STATISTIKA TERAPAN

KULIAH 8
DISTRIBUSI PELUANG -1
AYU NURUL H, ST, MT

MATERI
DISTRIBUSI
  PELUANG
A. Variabel Acak (Random)
B. Jenis-jenis Distribusi Peluang
1. Distribusi Binom
2. Distribusi Poison
3. Distribusi Normal
4. Distribusi Sampel
a. Distribusi Rata-rata Sampel
b. Distribusi – t
c. Distribusi Chi-Kuadrat
d. Distribusi F
C. Latihan Soal
 VARIABEL
Kegiatan pokok dari ilmu pengetahuan adalah
menjelaskan perbedaan atau hubungan antar
VARIABEL.

DEFINISI
Variabel adalah konsep yang mempunyai nilai yang
berubah-ubah atau mempunyai variasi nilai, keadaan,
kategori atau kondisi.
VARIABEL BERDASARKAN JENIS DATA
Variabel Diskret:
Variabel yang nilainya
terputus/pilah dan tidak dapat
ditampilkan dalam bentuk
pecahan
Variabel Kontinu:
Variabel yang nilainya rapat,
kontinu, tersambung, padat dan
dapat dinyatakan dalam bentuk
pecahan atau desimal
Dua Kategori (Dikotomi)
contoh: variabel jenis kelamin,
variabel arah, dll
> Dua Kategori (Politomi)
contoh:
variabel jenis pekerjaan
Berlaku postulat bilangan rasional:
Diantara dua bilangan rasional terdapat
tak berhingga bilangan rasional lainnya.
Contoh:
Umur, tinggi badan, berat badan, denyut
jantung & suhu badan
 VARIABEL BERDASARKAN FUNGSI
Berdasarkan fungsinya dalam variabel Penelitian, terdiri atas:
 VARIABEL BEBAS
 VARIABEL TAK BEBAS
 VARIABEL KONTROL
 VARIABEL MODERATOR
 VARIABEL INTERVENING

VARIABEL BEBAS: VARIABEL TAK BEBAS:

Variabel Independen, Stimulus, Variabel Dependen, Terikat, Respons,
Prediktor, atau Antecedent. Kriteria.
Adalah variabel yang mempengaruhi Adalah variabel yang dipengaruhi oleh
variabel lain. variabel lain.

Contoh:
Penelitian tentang pengaruh berat badan terhadap kesehatan.
Variabel bebas :…
Variabel tak bebas : …
VARIABEL KONTROL:
Variabel yang ikut mempengaruhi variabel tak bebas dan pengaruhnya
dikontrol atau dinetralisir.

Contoh:
Dari hasil analisis menunjukkan adanya hubungan positif antara berat badan dan
kesehatan, kita dapat mengambil kesimpulan bahwa berat badan berpengaruh
terhadap kesehatan, padahal disadari bahwa variabel gaya hidup berpengaruh juga
terhadap kesehatan.
Gaya hidup ini hendaknya dikontrol, sehingga gaya hidup ini adalah variabel
kontrol.

VARIABEL MODERATOR:
Variabel lain yang dianggap berpengaruh terhadap variabel tak bebas/terikat tapi
tidak mempunyai pengaruh utama.
Contoh:
Pada saat menguji pengaruh berat badan (X1), gaya hidup (X2), dan usia (X3)
terhadap kualitas kesehatan, apabila gender (X4) juga mempengaruhi tetapi
bukan pengaruh utama, maka gender adalah variabel moderator.
VARIABEL INTERVENING:

Atau Variabel Antara, adalah variabel yang dipengaruhi oleh variabel bebas
kemudian dia mempengaruhi variabel tak bebas. Jika variabel antara diselidiki,
hubungan ststistik yang semula tampak antara variabel bebas dengan variabel
terikat/tak bebas menjadi lemah atau lenyap.

