Distribusi Probabilitas Diskret

BAB 8
DISTRIBUSI PROBABILITAS DISKRET
1
Distribusi Probabilitas Diskret
Bab 8
OUTLINE
BAGIAN II Probabilitas dan

Teori Keputusan
Pengertian Distribusi
Probabilitas
Konsep-konsep Dasar
Probabilitas Distribusi Probabilitas Binomial
Distribusi Probabilitas
Diskret
Hipergeometrik
Distribusi Probabilitas Poisson

Distribusi Normal
Menggunakan MS Excel untuk
Teori Keputusan
2
Distribusi Probabilitas Diskret Bab 8
PENDAHULUAN
Definisi:
• Distribusi probabilitas adalah sebuah susunan distribusi yang
mempermudah mengetahui probabilitas sebuah peristiwa.
• Merupakan hasil dari setiap peluang peristiwa.
Contoh Kasus:
• Berapa peluang meraih untung dari investasi di reksa dana
• Berapa banyak barang harus dikirim, apabila selama
perjalanan barang mempunyai probabilitas rusak
• Berapa peluang karyawan bekerja lebih baik esok hari
3
VARIABEL ACAK
Variabel acak
Sebuah ukuran atau besaran yang merupakan hasil suatu
percobaan atau kejadian yang terjadi acak atau untung-
untungan dan mempunyai nilai yang berbeda-beda.
Variabel acak diskret Variabel acak kontinu

Ukuran hasil percobaan Ukuran hasil percobaan
yang mempunyai nilai yang mempunyai nilai yang
tertentu dalam suatu menempati seluruh titik
interval. dalam suatu interval.
4
PEUBAH ACAK (VARIABEL)
 Titik-titik contoh dalam suatu ruang contoh (sample space) dapat

disajikan dalam bentuk numerik (bilangan).
 Peubah Acak (Variabel Acak/Random Variable) adalah fungsi
yang mendefinisikan titik contoh dalam ruang contoh, sehingga
memiliki nilai berupa bilangan nyata (beberapa teks ada juga
yang menyebutnya dengan stochastic variable).
 Pada umumnya, peubah acak dinyatakan dengan huruf kapital
seperti X atau Y, sedangkan nilai-nilai bagi peubah acak
dinotasikan dengan huruf kecil seperti x dan y.
5
Contoh 1:
 Sudah diketahui bersama bahwa dari percobaan pelemparan
sekeping mata yang setimbang sebanyak 3 (tiga) kali, akan
diperoleh ruang contoh yang terdiri dari 23 titik contoh, yaitu S
= {GGG, GGA, GAG, AGG, GAA, AGA, AAG, AAA}. Apabila X
adalah sebuah peubah acak yang didefinisikan sebagai:
“banyaknya sisi gambar (G) yang muncul”, maka sebutkanlah nilai-nilai
yang mungkin bagi X!
6
 Jawab:
S = {GGG, GGA, GAG, AGG, GAA, AGA, AAG,
AAA}
↓ ↓ ↓ ↓ ↓ ↓ ↓ ↓
x=3 x=2 x=2 x=2 x=1 x=1 x=1 x=0
Dengan demikian X = {0, 1, 2, 3}
 x = 0, artinya titik contoh tidak mengandung unsur G.
 x = 1, artinya titik contoh mengandung 1 unsur G
7
KATEGORI PEUBAH ACAK
Peubah acak dapat dibedakan menjadi beberapa kategori:

1. Peubah Acak Diskrit
 Nilainya berupa bilangan cacah, dapat dihitung dan
terhingga (finite).
 Untuk nilai data yang diperoleh dengan cara dicacah.
 Misal: - banyaknya produk yang rusak =12 buah
- banyaknya pegawai yang diPHK = 5 orang
8
KATEGORI PEUBAH ACAK
2. Peubah Acak Kontinu

 Nilainya berupa selang bilangan, tidak dapat dihitung
dan tak terhingga (infinite).
 Untuk nilai data yang diperoleh dengan cara diukur.
 Misal: - Jarak pabrik ke pasar = 35,57 km
- waktu produksi per unit = 15,07 menit
- berat bersih produk = 209,69 gram
- volume kemasan = 100,00 cc.
9
DISTRIBUSI PELUANG TEORITIS
 Adalah tabel atau rumus yang mencantumkan

