DISTRIBUSI DATA

Aesthetica Islamy, SKM, MPH

 DISTRIBUSI PROBABILITAS DISKRIT
• Sampel diskrit memiliki distribusi probabilitas
khusus
• Jenisnya ada 2, yaitu
• Distribusi Binomial/Bernoulli
• Distribusi Poisson
DISTRIBUSI BINOMIAL/BERNOULLI
• Distribusi Probabilitas dimana hanya ada 2
kemungkinan yang terjadi, seperti: sukses atau
gagal, benar atau salah, ya atau tidak, lebih
besar atau lebih kecil sama dengan.
 SIFAT-SIFAT DISTRIBUSI BINOMIAL
• Percobaan dilakukan sebanyak n kali
• Tiap pengulangan hanya menghasilkan salah satu dari
kedua kemungkinan
• Probabilitas sukses/benar/ya/lebih besar dinyatakan
dengan variabel p, sedangkan probabilitas lawannya
(gagal/salah/tidak/lebih kecil sama dengan)
dinyatakan dengan variabel q, dimana q=1-p
• Hasil pada satu percobaan bersifat independen artinya
percobaan tersebut tidak dipengaruhi dan tidak
mempengaruhi hasil percobaan lainnya
 RUMUS DISTRIBUSI BINOMIAL
• Banyaknya x sukses pada n kali percobaan
dinyatakan sebagai probabilitas acak binomial
• Rumus:
 CONTOH SOAL 1
• Seorang siswa diberikan 10 soal dengan tipe
pilihan ganda (4 pilihan). Tentukan nilai
probabilitas binomial siswa tersebut
menjawab semua soal dengan salah?
 JAWABAN SOAL 1
• Semua
  soal dijawab salah, x=0
• Peluang benar di satu soal  p=1/4=0.25

• Pb(0)==0.0563
 DISTRIBUSI BINOMIAL
• Sebuah pabrik memproduksi alat pemotong
kayu. Ternyata diketahui bahwa 5% dari
produksi alat tersebut tidak lolos kontrol
kualitas. Jika penyelidik mengambil 10 alat
pemotong kayu tersebut secara acak,
berapakah probabilitas akan a) didapatkannya
2 alat rusak dan b) didapatkannya tidak ada
alat yang rusak
 JAWABAN SOAL 2
•Diketahui:
 
• n=10 ; p=5%=0.05 ; q=1-p=0.95
Jawaban:
a. Dua alat rusak  x=2
Pb(2)==0.075
b. Tdk ada alat rusak  x=0
Pb(0)==0.599
DISTRIBUSI POISSON
 SYARAT DISTRIBUSI POISSON
• Kejadian yang jarang dalam jangka waktu
pendek
• Probabilitas setiap periode selalu konstan
• Utk tjd bbrp kjdn dlm jangka wkt pendek
hampir mendekati nol
• Event yang indepedent
 SIFAT DISTRIBUSI POISSON
• Percobaan pd satu selang waktu atau wilayah
tertentu tdk bergantung pada selang waktu
atau wilayah yang lain
• Peluang lbh dr satu kali percobaan akan terjadi
dalam selang wkt yg singkat tsb dapat
diabaikan
 CONTOH PENERAPAN
• Menghitung probabilitas tjdnya peristiwa mnrt
satuan waktu, ruang, isi, luas atau panjang
tertentu
• Contoh:
• Banyaknya penggunaan telp per menit
• Banyaknya mobil yg lewat pd suatu ruas jln
selama 5 menit
• Banyaknya bakteri pd satu tetes atau 1 L air
minum
 RUMUS DISTRIBUSI POISSON

Keterangan:
e adalah bilangan natural (e=2.718)
Cadalah rata-rata keberhasilan (n dikali p)
 DISTRIBUSI POISSON
• Sebuah toko alat-alat listrik mencatat rata-rata
penjualan lampu TL 40 W setiap hari sebanyak
5 buah. Jika permintaan akan lampu tsb
mengikuti distribusi Poisson, maka
probabilitas utk penjualan a) 0 lampu TL, b) 3
lampu TL
 JAWABAN SOAL 1
•Diketahui:
  λ =5
a. 0 lampu TL  x=0
Pp(0)= = = 0.00674
b. 3 lampu TL
Pp(0)= = = 0.14
 CONTOH SOAL 2
• Dalam sebuah majalah yang memiliki 120
halaman, terdapat 80 kata yang salah cetak
dan berdistribusi secara acak. Seandainya
sebuah halaman dibuka, hitunglah
probabilitas a) halaman tersebut tidak
terdapat salah cetak dan b) halaman tersebut
memiliki 4 kata yang salah cetak
 JAWABAN SOAL 2
•Diketahui:
 
• n=80 ; p= ; λ= nxp=80x =0.67
a. 0 kata salah cetak  x=0
Pp(0)= = = 0.512
b. 4 kata salah cetak  x=4
Pp(0)= = = 0.004
 Distribusi Normal
Distibusi normal merupakan distribusi
kontinu yang sangat penting dalam statistik
dan banyak dipakai memecahkan
persoalan.

Distribusi normal disebut juga Distribusi

Gauss
 Persamaan Umum
Distribusi Normal
2
1  x 
1  
2  

f ( x)  e
 2
Rumus 12.1
Dimana
 = Rata-rata
 = Simpangan baku
 = 3,14159
e = 2,71828

Distribusi normal f(x) didefinisikan pada interval terbuka - < x < +

 Sifat-sifat Distribusi Normal
• Grafik simetri terhadap garis tegak x = 
• Grafik selalu berada diatas sumbu X atau f (x)>0
• Mempunyai satu nilai modus
• Grafiknya mendekati sumbu X, tetapi tidak akan
memotong sumbu X, sumbu X merupakan garis
batas (asimtot)
• Luas daerah di bawah kurva f (x) dan diatas sumbu
X sama dengan 1, yaitu P (- ∞ < x < + ∞)=1
 Probabilitas (a < x < b)
Probabilitas distribusi normal f(x) pada interval a < x < b,
ditentukan dengan memakai luas daerah di bawah kurva f(x)
sebagaimana ditunjukan oleh Gambar berikut:
f(X)

Gambar 12.4

X
a µ b
Probabilitas P (a < x < b) ditunjukan oleh luas daerah yang diarsir,
yang dibatasi oleh kurva f(x), sumbu X, garis tegak X=a dan X=b