Contoh:
Sikap positif terhadap mata kuliah (X), akan meningkatkan aktivitas mahasiswa
(Z), sementara meningkatnya aktivitas (Z) akan mempengaruhi prestasi akademik
mahasiswa (Y).
Aktivitas mahasiswa (Z) adalah variabel intervening, karena jika variabel
aktivitas diselidiki maka pengaruh sikap positif menjadi lemah atau bahkan
lenyap.
A. VARIABEL ACAK (V. DATA)
Definisi:
Variabel yang nilainya muncul melalui proses peluang.
Kebalikannya: Variabel non random.

Variabel Random Diskret:

Distribusi Peluang Diskret 
Variabel yang nilainya
Variabel Randomnya Diskret,
terputus/pilah
jenis Distribusi peluang:
- Distribusi Binom
Variabel - Distribusi Poison
Random

Variabel Random Kontinu:

Variabel yang nilainya Distribusi Peluang Kontinu 
kontinu, tersambung dan Variabel Randomnya Kontinu,
padat jenis Distribusi peluang:
- Distribusi Normal
- Distribusi Sample
Contoh Variabel Random Diskret
Percobaan melempar mata uang koin sebanyak tiga kali:
1. Gambarkan diagram pohonnya
2. Tentukan ruang sampel (S) nya dan jumlah ruang sampel n (S) nya
3. Tentukan peluang yang muncul nya angka dan gambar

A (A,A,A)
Ruang Sampel
A (A, A, A), dst..
G (A,A,G) S=…
A
G A (A,G,A)

koin G (A,G,G)
A (G,A,A)
A
G G (G,A,G)
A (G,G,A)
G

G (G,G,G)
 3. Dari hasil tadi kita misalkan bahwa peluang mendapat angka adalah X, maka nilai
X = 0, 1, 2, 3, dimana ruang sampel dapat ditulis S = (0, 1, 2, 3) sehingga:
X = 0, berarti tidak ada angka yang muncul (GGG) = 1  P
X = 1, berarti ada 1 angka yang muncul (AGG, GAG, GGA) = 3  P
X = 2, berarti ada 2 angka yang muncul (AAG, AGA, GAA) = 3  P
X = 3, berarti ada 3 angka yang muncul (AAA) =1  P

Berikut adalah tabel Peluang munculnya angka:

Banyaknya angka (X) P (X=x)

0
11
2
2
3
3
Jumlah 1
Jumlah 1
B. JENIS-JENIS DISTRIBUSI PELUANG
1.
 Distribusi Binom
Definisi: Suatu percobaan yang hanya menghasilkan 2 kejadian.
Apabila X merupakan sebuah variabel random diskret maka peluang binom
dirumuskan:

Dimana:
= peluang kejadian yang diharapkan
= Rumus kombinasi
k = jumlah keberhasilan dalam peubah acak
n = banyaknya kejadian
p = peluang kejadian keberhasilan
q = peluang gagal
 
Contoh:
Suatu pasangan suami istri yang baru menikah merencanakan mempunyai 5
orang anak. Berapa peluang terdapat 3 diantaranya anaknya itu adalah laki-laki?
Jawab:
p = peluang memperoleh anak laki-laki atau wanita : P(W) = P(L) = ½
=5
k =3

= …….

2.   Distribusi Poison
Suatu peristiwa yang jarang terjadi datanya merupakan distribusi poison.
Contoh: kecelakaan pesawat, gempa tsunami, angin topan, kembar 6, cacat pada
kain, salah ketik dalam satu buku.
Definisi:
Apabila X merupakan sebuah variat diskret yang mengikuti distribusi peluang,
maka peluang poison dirumuskan:

Dimana:
= nilai harapan peristiwa yang terjadi
e = 2,718
x = jumlah kejadian suatu peristiwa
x! = faktorial dari x

Contoh:
 
Dalam sebuah novel diketahui rata-rata untuk setiap 600 kata terdapat 2
kata salah cetak. Jika sebuah novel terdiri dari 2500 kata, berapa peluang
bahwa di dalam novel itu terdapat 3 buah kata salah cetak.
Jawab:
Diketahui:
p = 2/600 = 1/300
n = 2500 kata
= 2500 x 1/300 = 8,33
Peluang terdapat 3 buah kata salah cetak atau (x) = 3 adalah:

=……..
3. Distribusi Normal
Penjelasan ada di kuliah 7, untuk memudahkan
perhitungan dan pembacaan tabel gunakan Tabel
z cumulative from mean untuk acuan/panduan.