semua kemungkinan nilai peubah acak berikut
peluang bagi masing-masing nilainya.
 Terkait dengan kategori peubah acak, maka
distribusi peluang juga dibedakan menjadi 2 jenis:
I. Distribusi Peluang Diskrit, misalnya distribusi
seragam, binomial, hipergeometrik, poisson, dll.
II. Distribusi Peluang Kontinu, misalnya distribusi
normal, student-t, F, χ2, dll.
10
DISTRIBUSI SERAGAM
PENGERTIAN:
 Jika peubah acak X mempunyai nilai x1, x2, x3, …, xk yang
berpeluang sama, maka distribusi peluang seragamnya
adalah:
1
f  x; k  
k
untuk x = x1, x2, x3, …, xk
Contoh 2:
 Jika Abu, Badu, dan Cici berpeluang sama untuk mendapat
beasiswa, bagaimanakah distribusi peluang mereka untuk
mendapat beasiswa tersebut?
11
DISTRIBUSI SERAGAM
 Jawab:
Fungsi sebaran peluangnya: 1
f  x;3 
3
Dengan demikian, sebaran peluang masing-masing adalah:
P(Abu) = ⅓
P(Badu) = ⅓
P(Cici) = ⅓
12
DISTRIBUSI SERAGAM
 Secara umum, nilai k pada sebaran peluang

seragam dapat dipandang sebagai kombinasi n
obyek dari N obyek yang berbeda.
k  CnN
di mana, N = banyaknya titik contoh dalam
ruang contoh
n = ukuran sampel acak
= banyaknya unsur peubah acak X
13
DISTRIBUSI SERAGAM
Contoh 3:
 Jika kemasan batu baterei terdiri dari 4 batu
baterei, maka bagaimana distribusi peluang cara
menyusun batu baterei untuk sejumlah 12 batu
baterei?
 Jawab:
12!
Jumlah cara yang mungkin: k  CnN  C412   495
4! 8!
Jadi, peluang seragamnya: f  x; k   f  x;495 
1
495
14
RATA-RATA HITUNG, VARIANS, DAN
STANDAR DEVIASI
• Rata-rata Hitung = E(X) = (X.P(X))
• Varians 2= (X - )2 .P(X)
• Standar Deviasi =  2
15
RATA-RATA HITUNG, VARIANS DAN

STANDAR DEVIASI

Standar deviasi =  = 2 =0,75 = 0,87
X P(X) X.P(X) X-  (X- )2 (X- )2P(X)
0 0,125 0,000 -1,50 2,25 0,28
1 0,375 0,375 -0,50 0,25 0,09
2 0,375 0,750 0,50 0,25 0,09
3 0,125 0,375 1,50 2,25 0,28
= 1,500 2 = 0,75
16
OUTLINE

Teori Keputusan
Probabilitas
Konsep-konsep Dasar
Diskret
Hipergeometrik

Distribusi Normal
Teori Keputusan
17
DISTRIBUSI PROBABILITAS BINOMIAL
Ciri-ciri Percobaan Bernouli:
• Setiap percobaan menghasilkan dua kejadian:

(a) kelahiran anak: laki-laki-perempuan;
(b) transaksi saham: jual- beli,
(c) perkembangan suku bunga: naik–turun dan lain-lain.
• Probabilitas suatu kejadian untuk suskes atau gagal adalah tetap

untuk setiap kejadian. P(p), peluang sukses, P(q) peluang gagal,
dan P(p) + P(q)= 1.
• Suatu percobaan dengan percobaan bersifat bebas.
• Data yang dihasilkan adalah data perhitungan.

18
DISTRIBUSI BINOMIAL
Percobaan Binomial
 Percobaan binomial adalah percobaan yang mempunyai ciri-
ciri sebagai berikut:
1) Percobaan diulang n kali.
2) Hasil setiap ulangan hanya dapat dikategorikan ke dalam 2
kelas, misalnya: “BERHASIL” atau “GAGAL”; “YA” atau
“TIDAK”; “SUCCESS” atau “FAILED”, dsb.
3) Peluang keberhasilan = p, dan dalam setiap ulangan nilai p
tidak berubah. Sedangkan peluang gagal = q = 1 – p.
4) Setiap ulangan bersifat bebas (independen) satu dengan
yang lain.
19
DISTRIBUSI BINOMIAL
DEFINISI
 Peluang binomial didefinisikan dengan fungsi binomial
sbb:
untuk x = 0, 1, 2, …, n
b(x;n,p)  Cxn  p x  q n-x
di mana, n = banyaknya ulangan
x = banyaknya output SUKSES dalam peubah
X
p = peluang SUKSES pada setiap ulangan
q = peluang GAGAL pada setiap ulangan = 1 –
q
20
DISTRIBUSI BINOMIAL
Catatan untuk peluang binomial:

