DISTRIBUSI TEORITIS

Nur Ismawati., ST., M.Cs

PENGERTIAN DISTRIBUSI
TEORITIS
 Distribusi teoritis adalah distribusi yang frekwensinya
diturunkan secara matematis.
 Pada distribusi frekwensi, frekwensinya diperoleh dari
hasil observasi/pengamatan.
 Perbedaan antara distribusi teoritis dan distribusi
frekwensi dapat dilihat pada tabel hasil observasi
pelemparan sebuah mata uang sebanyak 100 kali.
 Sisi mata Percob.1 Percob.2 Percob.3 Percob.4
uang

Sisi gambar 54 61 59 41

Sisi tulisan 46 39 41 59

Jumlah 100 100 100 100

percobaan
Kesimpulan:
 dari percobaan tersebut akan sampai pada teori bahwa
mata uang adalah setimbang, artinya probabilita
munculnya sisi gambar dan sisi tulisan adalah sama,
yaitu 50%.
 Distribusi teoritis munculnya sisi gambar dan tulisan
dari pelemparan sebuah mata uang logam sebanyak 100
kali seperti yang terlihat pada tabel.
 Berdasarkan tabel diketahui bahwa frekwensi teoritis
diperoleh dengan mengalikan probabilita dengan jumlah
percobaan.
Sisi mata uang Probabilita Frekwensi
teoritis
Sisi gambar 1/2 1/2 x 100 = 50
Sisi tulisan 1/2 1/2 x 100 = 50
Jumlah 100
Manfaat mempelajari distribusi
teoritis
 Dengan mempelajari distribusi teoritisnya, maka kita
menjadi tahu pola distribusi frekwensinya.
 Contoh:

Pengusaha rumah makan perlu mengetahui pola selera

makan yang digemari para pelanggannya, dengan
melihat pengalaman masa lalu.
Dengan demikian pengusaha tersebut dapat
menyesuaikan persediaan barang-barangnya.
MACAM DISTRIBUSI TEORITIS
Macam distribusi teoritis yaitu:
a. Distribusi Binomial
b. Distribusi Poisson
c. Distribusi Normal
VARIABEL DISKRIT DAN
VARIABEL KONTINYU
Variabel diskrit:
1. Variabel yang merupakan bilangan bulat
dan jumlahnya terbatas
2. Variabel yang merupakan hasil
penghitungan
Variabel kontinyu:
1. Variabel yang terdiri dari nilai-nilai yang
terletak dalam interval tertentu, bisa berupa
bilangan bulat maupun pecahan
2. Variabel yang merupakan hasil pengukuran
DISTRIBUSI BINOMIAL
(Distribusi Probabilitas Diskrit)
Percobaan Bernoulli :
Sifat-sifat sebagai berikut :
Percobaan itu terdiri dari n pengulangan
Tiap pengulangan memberikan hasil yang dapat
diidentifikasi sukses atau gagal
Probabilitas sukses dinyatakan dengan p, tetap
konstan (tidak berubah) dari satu pengulangan ke
pengulangan lainnya, sedangkan probabilitas
gagal adalah q = 1- p
Tiap pengulangan dan pengulangan lainnya saling
bebas.
Distribusi Binomial
Banyaknya X sukses dalam n pengulangan suatu
percobaan bernoulli disebut sebagai variabel
random Binomial, sedangkan distribusi
probabilitasnya disebut distribusi Binomial dan
nilainya dinyatakan sebagai :
b(x,n,p) dimana x = 1, 2, …, n

 n x nx
b( x; n, p )   p q
 x
 
Rata-rata dan Variansi Distribusi
Binomial:
Rata-rata =
  np
dimana : μ = rata-rata
Variansi =
n = jumlah percobaan
p = probabilita sukses

Deviasi standar dari distribusi binomial:

