Materi 2

Mengaplikasikan Probabilitas Diskrit

Ernawati Puji Rahayu (1906452164)

Fauziah Khairatunnisa (2006491273)

Program Magister Biologi

Departemen Biologi
Fakultas Matematika dan Ilmu Pengetahuan Alam
Universitas Indonesia
2020
 Outline

1. Definisi dan Jenis Distribusi Peluang

2. Probabilitas Diskrit
3. Distribusi Binomial
4. Distribusi Multinomial
5. Distribusi Hipergeometris
6. Distribusi Poisson
1. Definisi dan Jenis Distribusi Peluang
Distribusi peluang adalah sebuah daftar dari semua hasil yang
mungkin muncul dari sebuah percobaan dan peluang yang
berhubungan dengan setiap hasil. Terdapat 2 jenis distribusi
peluang :

1. Distribusi Peluang Diskrit hanya dapat bernilai tertentu. Ciri-ciri

utamannya adalah :
• Jumlah total peluangnya sama dengan 1
• Peluang dari suatu hasil adalah antara 0 sampai 1
• Hasilnya tidak terikat satu sama lain

2. Distribusi Peluang Kontinu dapat bernilai tak hingga dalam suatu

jangkauan yang spesifik.
 Perbedaan distribusi peluang diskrit dan
kontinu
No Diskrit
1 Terukur/countable
Contoh : berapa jumlah burung di
kebun binatang (misal 100 ekor)
2 Nothing between (jekas/tidak ada
sesuatu diantaranya)
3 Rounded/ clase value
Contoh : umur hewan coba 8
minggu (sekitar 8 minggu)
4 Digital
Misal : saat ini pukul 12.10
5 P(X) = 1, biasanya bilangan bulat
Kontinu
Infinite/tak terbatas
Contoh : berapa berat burung yang ada
di kebun binatang (misal burung kakatua
4,5 kg; 5,3 kg; 4,2 kg dst..)
Always something between (ada
interval)
Exact value (sesuai yang tepat)
Contoh : umur hewan coba 8 minggu, 3
jam,2 menit,37 detik
Analog
Misal : saat ini pukul 12.10 menit sekian
detik...detiknya masih terus berjalan
0≤ X≤5
2. Distribusi Peluang Diskrit
Distribusi peluang diskrit adalah suatu ruang
sampel yang mengandung jumlah titik sampel dan
peluang yang tak terhingga atau suatu barisan
unsur yang tidak pernah berakhir tetapi yang sama
banyaknya dengan bilangan cacah (Walpole,1993).

Macam-macam peluang diskrit :

a. Distribusi binomial
b. Distribusi multinomial
c. Distribusi hipergeometris
d. Distribusi Poisson
3. Distribusi Binomial
Suatu percobaan dimana pada
setiap hasilnya hanya ada dua
kemungkinan yaitu sukses dan
gagal dalam n kali pengulangan
yang bebas (Walpole,1993)
Ciri-ciri :
• Percobaan terdiri atas n ulangan
• Digolongkan menjadi sukses dan
gagal
• Nilai peluang untuk setiap
ulangan tidak berubah
• Pengulangan bersifat bebas
• Rumus binomial :
b(n,x,π)=Cnx. π x (1- π)n-x
p adalah peluang sukses, maka 1- π
adalah peluang gagal
n banyaknya ulangan
x banyaknya sukses.
• Nilai rata-rata µ= n. π
• Rumus variansi σ2= n. π (1- π)
• Rumus standar deviasi σ =√ n.p.(1-
π)
• Bentuk distribusi binomial
tergantung pada n dan π
3. Distribusi Binomial
Contoh
Jika maskapai AA memiliki 5 jadwal penerbangan setiap
hari dari Jakarta ke Surabaya dengan probabilitas
keterlambatan 0,2 tiap hari, maka tentukanlah :
a. Berapa probabilitas tidak ada penerbangan yang
terlambat hari ini
b. Berapa probabilitas hanya satu penerbangan yang
terlambat hari ini
c. Susun distribusi probabilitasnya
3. Distribusi Binomial
3. Distribusi Binomial
3. Distribusi Binomial
Peluang seorang pasien sembuh dari suatu
penyakit darah yang jarang terjadi adalah 0,4.
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.
3. Distribusi Binomial
4. Distribusi Multinomial
Jika percobaan Jika sebuah percobaan memiliki
kemungkinan hasil yaitu E1​,E2​,
binomial berkembang …,Ek dengan peluang masing-
dengan memberikan masing p= {p1​,p2​,…,pk​}
lebih dari dua hasil
yang mungkin maka distribusi peluang dari
variabel random X= {X1​,X2​,…,Xk​
(bukan hanya kategori } yang menggambarkan jumlah
sukses dan gagal), kemunculan E1​,E2​,…,Ek​ dalam
maka percobaanx itu n percobaan independen akan
mengikuti Distribusi Multinomial
dinamakan dengan fungsi kepadatan peluang
Multinomial.
4. Distribusi Multinomial
Contoh
Berdasarkan laporan sebuah penelitian tahun 1995,
diantara produk obat yang dihasilkan, terdapat cacat
produksi. Setiap obat dapat dikategorikan sebagai baik,
rusak dan cacat. Diketahui bahwa 70% produksi obat
dikategorikan baik, 25% cacat dan 5% rusak. Jika sebuah
sample random dengan mengambil 20 obat, berapa
probabilitas ditemukan 15 obat yang baik, 3 cacat dan 2
rusak?
5. Distribusi Hipergeometris
Bila dalam N populasi benda, k buah benda diberi
label berhasil dan N-k benda lainnya diberi label
gagal, maka distribusi peluang bagi peubah acak
hipergeometrik X yang menyatakan banyaknya
•  
keberhasilan dalam contoh acak berukuran n
Rumus h(x;N,n,s) = Cs.CN-s / CN
(Walpole,1993).
x = banyaknya sukses
Ciri-ciri : S = banyaknya populasi sukses
• Suatu percobaan terdiri atas contoh acak atau random
diambil dari populasi berukuran N N = banyaknya populasi
• Peluang sebuah sukses tidak sama untuk setiap percobaan n =banyaknya percobaan
• Distribusi ini dihasilkan dari perhitungan jumlah sukses 𝑛𝑥
 