 Untuk memudahkan membedakan p dengan q, maka kita
terlebih dulu harus dapat menetapkan mana kejadian
SUKSES dan mana kejadian GAGAL. Kita dapat menetapkan
bahwa kejadian yang ditanyakan adalah kejadian SUKSES.
Contoh 4:
 Tentukan peluang mendapatkan “MATA 1” muncul 3 kali pada
pelemparan sebuah dadu yang setimbang 5 kali!
21
DISTRIBUSI BINOMIAL
 Jawab:
Kejadian SUKSESnya adalah mendapatkan “MATA 1”.
x = 3 → banyaknya SUKSES atau nilai variabel.
n = 5 → pelemparan diulang 5 kali
1
p= ; q = 1- 1  5
6
 Jadi, 6 6
b(x;n,p)  C xn  p x  q n-x
b( 3;5, 16 )  C35  ( 16 ) 3  ( 56 ) 2
5! 5 2
  5  10  0,003215...  0,03215...
3!2! 6
22
DISTRIBUSI BINOMIAL
Contoh 5:
 Peluang seorang mahasiswa membolos adalah 6:10. Jika
terdapat 5 mahasiswa, berapakah peluangnya akan terdapat
2 orang mahasiswa tidak membolos?
 Jawab
Kejadian SUKSES dalam kasus ini: Tidak Membolos.
Peluang membolos = q = 6:10 = 0,6.
Peluang tidak membolos = p = 1 – q = 1 – 0,6 = 0,4.
x = 2, n = 5. Jadi, b(x=2, n=5, p=0,4):
b(x;5,0,4 )  C25  0,4 2  0,65- 2 = 10×(0,16)×(0,216) = 0,346
23
DISTRIBUSI BINOMIAL
Tabel Peluang Binomial

 Soal-soal mengenai peluang binomial dapat pula diselesaikan
dengan bantuan Tabel Distribusi Peluang Binomial.
 Tabel Distribusi Peluang Binomial mengandung unsur-unsur
fungsi binomial, yaitu:
 Baris: memuat n (jumlah trial) dan x (jumlah kejadian SUKSES)
 Kolom: memuat p (peluang kejadian SUKSES)
 Contoh tampilan sebagian Tabel Distribusi Peluang Binomial
diberikan pada tayangan selanjutnya.
 Cara pembacaan dan penggunaannya diberikan pada
tayangan yang mengikuti.
24
DISTRIBUSI BINOMIAL
25
DISTRIBUSI BINOMIAL
Cara pembacaan Tabel Peluang Binomial:

 Perhatikan bahwa pada setiap kolom Ʃp =1,0000 (atau
karena pembulatan, jumlahnya tidak persis 1,0000, tetapi
hanya mendekati 1,0000)
 Untuk setiap input fungsi binomial, pembacaan nilainya sbb:
x=0 n=5 p=0.10 b(0; 5, 0.10) = 0,5905
x=1 n=5 p=0.10 b(1; 5, 0.10) = 0,3280
 Jika 0≤x≤2, n=5, dan p=0.10, maka:
b(x; n, p) = b(0; 5, 0.10) + b(1; 5, 0.10) + b(2; 5, 0.10)
= 0,5905 + 0,3280 + 0,0729 = 0,9914
26
DISTRIBUSI BINOMIAL
Contoh 6:
 Suatu perusahaan pengiriman paket terikat
perjanjian bahwa keterlambatan paket akan
menyebabkan perusahaan harus membayar biaya
kompensasi. Jika peluang setiap kiriman akan
terlambat adalah 0,20 dan bila terdapat 5 paket,
hitunglah probabilitasnya:
a) Tidak ada paket yang terlambat (x=0)
b) Lebih dari 2 paket yang terlambat (x>2)
c) Tidak lebih dari 3 paket yang terlambat (x≤3)
d) Ada 2 sampai 4 paket yang terlambat (2≤x≤4)
e) Paling tidak ada 2 paket yang terlambat (x≥2)
27
DISTRIBUSI BINOMIAL
 Jawab:
a) x=0 → = b(0; 5, 0.20) = 0,3227
b) x>2 → = b(3; 5, 0.20) + b(4; 5, 0.20) + b(5; 5, 0.20)
= 0,0512 + 0,0064 + 0,0003 = 0,0579
atau dapat dicari dengan cara…
1 – b(x≤2) = 1 – [b(0; 5, 0.20) b(1; 5, 0.20) b(2; 5, 0.20)]
= 1 – (0,3277 + 0,4096 + 0,2048)
= 1 – 0,9421 = 0,0579
n x≤3 → = b(0; 5, 0.20) + b(1; 5, 0.20) + b(2; 5, 0.20) +b(3; 5, 0.20)
= 0,3277 + 0,4096 + 0,2048 + 0,0512
= 0,9933
28
DISTRIBUSI BINOMIAL
 Jawab (lanjutan…):
1 – b(x>3) = 1 – [b(4; 5, 0.20) + b(5; 5, 0.20)]
= 1 – (0,0064 + 0,0003)
= 1 – 0,0067 = 0,9933
d) 2≤x≤4 → = b(2; 5, 0.20) + b(3; 5, 0.20) + b(4; 5, 0.20)
= 0,2048 + 0,0512 + 0,0064 = 0,2624
29
DISTRIBUSI BINOMIAL
 Rata-rata dan ragam bagi sebaran peluang binomial

