Distribusi Probabilitas

Milla Herdayati

Departemen Kependudukan & Biostatistika

Fakulats Kesehatan Masyarakat - Universitas
Indonesia
Oktober 2020
1
Distribusi Teoritis Probabilitas

Distr. Teoritis Probabilitas

Kategorik-Diskrit Numerik-Kontinyu

Binomial Poisson Log Normal (Z)

Chi-square Student (t)

Anova (F)

2
 Distribusi Probabilitas
• Distribusi yang berisi nilai-nilai probabilitas.
• Contoh: 3 kelahiran bayi tunggal, kemungkinan probabiltas lahir
bayi perempuan digambarkan dalam distribusi:

Jumlah bayi frekuensi Probabilitas Probabilitas

Perempuan kumulatif
0 1 1/8 1/8
1 3 3/8 4/8
2 3 3/8 7/8
3 1 1/8 1
Total 8 1
kemungkinan: LLL, LLP, LPL, LPP, PLL, PLP, PPL, PPP

3
Jumlah
Kasus Probabilitas
Perhari Frek Persen Probabilitas Kumulatif
1 3 3 0,03 0,03
Contoh: jumlah kasus infark
2 3 3 0,03 0,06 myocard per hari di RS X
3 5 5 0,05 0,11
4 15 15 0,15 0,26
5 15 15 0,15 0,41
6 12 12 0,12 0,53
7 9 9 0,09 0,62
8 8 8 0,08 0,7
9 6 6 0,06 0,76
10 7 7 0,07 0,83
11 5 5 0,05 0,88
12 5 5 0,05 0,93
13 3 3 0,03 0,96
14 2 2 0,02 0,98
15 2 2 0,02 1
Jumlah 100 100 1 

4
Jumlah bayi frek Probabilitas Probabilitas
Perempuan kumulatif

0 1 1/8 1/8
1 3 3/8 4/8
2 3 3/8 7/8
3 1 1/8 1
Total 8 1

1. Berapa probabilitas semua anak perempuan? 1/8

2. Berapa probabilitas semua anak laki-laki? 1/8
3. Berapa probabilitas maksimal dua anak perempuan? 7/8
4. Berapa probabilitas minimal 2 anak perempuan? 4/8

5
Distribusi Teoritis Probabilitas

Distr. Teoritis Probabilitas

Kategorik/Numerik-Diskrit Numerik-Kontinyu

Binomial Poisson Log Normal (Z)

Chi-square Student (t)

Anova (F)

6
 Distribusi Binomial
• Distribusi Binomial/Bernaulli
• Bernaulli trial mempunyai 4 syarat:
1. Jumlah trial merupakan bilangan bulat
2. Setiap eksperimen mempunyai 2 outcome
(dikotom)
Contoh: * laki-laki/ perempuan
* sehat/sakit
* setuju/ tidak setuju
4. Setiap eksperimen independen satu sama lain
 Distribusi Binomial
n!
P ( x, n )   p  * 1  p 
x n x
*
( n  x)!*x!

P (x,n) = probabilitas munculnya x sukses dari n percobaan

p = probabilitas sukses dalam setiap percobaan
q = 1 - p probabilitas tidak sukses
 Contoh: distribusi Binomial
• Probabilitas seorang bayi belum diimunisasi (0,2). Apabila
suatu hari di puskesmas ada sebanyak 5 bayi. Diketahui x=2
n=5 p=0,2
n!
P ( x, n )   p  * 1  p 
x n x
*
( n  x )!*x!
Hitung peluang:
b. 3 bayi belum diimunisasi? P(3,5)
c. Minimal 2 bayi belum diimunisasi? P(2,5) + P(3,5)+(4,5)+(5,5)
d. Maksimal 3 bayi belum diimunisasi? P (0,5)+P(1,5)+P(2,5)+P(3,5)

 Bantuan Tabel Binomial.

a) P(2,5) = 0,942-0,737=0,205=20,5%
b) P(3,5) = 0,993-0,942= 5,1%
c) P(x≥2) = P(2)+P(3)+(P4)+P(5) = 1-0,737=0,263=26,3%
d) P(x≤3) = 0,993
10
 Distribusi Poisson
• Distribusi Poisson dipakai untuk menentukan
peluang suatu kejadian yang jarang terjadi di
populasi yang luas/area yang luas.
• Peluang < 1/1000
• Probabilitas diskrit
• Contoh:
1. Probabilitas kejadian shock pada waktu disuntik
dengan vaksin meningitis ketika naik haji
2. Probabilitas meninggal karena sakit gigi
 Distribusi Poisson
    n* p
 
 ex
 2,71828
x
p( x)  
x! x!

 = n p = E(x) = nilai rata-rata kejadian

e = konstanta = 2,71828
x = variabel random diskrit (1 ,2 ,......x )
Distribusi Poisson
    n* p  = n*p = E(x) = nilai rata-rata kejadian
e = konstanta = 2,71828
 xe x 2,71828 
p( x)   x = variabel random diskrit (1 ,2 ,......x )
x! x!