σ = √n x p (1-p)
2
  npq
DISTRIBUSI BINOMIAL
Contoh:
Sebuah mata uang dilempar sebanyak 5 kali. Berapa
probabilita munculnya sisi gambar sebanyak 2 kali?
Jawab:
diketahui n = 5
x=2
maka P (x,n) = nCx . px . q (n-x)
P (2,5) = 5C2 (1/2)2 x (1/2) (5-2)
= 10 x 1/4 x 1/8
= 10/32 = 5/16
DISTRIBUSI BINOMIAL
Contoh:
Berapa rata-rata dan deviasi standar dari pelemparan sebuah mata
uang yang dilempar 300 kali?
Jawab:
p=½
n = 300
rata-rata (μ ) = 300 x ½
= 150
deviasi standar (σ) = √ 300 (1/2) (1/2)
= 8,66

Sehingga dalam jarak ± 2 standar deviasi, rata-rata memperoleh sisi gambar

x 
sebanyak 150 – 2(8,66) dan 150 + 2(8,66). Atau 133 sampai 167 kali
mendapatkan sisi gambar.
DISTRIBUSI POISSON
(Distribusi Probabilitas Diskrit)
Percobaan Poisson:
Jikasuatu percobaan menghasilkan variabel
random X yang menyatakan banyak-nya sukses
dalam daerah tertentu atau selama interval
waktu tertentu, percobaan itu disebut percobaan
Poisson.
Ciri-ciri distribusi poisson:
 Digunakan pada percobaan binomial jika n >50 dan P <
0,1.
 Percobaan bersifat random/acak, misalnya:
a. Kedatangan pasien di RS
b. Kedatangan mobil di POM bensin
c. Kedatangan mahasiswa di perpustakaan
d. Jumlah telepon yang masuk
 Percobaan bersifat independen
 Variabel diskrit
Distribusi Poisson
 Jumlah X dari keluaran yang terjadi selama satu
percobaan Poisson disebut Variabel random
Poisson, dan distribusi probabilitasnya disebut
distribusi Poisson.
 Bila x menyatakan banyaknya sukses yang terjadi ,
 adalah rata-rata banyaknya sukses yang terjadi
dalam interval waktu atau daerah tertentu, dan e =
2,718 , maka rumus distribusi Poisson adalah :
P(x) = (μx x e-μ ) / x !
Dimana: P(x) = probabilita peristiwa x
μ = rata-rata
x = jumlah sukses
e = bilangan alam = 2,7182

Rata-rata distribusi poisson:

μ=nxp
DISTRIBUSI POISSON
Contoh Soal:
Berdasarkan pengalaman, setiap mencetak 10.000 lembar
kertas terdapat 100 lembar yang rusak. Pada suatu waktu
perusahaan mencetak 1000 lembar kertas. Hitunglah
probabilitanya:
a. Tepat mendapat 5 lembar kertas yang rusak.
b. Mendapatkan paling banyak 2 lembar kertas yang
rusak.
c. Paling sedikit mendapat 2 kertas yang rusak.
DISTRIBUSI POISSON
Jawab:
Diketahui:
Probabilita mendapatkan kertas yang rusak
P = 100/10.000
= 0,01
μ =nxp
= 1000 x 0,01
= 10
a. P (x = 5) = (10 5 x e -10)/ 5!
= (100000 x 0,000045) / 120
= 0,0375
b. P (x ≤ 2) = P(x=0) + P(x=1) + P(x=2)
Hubungan Distribusi Poisson
dengan Distribusi Binomial
 Distribusi Poisson sebagai suatu bentuk pembatasan
distribusi Binomial pada saat n besar, sedangkan p
mendekati 0, dan np konstan.
 Sehingga bila n besar dan p mendekati 0, distribusi
Poisson dapat digunakan untuk memperkirakan
probabilitas Binomial, dengan  = np
Distribusi Normal
(Distribusi Probabilitas Kontinyu)
Kurva Normal dan Variabel
Random Normal
Distribusi probabilitas kontinyu yang terpenting
adalah distribusi normal dan grafiknya disebut
kurva normal.
Variabel random X yang distribusinya
berbentuk seperti lonceng disebut variabel
random normal.