adalah (dapat dibuktikan secara matematis):
Rata-rata:
μ=n×p
Ragam:
di mana: n σ 2
= n ×populasi
= ukuran p×q
p = peluang BERHASIL pada setiap ulangan
q = 1 – p = peluang GAGAL pada setiap
ulangan
30
DISTRIBUSI BINOMIAL
Contoh 7:
 Apabila diketahui suatu sebaran fungsi binomial
b(5; 5, 0.20), hitunglah rata-rata, ragam, dan
simpangan bakunya!
 Jawab:
Untuk x=5, n=5, dan p=0,20, maka q=0,80
Jadi, μ = 5 × 0,20 = 1,00
σ2= 5 × 0,20 × 0,80 = 0,80
σ = 0.80 = 0,8944…
31
DISTRIBUSI BINOMIAL
REVIEW:
 Di daerah Indonesia bagian Timur, 5% dari
panggilan telepon seluler (ponsel) mengalami
gangguan (terputus). Berapakah probabilitasnya
bahwa dari 6 panggilan ponsel yang dipilih secara
acak:
a) Tidak ada yang terputus?
b) Tepat satu panggilan terputus?
c) Tepat lima panggilan terputus?
d) Kurang dari empat panggilan terputus?
e) Antara empat sampai enam panggilan terputus?
32
DISTRIBUSI PROBABILITAS BINOMIAL
Rumus distribusi probabilitas binomial:
n!
P( r )
r!( n  r )! p .q
r n r
Dimana:
P(r) : Nilai probabilitas binomial
p : Probabilitas sukses suatu kejadian dalam setiap percobaan
r : Banyaknya peristiwa sukses suatu kejadian untuk keseluruhan
percobaan
n : Jumlah total percobaan
q : Probabilitas gagal suatu kejadian yang diperoleh dari q = 1-p
33
CONTOH DISTRIBUSI BINOMIAL
PT MJF mengirim buah melon ke Hero. Buah yang dikirim 90%

diterima dan sisanya ditolak. Setiap hari 15 buah dikirim ke Hero.
Berapa peluang 15 dan 13 buah diterima? Hitung probabilitas 10
buah diterima???
Jawab:
P(p) = 0,9 dan P(q) = 1-0,9 = 0,1
P(15) = [15!/(15!(15-15)!] 0,9150,10 = 0,206

P(13) = [15!/(13!(15-13)!] 0,9130,12 = 0,267
Untuk mencari nilai distribusi binomial dapat menggunakan tabel

distribusi binomial dengan n=15; di mana X =15, dan X = 13
dengan P(p)= 0,9 dan dapat diperoleh nilai 0,206 dan 0,267 34
MENGGUNAKAN MS EXCEL UNTUK

DISTRIBUSI BINOMIAL
1. Anda klik icon fx atau anda klik icon insert dan pilih fx function.
2. Anda pilih menu statistical pada function category
3. Anda pilih menu Binomdist pada function name, Anda
tekan OK.
4. Setelah anda tekan OK pada langkah ke-3, maka akan keluar
kotak dialog seperti berikut:

BINOMDIST
Number_s : ………… (masukkan nilai X)
Trials : ……….. (masukkan nilai n)
Probability : ………… (masukkan nilai p)
Cumulative: ………… (tulis kata False)
Nilai P(r) akan muncul pada baris Formula result atau
tanda (=) 35
36
37
OUTLINE

Teori Keputusan
Probabilitas
Konsep-konsep Dasar
Diskret
Hipergeometrik

Distribusi Normal
Teori Keputusan
38
DISTRIBUSI HIPERGEOMETRIK
• Dalam distribusi binomial diasumsikan bahwa peluang suatu

kejadian tetap atau konstan atau antar-kejadian saling
lepas.
• Dalam dunia nyata, jarang terjadi hal demikian. Suatu

kejadian sering terjadi tanpa pemulihan dan nilai setiap
kejadian adalah berbeda atau tidak konstan.
• Distribusi dengan tanpa pemulihan dan probabilitas berbeda

adalah Distribusi Hipergeometrik.
39
Rumus nilai Distribusi Hipergeometrik:
( s C r x ( N s C n r )
P( r ) 
N
Cn
Dimana:
P(r) : Probabilitas hipergeometrik dengan kejadian r sukses
N : Jumlah populasi
S : Jumlah sukses dalam populasi
r : Jumlah sukses yang menjadi perhatian
n : Jumlah samper dari populasi
C : Simbol Kombinasi
40
Perbandingan dengan distribusi binomial