• Contoh: Probabilitas terjadi shock pada saat vaksinasi meningitis adalah

0,0005. Jika di daerah A, jumlah orang yang melakukan vaksinasi sebanyak
4000, Hitunglah peluang tepat tiga orang mengalami shock.
 = n*p = 4000 x 0,0005 = 2
2 3 * 2,718282
p ( x  3)   0,1804
3* 2 *1
Hitung peluang:
Gunakan Tabel Poisson
a. Peluang 3 orang mengalami shock? P(3)-P(2) = 0,8571-0,6767
b. Peluang 5 orang mengalami shock? P(5)-P(4)
c. Peluang maksimal 5 orang mengalami shock? P(5)=98,34%
14
 Contoh:
Kematian akibat sakit gigi/th di populasi = 0.002
Dari 2000 penderita sakit gigi, berapa probabilitasnya:
a. Tidak ada yang mati = P0
b. Satu orang mati = P1 – P0
c. Dua orang mati = P2 – P1
d. Tiga orang mati = P3 – P2
e. Paling sedikit 3 orang mati = 1 – P2
f. Paling banyak 3 orang mati = P3

15
 Distribusi Normal
• Digunakan variabel kontinu,
contoh: kadar kolesterol, tekanan
darah, skor motivasi, indeks massa
tubuh, dll
50% 50%
• Ciri-ciri:
–Bentuk seperti lonceng (bell shape) 1(100%)
–Simetris
–Luas area di bawah kurva
probabiltas adalah 1, luas daerah
sebelah kiri dan kanan  adalah
sama.
–Titik belok  ± 

16
 Distribusi Normal
• Memiliki sifat penting:
1. Probabilitas variable acak yang
terdistribusi normal terletak pada 95%
- dan + kurang lebih 68%
2. Probabilitas variable acak yang 68%
terdistribusi normal terletak pada
-2 dan +2 kurang lebih 95%

• Jika di populasi diketahui tekanan darah sistolik rata-rata 120 mmHg

dengan standar deviasi 20 mmHg, maka probabilitas seseorang diambil
secara acak memiliki tekanan darah:
• antara 100-140 mmHg adalah 68%
• 95% memiliki tekanan darah berkisar antara 80-160 mmHg

17
18
Contoh kasus:
• Penelitian terhadap 150 orang laki-laki yang berumur
40-60 tahun didapatkan rata-rata kadar kolesterol
215 mg% dengan simpangan baku 45 mg%. Berapa
peluang seseorang?
a) Memiliki kolesterol lebih 250 mg%  P(x≥250)
b) Memiliki kolesterol kurang 200 mg%  P (x≤200)
c) Diantara 200-275 mg%  P (200≤x≤275)

Untuk penyelesaian kasus distribusi normal digunakan

pendekatan distribusi normal standar melalui proses transformasi

19
X = probabilitas variable yang dicari
20
 Distribusi Normal
Nilai mhs berdistribusi normal, dengan rata-rata
5 dan simpangan baku 10. Jika nilai 6,2 keatas
diberi nilai A
1.Hitunglah berapa nilai transformasi Z dari
batas nilai A
z= (x- )/ = (6,2-5)/10 = 0,12
2. Berapa peluang mhs yg mendapat nilai A?
 Gunakan table Z

21
X = peluang yang dicari

22
 Distribusi Normal

f(X)
P c  X  d   ?

X
c d Luas lihat tabel Normal Standar
f(X)
X 
Z 
Z
0 ? 23
 Distribusi Normal

• Diketahui: μ = 5 dan σ=10

• Ditanya: P(x > 6,2)=? 2
X 
Z 
6.2  
1 Z   = 0.12
Lihat tabel Z arsir pinggir 3
5 6.2 x

P ( z > 0.12) = 0.4522

= 45% mahasiswa dapat nilai A

0 0.12 Z

Lihat tabel Z arsir pinggir  p = 0.4522 (45,22%) 24

25
 Distribusi Normal

Nilai mhs berdistribusi normal, dengan mean = 5

dan standar deviasi = 10. Jika nilai 3.8 ke
bawah diberi nilai C
1. Hitunglah berapa nilai transformasi Z dari
batas maksimum nilai C = 3.8
2. Berapa % mhs yg mendapat nilai C?

