilitas dalam statistik, a.l Dist Binomial, Poisson,
Normal (Gauss), student, Chi square, dll
 Pendekatan probabilitas
• Klasik/Intuitif
Harga angka yg menunjukkan besar kemunkinan suatu peristiwa
terjadi, diantara keseluruhan peristiwa yang mungkin terjadi
P(E) = X / N
• Empiris/Relatif
Probabilitas berdasar observasi, pengalaman, kejadian yg sudah
terjadi
• Subjektif
Probabilitas ditentukan oleh pembuat pernyataan
 Unsur Probabilitas
1. Ruang Sampel
2. Titik Sampel
3. Peristiwa/Kejadian/Event
 Asas Perhitungan Probabilitas
• 1. Hukum Pertaambahan
- Mutually exclusive
- Non mutually exclusive
• 2. Hukum perkalian
- Peristiwa bebas
- Peristiwa bersyarat
3. Permutasi/kombinasi
Distribusi Binomial
 Contoh
• Peluang bayi tdk diimunisasi polio adalah 0,2.
Suatu hari di Puskes X ada 4 bayi. Berapa
peluang 2 orang bayi tsb belum diimunisasi?
Distribusi Poisson
 Contoh
• Probabilitas terjadi shock pd saat imunisasi
vaksin meningitis 0,0005. Di suatu kota ada
4000 orang yg dilakukan imunisasi meningitis.
Berapa peluang tepat 3 orang akan terjadi
shock?
 Distribusi Normal (Gauss)
• Untuk data dng variabel berdistribsi normal, lebih
mudah melakukan inferens seberapa sering suatu
kejadian akan terjadi. Mis TB, BB, kadar GDS,
Cholest
• Distribusi probabilitas utk var.kontinyu dng puncak
distribusi berada pada mean, dan simetris,
ditentukan oleh SD nya.
• Untuk menentukan probabilitass dalam kurva
normal umum, nilai yg akan dicari ditarnsform ke
nilai kurva normal standar melalui transform Z
(deviasi relatif)
Distribusi Normal (Gauss)
Pendekatan Distribusi Binomial
ke Distribusi Normal
• Peluang seorang bumil akan anemia
adalah 0,4. Suaru hari di Puskes X
dikunjungi 30 bumil. Hitung probabilitas
bumil tersebut anemia
- Kurang dari 10 orang
- Lebih dari 15 orang
DISTRIBUSI SAMPLING
 Statistik Inferens

• Semua cara atau metode untuk

mengeneralisasi hasil dari suatu sampel
menjadi hasil populasi
• Berdasarkan distribusi sampling (distribusi
dari mean sampel) yg diambil secara
berulang dari suatu populasi.
 Ukuran

• Sampel : ẍ, s, n
• Populasi : μ, σ, N
Sifat Distribusi Sampling
Sifat 2
Sifat 3
• Walau populasi berdistribusi sembarang, jika
diambil sampel berulang kali secara random, harga
meannya akan berdistribusi normal.
 Contoh
• Didapat populasi 5 orang penderita
penyakit “D” yang masa inkubasinya sbb

No Pasien Masa Inkubasi (Hari)

1 2
2 3
3 6
4 8
5 11
 Contoh (2)
• Kadar Hb orang sehat (μ) adalah 12 gr%
dan (σ)=2,5 gr%. Seorang mhs telah
mengambil sebanyak 25 orang pengunjung
Puskesmas. Berapa peluang dari rata-rata
HB
- > 13 gr%
- Antara 11 s/d 13,5 gr%