 Peluang Binomial
 Perhatian hanya untuk peluang BERHASIL
 Peluang Hipergeometrik
 Untuk kasus di mana peluang BERHASIL berkaitan
dengan peluang GAGAL.
 Ada penyekatan dan pemilihan/kombinas obyek (BERHA-
SIL dan GAGAL)
41
Percobaan Hipergeometrik
 Percobaan hipergeometrik adalah perobaan yang
memiliki ciri-ciri sebagai berikut:
1) Contoh acak berukuran n diambil dari populasi yang
berukuran N
2) k dari N diklasifikasikan sebagai “BERHASIL”,
sedangkan N–k diklasifikasikan sebagai “GAGAL”
42
 Peluang hipergeometrik didefinisikan sebagai berikut:

Bila dalam populasi dengan N obyek, k benda termasuk ke
dalam kelas “BERHASIL” dan N–k (sisanya) termasuk ke
dalam kelas “GAGAL”, maka Distribusi Hipergeometrik
peubah acak X yang menyatakan banyaknya keberhasilan
dalam contoh acak berukuran n adalah:
C xk  C nNxk untuk x = 0, 1, 3, …, k
h( x; N, n, k ) 
C nN
43
Contoh 10:
 Jika dari seperangkat kartu bridge diambil 5 kartu
secara acak tanpa pemulihan, berapa peluang
diperoleh 3 kartu hati?
 Jawab:
Diketahu: N = 52; n = 5; k = 13; x=
3;
C 313  C 239
Jadi, h(3; 52, 5,13) 
C 552
44
 Rata-rata dan ragam bagi suatu distribusi peluang

hipergeo-metrik h(x; N, n, k) adaalah:
Rata-rata: n k


N
 Ragam:
Nn k k
2   n  (1  )
N 1 N N
di mana, N = total obyek dalam populasi
(semesta)
n = ukuran sampel (contoh)
k = jumlah obyek dalam kategori “BERHASIL”
45
 Distribusi hipergeometrik dapat diperluas menjadi

penyekatan ke dalam beberapa kelas sbb:
C xa11  C xa22  C xakk
f ( x1 , x2 , ..., xk ; a1 , a2 , ..., ak , N, n ) 
CnN
k
Perhatikan bahwa: n 
k
 xi dan N a
i 1
i
i 1
di mana, N = ukuran populasi (semesta)

n = ukuran contoh acak
k = banyaknya penyekatan (kelas)
xi = banyaknya keberhasilan kelas ke-i dalam contoh
ai = banyaknya keberhasilan kelas ke-i dalam populasi
46
Contoh 11:
 Dari 10 pengemudi sepeda motor, 3 orang mengemudikan
motor merk “S”, 4 orang menggunakan motor merk “Y”, dan
sisanya menggunakan motor merk “H”. Jika secara acak
diambil 5 orang, berapa peluang 1 orang mengemudikan
motor merk “S”, 2 orang merk “Y”, dan 2 orang merk “H”?
 Jawab:
Diketahui, N = 10, n = 5
a1 = 3, a2 = 4, a3 = 3,
x1 = 1, x2 = 2, x3 = 2
47
Dengan demikian,
C13  C24  C23

f 1, 2, 2; 3, 4, 3,10, 5 
C510
48
Pendekatan Hipergeometrik untuk Binomial

 Pendekatan hipergeometrik dapat juga dilakukan
untuk menyelesaikan persoalan-persoalan binomial.
 Binomial → digunakan untuk pengambilan contoh
dengan pemulihan (dengan pengembalian).
 Hipergeometrik → digunakan untuk pengambilan
contoh tanpa pemulihan (tanpa pengembalian).
49
Contoh 12:
 Dalam suatu kotak terdapat 5 bola yang terdiri dari 2 bola
merah, 2 bola biru, dan 1 bola putih. Berapakah peluangnya:
a) Terambil 2 bola merah, dari 4 kali pengambilan yang
dilakukan secara acak dengan pemulihan?
b) Terambil 2 bola merah, dari 4 kali pengambilan yang
dilakukan secara acak tanpa pemulihan?
 Jawab:
a) Diselesaikan dengan distribusi peluang binomial.
50
Diketahui, p = 2/5 = 0,40; n = 4; x=2
Jadi, b(2; 4, 0,40) = 0,16
b) Diselesaikan dengan distribusi peluang
hipergeometrik
Diketahui, N = 5; n = 4; k = 2; x=2
N–k = 3 n–x = 2
Jadi, C 22  C 23 1 3 3
h  2; 5, 4, 2   5
   0,60
C4 5 5
51
REVIEW
 PlayTime Toys, Inc. mempekerjakan 50 karyawan
di bagian Departemen Perakitan. 40 dari karyawan
tersebut ikut serikat buruh, sedangkan 10 sisanya
tidak. 5 orang karyawan dipilih secara acak dalam
rangka pembentukan komite yang akan menemui
manajemen guna membahas masalah waktu
pergantian kerja. Berapa peluangnya bahwa 4 dari
5 orang yang terpilih dalam komite merupakan
anggota serikat pekerja?
52
CONTOH DISTRIBUSI HIPERGEOMETRIK
Ada 33 perusahaan di BEJ akan memberikan deviden dan