26
 Distribusi Normal
• Diketahui: μ = 5 dan σ=10
• Ditanya: P(x > 3.8)=? X 
Z 
2 3.8  
1 Z   = -0.12
Lihat tabel Z arsir pinggir
3.8 5 x

P ( z < -0.12) = 0.4522

= 45% mahasiswa dapat nilai C
3
- 0.12 0 Z

Lihat tabel Z arsir pinggir  p = 0.4522 (45,22%) 27

 Distribusi Normal

0.3413 0.4332

Z Z
0 1 0 1.5

0.3413 0.4332 * 2

Z 28
Z
-1 0 -1.5 0 1.5
 Distribusi Normal

0.3413 0.1587 0.4332 0.0668

Z Z
0 1 0 1.5

0.4332 - 0.3413 = 0.0919

ATAU
0.1587 – 0.0668 = 0.0919

Z 29
0 1 1.5
 Contoh aplikasi Distribusi Normal

• Diketahui bahwa nilai mahasiswa kuliah A, berdistribusi

normal dengan nilai rata-rata sebesar 75 dan simpangan
baku (SD) sebesar 10. Hitunglah probabilitas mahasiswa
akan mendapatkan nilai sebagai berikut:
1. Kurang atau sama 60
2. 90 atau lebih
3. Antara 65 sampai 85
4. 65 atau lebih
5. Bila ditentukan bahwa ada sebesar 15% mahasiswa (dg nilai
tertinggi) akan mendapatkan nilai A, maka hitunglah pada nilai
terendah berapa mulai diberikan nila A tersebut?

30
 Lihat tabel Z arsir tengah

Distribusi Normal P ( z ≤ -1.5) = 0.5 – 0.4332

= 0.0668 (6.68% mahasiswa dapat
nilai kurang dari 60)
• Diketahui: μ = 75 dan σ=10
• Ditanya: P(x ≤ 60)=? X 
Z 
2 60  
1 Z   = - 1.5
60 75 x Lihat tabel Z arsir pinggir
P ( z ≤ -1.5) = 0.0668
3 = 0.0668 (6.68% mahasiswa
-1.5 0 Z dapat nilai kurang dari 60)

Lihat tabel Z arsir pinggir  p = 0.0668 (6,68%) 31

32
 Lihat tabel Z arsir tengah
Distribusi Normal P ( z ≥ 1.5) = 0.5 – 0.4332
= 0.0668 (6.68% mahasiswa dapat
nilai lebih dari 90)
• Diketahui: μ = 75 dan σ=10
• Ditanya: P(x ≥ 90)=?
X 
Z 
1 2 90  
Z   = 1.5
75 90 x
Lihat tabel Z arsir pinggir
P ( z ≥ 1.5) = 0.0668
3 = 0.0668 (6.68% mahasiswa
0 1.5 Z dapat nilai lebih dari 90)

Lihat tabel Z arsir pinggir  p = 0.0668 (6,68%) 33

 Distribusi Normal
• Diketahui: μ = 75 dan σ=10. Ditanya: P(65 ≤ x ≤ 85)=?

Z1 85  
  = 1.0
Z2 65  
  = -1.0
Tabel Z arsir tengah
65 75 85 Z
P1 (1.0≤z) = 0.3413
0. 3413 0.3413
P2 (-1.0>z) = 0.3413
P1 + P2 = 0.6826
= 0.6826 (68.26% mahasiswa dapat
Z nilai antara 65 s/d 85)
34
-1 0 1
 Distribusi Normal
• Diketahui: μ = 75 dan σ=10
• Ditanya: P(x > 65)=? X 
Z 
2 65  
1 Z   = - 1.0
65 75 x Lihat tabel Z arsir tengah
P (-1.0 < z ≤ 0.0) = 0.3413
3 P(z > -1.0)= 0.3413 + 0.5 =
-1.1 0 Z 0.8413 (84.13% mahasiswa dapat
nilai 65 atau lebih)
35
 Distribusi Normal
• Diketahui: μ = 75 dan σ=10. Ditanya: x=? Bila 15% nilai
tertinggi dapat nilai A, berapa batas terendah nilai A?

3
X  
1 1.035 

15%
10.35=X – 75
35% atau
0.3500
X=85,35
0 1.03 Z
Hitung Z pada luas Nilai terendah mahasiswa
2 kurva 0.15  ?? 1.035 dapat nilai A adalah 85,35
(antara 1,03 dg 1,04) 36
 TUGAS Distribusi Normal

Jika pd suatu populasi 100.000 org dewasa Kadar

serum sodium pada orang dewasa sehat terdistribusi
secara normal, dengan mean 141 meq/L dan Standar
Deviasi 3 meq/L. Hitunglah:
1.Jika kadar serum sodium 147 meq/L atau lebih dianggab
sebagai masalah dan akan diberikan obat penurunan kadar sodium,
berapa paket obat yg harus disiapkan? 0,0228 * 100.000 = 2,280 paket
2.Berapa % populasi yang memiliki sodium 130 meq/L atau
lebih rendah?
3.Berapa % populasi yang memiliki sodium antara 132 dan 150
meq/L?
4.Berapa batas kadar sodium, jika seseorang dinyatakan
termasuk kedalam kelompok 10% kadar sodium tertinggi?

37
Contoh kasus:
• Penelitian terhadap 150 orang laki-laki yang berumur
40-60 tahun didapatkan rata-rata kadar kolesterol
215 mg% dengan simpangan baku 45 mg%. Berapa
peluang seseorang?
a) kolesterol lebih 250 mg%  P(x≥250)
b) kolesterol kurang 200 mg%  P (x≤200)
c) Diantara 200-275 mg% - P (200≤x≤275)

38