dari suatu percobaan 𝑁
• Distribusi ini digunakan ketika pengambilan sampel
Rata-rata : E (x) =
dilakukan tanpa pengembalian
• Distribusi peluang peubah acak hipergeometrik x yaitu
banyaknya sukses dalam sampel acak ukuran n yang
diambil dari N benda yang mengandung s sukses dan N-s Varian : Var (x) =
gagal
5. Distribusi Hipergeometris
Contoh
Sebuah kandang hewan coba berisi 15 kelinci, 5
diantaranya cacat. Diambil sampel sebanyak 4
ekor untuk mendeteksi kecacatan tersebut,
berapakah probabilitas 3 kelinci dinyatakan
cacat? Anggaplah sampel diambil tanpa
pengembalian.
5. Distribusi Hipergeometris
5. Distribusi Hipergeometris
Contoh
Sejumlah 10 orang dipakai dalam suatu kasus penelitian
biologi. Tiga diantara mereka bergolongan darah 0, 4
bergolongan A, dan 3 bergolongan B. Berapakah peluang
suatu sampel acak ukuran 5 beranggota 1 orang
bergolongan darah 0,2 bergolongan A, dan 2 lainnya
bergolongan B ?
 Perbedaan distribusi binomial dan
hipergeometrik
• Binomial/Bernoulli
• Cara pengambilan sampel saling
bebas untuk ditiapkali
pengambilan
• Dengan pengembalian
• Kemungkinan hasil : sukses dan
gagal
• Peluang sukses nya sama tiap
kali ulangan
Hipergeometrik
Cara pengambilan
sampel tidak saling
bebas untuk ditiap kali
pengambilan
Tanpa pengembalian
Kemungkinan hasil :
sukses dan gagal
Peluang suksesnya
berbeda tiap ulangan
6. Distribusi Poisson
Percobaan yang menghasilkan nilai-nilai bagi suatu peubah acak
X, yaitu banyaknya hasil percobaan yang terjadi selama suatu
selang waktu tertentu atau distribusi daerah tertentu
(Walpole,1993).
Ciri-ciri:
• Banyaknya hasil percobaan yang terjadi dalam suatu selang
waktu tertentu atau wilayah tertentu tidak bergantung pada
banyaknya hasil percobaan pada selang waktu atau wilayah
yang berbeda
• Peluang terjadinya suatu hasil percobaan selama waktu yang
singkat atau dalam wilayah kecil sebanding dengan panjang
selang waktu atau besarnya wilayah tersebut
6. Distribusi Poisson
Rumus p(x, λ) = λ  x .e -λ • Peluang bahwa lebih dari
x! 
satu hasil percobaan akan
λ = mean populasi (sebagai pendekatan terjadi dalam selang waktu
binomial jika π sangat kecil; λ = nπ ) yang singkat tersebut atau
e = konstanta atau bilangan natural
dalam daerah yang kecil
=2,71828
tersebut, dapat diabaikan.
x = banyaknya sukses
• Bilangan X yang
Contoh : menyatakan banyaknya
Banyaknya pesawat yang delay karena daerah hasil percobaan
cuaca buruk dalam suatu distribusi
Banyaknya salah ketik dalam satu poisson disebut peubah
halaman acak poisson.
6. Distribusi Poisson
Contoh
Diketahui bahwa probabilitas gagal panen lahan
akibat banjir dalam satu tahun adalah 0,1. Jika
seorang pengusaha pertanian menyewa lahan
selama 30 tahun, berapakah probabilitas
pengusaha tidak akan mengalami gagal panen
selama masa sewa?
6. Distribusi Poisson
6. Distribusi Poisson
Apabila probabilitas bahwa seorang individu
akan mengalami reaksi yang buruk terhadap
injeksi dari suatu serum adalah 0,001 maka
tentukan probabilitas bahwa dari 2000 individu,
tepat 3 individu akan mengalami reaksi buruk!
6. Distribusi Poisson
Penyelesaian : Probabilitas bahwa seorang individu akan
mengalami reaksi yang buruk terhadap injeksi dari suatu serum
adalah 0,001 sehingga probabilitas bahwa dari 2000 individu
akan tepat 3 individu yang mengalami reaksi buruk merupakan
distribusi Poisson dengan λ = np = 2000(0,001) = 2 sehingga
probabilitas tepat 3 individu yang mengalami reaksi buruk adalah
 Referensi
• Setiawan A. Pengantar Teori Probabilitas. 2015
• Soong TT. Fundamental Of Probability And
Statistics For Engineers. State University Of New
York. USA.
• Walpole, Ronald E. 1993. Pengantar Statistika Edisi
Ke-3.Jakarta:PT Gramedia Pustaka Utama.
• Walpole RE, Myers SL, Myers, Ye K. Probability &
Statistics for Engineering and Statistics, 9th ed.,
2012, Prentice Hall International Edition.