20 di antaranya akan membagikan dividen di atas
100/lembar. Bapepam sebagai pengawas pasar saham
akan melakukan pemeriksaan dengan mengambil 10
perusahaan. Berapa dari 10 perusahaan tersebut, 5
perusahaan akan membagikan saham di atas
100/lembarnya?
Jawab:
N = 33 S= 20 n=10 r=5
P(r) = [(20C5) x (33-20C10-5)]/ (33C10) = 0,216

53
MENGGUNAKAN MS EXCEL UNTUK

• Klik icon fx atau klik icon insert dan pilih fx function

• Pilih menu statistical pada function category
• Pilih menu HYPGEOMDIST pada function name, tekan OK
• Setelah tekan OK pada langkah ke-3, maka akan keluar kotak
dialog seperti berikut
HYPGEOMDIST
Sampel_s : ………… (masukkan nilai r)
Number_sampel : ……….. (masukkan nilai n)
Population_s : ………… (masukkan nilai S)
Number_pop : ………… (masukkan nilai N)
• Nilai P(r) akan muncul pada baris Formula result atau tanda (=)
54
55
56
OUTLINE

Teori Keputusan
Probabilitas
Konsep-konsep Dasar
Diskret
Hipergeometrik

Distribusi Normal
Teori Keputusan
57
DISTRIBUSI POISSON
• Dikembangkan oleh Simon Poisson
• Poisson memperhatikan bahwa distribusi binomial sangat

bermanfaat dan dapat menjelaskan dengan baik, namun
untuk n di atas 50 dan nilai P(p) sangat kecil akan sulit
mendapatkan nilai binomialnya.
• Rumus:
P(X) = xe-/X!
58
DISTRIBUSI POISSON
Percobaan Poisson
 Percobaan Poisson adalah percobaan yang
memiliki ciri-ciri sebagai berikut:
1) Hasil percobaan pada suatu selang waktu dan tempat tidak
tergantung dari hasil percobaan di selang waktu dan tempat lain yang
terpisah.
2) Peluang terjadinya suatu hasil percobaan sebanding dengan panjang
selang waktu dan luas tempat percobaan terjadi. Hal ini berlaku
hanya untuk selang waktu yang singkat dan luas daerah yang
sempit.
3) Peluang bahwa lebih dari satu hasil percobaan akan terjadi pada
satu selang waktu dan luasan tempat yang sama diabaikan.
59
DISTRIBUSI POISSON
 Peluang Poisson didefinisikan dengan fungsi Poisson sbb:
e  x
poisson( x;  ) 
x!
di mana, e = bilangan alam (natural number) =
2,71828…
x = banyaknya unsur BERHASIL dalam sampel
μ = rata-rata keBERHASILan
Perhatikan formula yang digunakan! Peluang suatu kejadian
Poisson dihitung dari rata-rata populasinya (μ).
60
DISTRIBUSI POISSON
Tabel Peluang Poisson

 Seperti halnya peluang binomial, soal-soal peluang
Poisson dapat diselesaikan dengan Tabel Peluang
Poisson. Soal-soal tentang peluang Poisson bahkan
terlihat sangat sulit apabila diselesaikan dengan
memecahkan fungsi Poissonnya.
 Cara membaca dan menggunakan Tabel Peluang
Poisson tidak jauh berbeda dengan Tabel Peluang
Binomial.
 Cara pembacaan dan penggunaannya diberikan pada
tayangan berikutnya.
61
DISTRIBUSI POISSON
62
DISTRIBUSI POISSON
Cara pembacaan Tabel Peluang Poisson:

 Berdasarkan tabel pada tayangan sebelumnya dengan μ =
4,5,
untuk x=2 → = poisson(2; 4.5) = 0,1125
untuk x<3 → = poisson(x<3; 4.5)
= poisson(0; 4.5) + poisson(1; 4.5) +
poisson(2; 4.5)
= 0,0111 + 0,0500 + 0,1125 = 0,1736
untuk x>2 → = poisson(x>2; 4.5)
= poisson(3; 4.5) + poisson(4; 4.5) + ….. +
poisson(15; 4.5)
63
DISTRIBUSI POISSON
Cara pembacaan Tabel Peluang Poisson (lanjutan…):