Tabel z complementary cumulative dapat

digunakan jika area yang diarsir melebihi ½ (50%)
dari kurva.
Contoh Soal:
Dengan menggunakan daftar/tabel distribusi normal, hitunglah:
a. Peluang, p (z ≥ 1,74)
b. Peluang, p (0 ≤ z ≤ 1,35)
c. Peluang, p (z ≤ 2,23)
d. Peluang, p (-1,21 ≤ z ≤ 1,06)
Tampilkan dalam bentuk kurva distribusi normal.
a.
Peluang, p (z ≥ 1,74)
Lihat di tabel 1,74 nilainya = 0,4591

Maka luas z ≥ 1,74:

0,5 – 0,4591 = 0,041

Tabel z cumulative from mean ->

P(0 ≤ Z ≤ z).
Z ≥ 1,74
b. Peluang, p (0 ≤ z ≤ 1,35)
Cari di tabel nilai 1,35 yaitu 0,4115

Jadi luas daerah p (0 ≤ z ≤ 1,35):

0,4115

0 1,35

c. Peluang, p (z ≤ 2,23)

Cari di tabel nilai 2,23 yaitu 0,4871

Jadi luas daerah p (z ≤ 2,23):
0,5 + 0,4871 = 0,9871

2,23
d. Peluang, p (-1,21 ≤ z ≤ 1,06)

-1,21 1,06

Cari di tabel nilai 1,21 & 1,06

Nilai z = 0 s/d z=-1,21 adalah 0,3869
Nilai z = 0 s/d z = 1,06 adalah 0,3554
Maka p (-1,21 ≤ z ≤ 1,06)  luas daerah yang diarsir:
0.3869 + 0,3554 = 0,7423
 
Latihan soal Mengubah Distribusi normal umum
menjadi distribusi normal baku
; ;
1. Diketahui rata-rata berat bayi baru lahir adalah 3500 gr, simpangan
baku 225 gr, jika berat bayi berdistribusi normal, maka terntukan:
a. Berapa % bayi beratnya > 4000 gr (x)
b. Berapa bayi beratnya antara 3200 gr dan 4000 gr jika jumlah bayi
adalah 20.000 bayi
Jawab:
a. X = jumlah bayi > 4000 gr
3500 gr
225 gr
maka Z =
 
Latihan soal Mengubah Distribusi normal umum
menjadi distribusi normal baku
; ;
1. Diketahui rata-rata berat bayi baru lahir adalah 3500 gr, simpangan
baku 225 gr, jika berat bayi berdistribusi normal, maka terntukan:
a. Berapa % bayi beratnya > 4000 gr (x)
b. Berapa bayi beratnya antara 3200 gr dan 4000 gr jika jumlah bayi
adalah 20.000 bayi
Jawab:
a. X = jumlah bayi > 4000 gr
3500 gr
225 gr
maka Z = = 2,22
Gambar kurva distribusi normal:

Yang ditanyakan adalah % bayi > 4000 gr, maka z >

2,22

Cari di tabel distribusi normal nilai z > 2,22 = 0,4861

Sehingga luas daerah yang dicari:

0,5 - 0,4861 = 0,0139 x 100%
= 1,39 % (persentase berat > 4000gr)
2,22

b. X1 = 3200 gr ; X2 = 4000 gr
cari nilai Z1 = -1,33
Z2 = 2,22
Gambar kurva distribusi normal:

Persamaan peluangnya adalah : -1,33 ≤ Z ≤ 2,22

Cari luas daerah di tabel untuk Z1 & Z2,

sehingga banyaknya bayi berat X1 & X2 -1,33 2,22

= (0,4082+0,4861) x 20.000 (banyak bayi)
= 0,8943 x 20.000 bayi
= 17.886 bayi
TERIMAKASIH