 

 x
Sifat kurva normal, yaitu :
 Kurva mencapai maksimum pada x  
 Kurva setangkup terhadap garis tegak yang
melalui x  
 Kurva mempunyai titik belok pada x    
 Sumbu x merupakan asimtot dari kurva
normal
 Seluruh luas di bawah kurva, di atas sumbu x
adalah 1
 DISTRIBUSI NORMAL
Sifat-sifat distribusi normal :
◦ Bentuknya menyerupai lonceng dengan sebuah puncak
◦ Nilai rata-rata (mean) pada distribusi normal akan
terletak ditengah-tengah dari kurve normal.
◦ Bentuknya simetris dengan nilai mean = median =modus
◦ Ujung masing-masing sisi kurve sejajar dgn sumbu
horisontal dan tidak memotong sumbu horisontal tsb.
◦ Sebagian besar data ada ditengah-tengah dan sebagian
kecil ada pada masing-masing sisi/tepi.
◦ 68% data berada dalam jarak ± 1 standar deviasi ,
95% data berada dalam jarak ± 2 standar deviasi,
99% data berada dalam jarak ± 3 standar deviasi.
Distribusi Normal
Variabel random X berdistribusi normal,
dengan mean dan variansi mempunyai
fungsi densitas
1  ( x   ) 2 ( 2 2 )
n( x;  ,  )  e
 2
  x  
luas daerah di bawah kurva dinyatakan dengan :
 P ( x1  X  x 2 )

x
X1  X2

x2 x2
1  ( x   ) 2 ( 2 2 )
P( x1  X  x 2 )   n(x;, )dx   2 x
e dx
x1 1


1  ( x   ) 2 ( 2 2 )
P(   X   )  
 2  
e dx  1
Distribusi Normal Standar (1)
apabila variabel X ditransformasikan
dengan substitusi Z  x  
 maka : 
z2 1 z2 1 z2
1  z2 1  z2
P(z1  Z  z 2 ) 
 2  e 2 dz 
2  
e 2 dz  n (z;0,1)dz
z1 z1 z1

x
ternyata substitusi Z 

menyebabkan distribusi normal n ( z; , ) menjadi
n( z;0,1) , yang disebut distribusi normal standar.
Distribusi Normal Standar (2):
Karena transformasi ini, maka
selanjutnya nilai
P( x  X  x )
1 2

ini dapat dihitung dengan menggunakan

tabel distribusi normal standar.
Hubungan Distribusi Normal & Distribusi
Binomial:
Jika n besar dan p atau q menuju 0, maka
distribusi binomial dapat didekati oleh distribusi
normal, sehingga bila X adalah variabel random
yang berdistribusi Binomial dengan mean   np
dan variansi 2  npq
X  np
Z
maka npq berdistribusi normal standar
DISTRIBUSI NORMAL
 Contoh penggunaan kurve normal
Nilai rata-rata mata kuliah statistik dari 200 orang
mahasiswa adalah 6 dengan standar deviasi 2. Berapa
jumlah mahasiswa yang mendapat nilai 8 keatas?
jawab :

( x   ) (8  6)
z  1
s 2
DISTRIBUSI NORMAL
 Dengan melihat tabel kurve normal dapat dilihat bahwa
luas daerah 0 sampai dengan 1 adalah 34,13 %
(prosentase jumlah mahasiswa yang nilainya 6 sampai
8)
 Jadi prosentase mahasiswa yang nilainya di atas 8
adalah 50% - 34,13% = 15,87%
 Dengan demikian jumlah mahasiswa yang nilainya di
atas 8 adalah 200 x 15,87% = 31,74 = 32 orang.
DISTRIBUSI NORMAL

50% 34,13% 15,87%

6 8
DISTRIBUSI NORMAL
 Setelah dimulainya suatu program pelestarian energi,
PLN mencatat bahwa penghematan penggunaan listrik
yang dilakukan oleh para pemakai di daerah tertentu
rata-rata adalah 10,4 KWH setiap bulannya dengan
standar deviasi 7,8 KWH. Apabila rekening untuk
seseorang pelanggan dipilih secara acak. Hitunglah
probabilitanya:
1. Penghematan listrik yang digunakan lebih dari 5
KWH
2. Penghematan listrik yang digunakan antara 5-15
KWH.
3. Penghematan listrik yang digunakan kurang dari 5
KWH