= 1 – poisson(x≤2; 4.5)
= 1 – [poisson(0; 4.5) + poisson(1; 4.5) + poisson(2; 4.5)]
= 1 – (0,0111 + 0,0500 + 0,1125)
= 1 – 0,1736 = 0,8264
64
DISTRIBUSI POISSON
Contoh 8:
 Rata-rata seorang sekretaris baru melakukan 5 kesalahan
ketik per halaman. Berapa peluang bahwa pada halaman
berikutnya ia membuat:
a) Tidak ada kesalahan (x=0)?
b) Tidak lebih dari 3 kesalahan (x≤3)?
c) Lebih dari 3 kesalahan (x>3)?
d) Paling tidak ada 3 kesalahan (x≥3)?
 Jawab:
Diketahui bahwa μ = 5. Jadi,
65
DISTRIBUSI POISSON
a) x=0 → = poisson(0; 5) = 0,0067
b) x≤3 → = poisson(0; 5) + poisson(1; 5) + poisson(2; 5)
+ poisson(3; 5)
= 0,0067 + 0,0337 + 0,0842 + 0,1404 = 0,2650
c) x>3 → = poisson(x>3; 5)
= poisson(4; 5) + poisson(5; 5) + poisson(6; 5) +
poisson(7; 5) + ….. + poisson(15; 5)
66
DISTRIBUSI POISSON
poisson(x>3; 5) = 1 – poisson(x≤3; 5)
= 1 – [poisson(0; 5) + poisson(1; 5) +
poisson(2; 5) + poisson(3; 5)]
= 1 – (0,0067 + 0,0037 + 0,0842
+ 0,1404)
= 1 – 0,2650 = 0,7350
d) x≥3 → = 1 – poisson(x≤2; 5)
= 1 – [poisson(0; 5) + ….. + poisson(2; 5)]
= 1 – (0,0067 + 0,0037 + 0,0842)
= 1 – 0,0946 = 0,9054
67
DISTRIBUSI POISSON
Pendekatan Poisson untuk Binomial

 Pendekatan peluang Poisson untuk masalah peluang
binomial dila-kukan jika n sangat besar (n > 20) dan p
sangat kecil (p < 0,01).
 Penyelesaian dengan pendekatan Poisson ini dilakukan
dengan terlebih dulu menetapkan p dan kemudian
menetapkan μ = n × p.
Contoh 9:
 Dari 1000 orang mahasiswa, 2 orang mengaku selalu
telat masuk kuliah tiap hari. Jika pada suatu hari
terdapat 5000 mahasiswa, berapa peluang ada lebih
dari 3 orang yang telat?
68
DISTRIBUSI POISSON
 Jawab:
Kejadian SUKSES: selalu telat masuk kuliah
p = 2 = 0,002; n = 5000; x>3
1000
Jika masalah di atas diselesaikan dengan peluang binomial:
b(x>3; 5000, 0,002) → tidak ada di dalam tabel
→ tidak praktis diselesaikan manual
Dengan pendekatan poisson →
hitung μ = n × p = 5000 × 0,002 = 10
Dengan demikian,
69
DISTRIBUSI POISSON
→ poisson(x>3; 10)= 1 – poisson(x≤3; 10)
= 1 – [poisson(0; 10) + poisson(1; 10) +
poisson(2; 10) + poisson(3; 10)]
= 1 – (0,0000 + 0,0005 + 0,0023)
= 1 – 0,0028 = 0,9972
70
DISTRIBUSI POISSON
REVIEW
 Emprit Airlines adalah perusahaan penerbangan yang melayani
rute penerbangan musiman dari Surabaya ke berbagai kota di
Indonesia Bagian Timur. Akhir-akhir ini Emprit Airlines sedang
dihadapkan pada masalah klaim bagasi yang hilang. Marwoto
dari Departemen Analitis diminta untuk melakukan studi atas
masalah ini. Dia memilih contoh secara acak 500 penerbangan
dan menemukan bahwa total 20 bagasi telah hilang dalam
penerbangan-penerbangan tersebut. Hitunglah berapa peluang
bahwa tidak ada bagasi yang hilang pada suatu penerbangan?
Berapa pula peluangnya bahwa setidaknya 1 bagasi hilang?
71
CONTOH DISTRIBUSI POISSON
Jumlah emiten di BEJ ada 120 perusahaan. Akibat krisis ekonomi,

peluang perusahaan memberikan deviden hanya 0,1. Apabila BEJ
meminta secara acak 5 perusahaan, berapa peluang ke-5
perusahaan tersebut akan membagikan dividen?
Jawab:
n = 120 X=5 p=0,1 =n.p =120 x 0,1 = 12
P(X) = 1252,71828-12/5! = 0,0127
Untuk mendapatkan nilai distribusi Poisson, dapat digunakan tabel

distribusi Poisson. Carilah Nilai  = 12 dan nilai X = 5, maka akan
didapat nilai 0,0127
72
MENGGUNAKAN MS EXCEL UNTUK DISTRIBUSI

POISSON
• Klik icon fx atau anda klik icon insert dan pilih fx function
• Pilih menu statistical pada function category
• Pilih menu POISSON pada function name, tekan OK
• Setelah tekan OK pada langkah ke-3, maka akan keluar kotak
dialog seperti berikut:
POISSON
X : ………… (masukkan nilai x)
Mean : ……….. (masukkan nilai )
Cumulative : ………… (tulis FALSE)
• Nilai P(X) akan muncul pada baris Formula result atau tanda (=)
73
74
75
OUTLINE

Teori Keputusan
Probabilitas
Konsep-konsep Dasar
Diskret
Hipergeometrik

Distribusi Normal
Teori Keputusan
76
KUIS
PT JATIM ABADI memiliki perkebunan buah melon
di Magetan dan Madiun. Setiap bulannya dapat
dihasilkan 20 ton buah melon dengan kualitas A.
Buah melon tersebut di bawa dengan truk ke
Jakarta. Probabilitas melon mengalami kerusakan
selama perjalanan adalah 20%. Berapa probabilitas
maksimal 4 ton dari jumlah melon tersebut rusak
dan berapa peluang tepat 4 ton buah melon
tersebut rusak?
77
TERIMA KASIH
78

Distribusi Probabilitas Diskret

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Distribusi Probabilitas Diskret

Diunggah oleh

Hak Cipta:

Format Tersedia

BAB 8

DISTRIBUSI PROBABILITAS DISKRET

BAGIAN II Probabilitas dan

Distribusi Probabilitas Poisson

Variabel acak diskret Variabel acak kontinu

 Titik-titik contoh dalam suatu ruang contoh (sample space) dapat

Peubah acak dapat dibedakan menjadi beberapa kategori:

2. Peubah Acak Kontinu

 Adalah tabel atau rumus yang mencantumkan

 Secara umum, nilai k pada sebaran peluang

• Rata-rata Hitung = E(X) = (X.P(X))

• Varians 2= (X - )2 .P(X)

RATA-RATA HITUNG, VARIANS DAN

X P(X) X.P(X) X-  (X- )2 (X- )2P(X)

0 0,125 0,000 -1,50 2,25 0,28

1 0,375 0,375 -0,50 0,25 0,09

2 0,375 0,750 0,50 0,25 0,09

3 0,125 0,375 1,50 2,25 0,28

BAGIAN II Probabilitas dan

Distribusi Probabilitas Poisson

DISTRIBUSI PROBABILITAS BINOMIAL

Ciri-ciri Percobaan Bernouli:

• Setiap percobaan menghasilkan dua kejadian:

• Probabilitas suatu kejadian untuk suskes atau gagal adalah tetap

• Suatu percobaan dengan percobaan bersifat bebas.

• Data yang dihasilkan adalah data perhitungan.

Catatan untuk peluang binomial:

b(x;5,0,4 )  C25  0,4 2  0,65- 2 = 10×(0,16)×(0,216) = 0,346

Tabel Peluang Binomial

Cara pembacaan Tabel Peluang Binomial:

 Rata-rata dan ragam bagi sebaran peluang binomial

DISTRIBUSI PROBABILITAS BINOMIAL

Rumus distribusi probabilitas binomial:

CONTOH DISTRIBUSI BINOMIAL

PT MJF mengirim buah melon ke Hero. Buah yang dikirim 90%

P(15) = [15!/(15!(15-15)!] 0,9150,10 = 0,206

Untuk mencari nilai distribusi binomial dapat menggunakan tabel

MENGGUNAKAN MS EXCEL UNTUK

BAGIAN II Probabilitas dan

Distribusi Probabilitas Poisson

• Dalam distribusi binomial diasumsikan bahwa peluang suatu

• Dalam dunia nyata, jarang terjadi hal demikian. Suatu

• Distribusi dengan tanpa pemulihan dan probabilitas berbeda

Rumus nilai Distribusi Hipergeometrik:

Perbandingan dengan distribusi binomial

 Peluang hipergeometrik didefinisikan sebagai berikut:

 Rata-rata dan ragam bagi suatu distribusi peluang

 Distribusi hipergeometrik dapat diperluas menjadi

di mana, N = ukuran populasi (semesta)

C13  C24  C23

Pendekatan Hipergeometrik untuk Binomial

CONTOH DISTRIBUSI HIPERGEOMETRIK

Ada 33 perusahaan di BEJ akan memberikan deviden dan

P(r) = [(20C5) x (33-20C10-5)]/ (33C10) = 0,216

MENGGUNAKAN MS EXCEL UNTUK

• Klik icon fx atau klik icon insert dan pilih fx function

BAGIAN II Probabilitas dan

Distribusi Probabilitas Poisson

• Dikembangkan oleh Simon Poisson

• Poisson memperhatikan bahwa distribusi binomial sangat

 Peluang Poisson didefinisikan dengan fungsi Poisson sbb:

Tabel Peluang Poisson

Cara pembacaan Tabel Peluang Poisson: