DISTRIBUSI PROBABILITAS

KELOMPOK 2 DI SUSUN OLEH : DOSEN PENGAMPU : ERLINAWATI, M. Keb

1. NOVITA DIAN SARI

2. NURUL WAHIDA

3. MAYOLA AKHRINI

4. JUNAIDAH NUR

5. DHEA NURAFIFAH

6. LARA SANTRI

7. MELDA ANISSA AYU

A. DEFENISI PROBABIITAS

• Probabilitas untuk keluarnya mata satu dalam pelemparan satu kali sebuah dadu adalah
seperenam (1/6). Berapakah probabilitas seorang buruh yang bekerja pada suatu pabrik dengan
ruang kerja yang nilai ambang batas debunya sudah melebihi batas ketentuan? Berapa peluang
seseorang akan mengalami kecelakaan saat melakukan pekerjaan di suatu work shop alat berat?
Berapa peluan seorang anak yang sudah diimunisasi dengan BCG akan mendapat sakit TBC?
Kata-kata demikian sepertinya sudah bisa dalam kehidupan sehari-hari dan di dalam
permasalahan kesehatan masyarakat.
• jadi probabilitas itu adalah suatu ukuran tentang kemungkinan suatu peristiwa(event) akan
terjadi di masa mendatang
  

B.PROBABILITAS PERMUTASI/ KOMBINASI

• Dalam menghitung probabilitas dari bebrapa

kejadian, prtama kita harus mengetahui beberapa
kemungkinan terjadinya peristiwa tersebut.
Contohnya pada diagram pohon di samping ini.
Pada pelemparan 2 kali 2 mata uang, berapa
kemungkinan kombinasi dari kedua mata uang
tersebut? H=head T=tail. Pada diagram pohon di
bawah ini, kemungkinan kombinasi dua mata uang
tersebut adalah yang muncul empat macam: HH,
HT, TH, TT.
Kalau suatu step (lagkah) dari suatu eksperimen menghasilkan (out
come) k hasilnya yang berbeda dan step ke-2 menghasilkan m hasil
yang berbeda, maka kedua langkah eksperimen akan menghasilkan
k x m hasil

Contoh:

 Satu coin di lambangkan 2 kali, maka hasilnya adalah 2x2 (ruang

sample)

 Sebuah dadu di lambangkan 3 kali, maka hasil ruang samplenya adalah

6x6x6

 Untuk sampai di gerbang UI depok seorang mahasiswa dapat

melakukannya dengan 3 cara (bus, kereta, angkot), dari gerbang UI
sampai ke fakultas ada 4 cara (jalan kaki, bus kuning, ojek, numpang
dengan mobil teman), maka berapa cara seorang mahasiswa akan sampai
di fakultas?.....3x4 =12 cara
Contoh:
Ada tiga cara yang efektif untuk pengobatan pasien Ca (kanker) yakni bedah
(B), radiasi (penyinaran = P), dan kemoterapi (obat = O). ada berapa carakah
dapat di obati seseorang yang menderita Ca kalau kepada masing-masing
pasien hanya dua macam terapi yang bisa di berikan.
Penyelesaian:
Untuk pengobatan ini urutan di perlukan karena seseorang yang mendapat
terapi bedah dan penyinaran (B, P) akan berbeda dengan yang mendapat
penyinaran lebih dahulu baru di bedah (P,B).
C. DISTRIBUSI PROBABILITAS

Kunci aplikasi probabilitas dalam statistik adalah memperkirakan terjadinya peluang/ probabilitas yang di hubungkan dengan terjadinya
peristiwa tersebut dalam beberapa keadaan. Sebagai contoh, kita ingin mengetahui probabilitas sebuah keluarga untuk memiliki anak laki-laki
dan perempuan. Jika kita mengetahui keseluruhan probabilitas dari kemungkinan outcome yang terjadi, seluruh probabilitas kejadian tersebut
akan membentuk suatu distribusi probabilitas.

Ada bermacam-macam distribusi probabilitas (distribusi teoretis) dalam analisis statistik, anatara lain Distribusi Binomial (Bernaulli),
Distribusi Poisson, distribusi Normal (Gauss), Distribusi Student (’t’ W Gosset), Distribusi Chi Squere (x 2), Distribusi Fisher (F), dan lain-
lain.

Dalam makalah ini kami akan membahas lebih lanjut 2 macam distribusi yang umunya di gunakan, yaitu distribusi Binominal, distribusi
Normal. Random variable pada ketiga macam distribusi ini merupakan variable random yang diskrit.
D.DISTRIBUSI BINOMIAL

Distribusi binomial menggambarkan fenomena dengan dua hasil atau outcome. sebagai contoh , peluang sukses dan gagal, sehat dan sakit,dan sebagainya. Penemu
distribusi binomial adalah james bernaulli sehingga distribusi binomial dikenal juga sebagai distribusi bernaulli.

Bernaulli trial mempunyai empat syType equation here.arat sebagai berikut:

 Jumlah trial merupakan bilangan bulat.
 Setiap eksperimen mempunyai dua outcome (hasil), yaitu sukses dan gagal Contoh:

laki/ pertemuan

sehat/ sakit

setuju/ tidak setuju

 peluang sukses sama setiap eksperimen
 setiap eksperimen independen satu sama lain.

Di dalam mempelajari distribusi binomial ini, trial independen adalah setiap trial atau peristiwa bebas satu sama lain , misalnya trialnya melemparkan atau
(melambungkan) satu koin 5 kali, antra lambungan pertama, kedua, sampai kelima, adalah kejadian yang independen. Setiap eksperimen atau trial mempunyai
dua hasil, yaitu sukses dan gagal. Jadi ketika melambungkan koin kita mengharapkan akan keluar permukaan H (head) dan pada waktu melambungkan keluar H,
maka di katakana sukses, sedangkan kalau yang keluar sisi T (trail), maka di katakana gagal. Setiap lambungan mempunyai probabilitas sukse yang sama. Jika
pada lambungan pertama probabilitas sukses adalah ½ (setengah), pada lambungan seterusnya juga setengah. Jumlah lambungan adalah bilangan bulat 1, 2, 3,
dan seterusnya. Tidak mungkin melambungkan koin 31/2 kali. Bagaiman kalau yang di lambungkan itu adalah dadu? Dalam hal ini di permukaan yang di
harapkan keluar misalnya mata lima, maka di katakana peluang (probabilitas) sukses adalah 1/6 (seperenam),sedangkan peluang gagal adalah 5/6 (lima per
enam). Untuk itu, probabilitas sukses di lambangkan p, sedangkan peluang gagal adalah (1-p) atau biasa juga di lambangkan q, dimana q=1-p.
Kejadia atau peristiwa binomial ini di simbolkan b (x, n, p) dimana b = binomial,
x adalah banyaknya sukses yang di inginkan (bilangan random), n = jumlah trial,
p = peluang sukses dalam satu trial.

• Contoh, dadu di lempar 5 kali, di harapkan keluar mata 6 dua kali, maka
kejadian ini dapat di tulis b (2, 5, 1/6)…x=2, n=5 p=1/6.

Suatu trial n kali nilai n dapat (1, 2, 3…n), sedangkan sukses x dapat merupakan
bilagan random mulai dari (0, 1, 2…n).

• Contoh permasalahan:

Probabilitas seorang bayi tidak tidak diimunisasi polio adalah 0,2 (p), pada suatu
hari di puskesmas “PQR” ada 4 orang bayi. Hitunglah peluang dari bayi tersebut
2 orang belum imunisasi polio. Jadi, di dalam kejadian binomial ini di katakan
b(x=2, n=4, p=0,2)…….b(2, 4, 0,2)

• Penyelesaian:

Katakana bayi tersebut adalah A, B, C, D, dua orang tidak diimunisasi mungkin

adalah, A & B, A&C, A&D, B&C, B&D, C&D.

Ada enam pasangan yang mungkin merupakan kombinasi dari empat objek yang
pasangannya 2(x=2 n=4) kombinasinya
E.DISTRIBUSI NORMAL (GAUSS)

• Pada pembahasan distribusi sebelumnya kita mempelajari bagaimana suatu variable memberikan ide tentang nilai-nilai tersebut pada
populasinya. Jika di ketahui suatu variable berdistribusi normal, kita akan lebih muda untuk melakukan inferensi seberapa sering suatu
kejadian akan terjadi misalnya, serum kolesterol pada level di atas 250 mg/ dl akan meningkatkan resiko jantung koroner. Dari batasan ini
kita bisa menentukan dengan menambahkan dua standar deviasi pasien yang harus menentukan obat, yang lain tidak membutuhkan
pengobatan. Kita juga mengetahui berapa probabilitas pasien yang akan menerima pengobatan.
• Distribusi normal merupakan distribusi statistic yang amat penting. Distribusi ini pertama kali di temukan oleh matematikawan asal prancis,
Abraham demoivre pada tahun 1733 dan di aplikasikan dengan lebih baik lagi pada awal abad ke-19 oleh matematikawan asal Prancis Perre
simon de laplace dan matematikawan sekaligus astronom asal jerman, karl friedrich Gauss. Distribusi normal di kenal juga distribusi Gauss.
• Sir Franciss Allon dan sepupunya Charles Darwin merupakan orang yang pertama kali mengaplikasikan kurva distribusi normal ini ke
dalam dunia kedokteran. Beberapa fenomena menunjukkan gambaran distribusi normal terdapat pada variable random kontinu, seperti
tinggi badan, serum kolesterol, suhu tubuh orang sehat, dan sebagainya. Berikut rumus eksponensial untuk distribusi normal.
F.DISTRIBUSI BINOMIAL KE DISTRIBUSI NORMAL

Di dalam mempelajari probabilitas suatu peristiwa yang jumlah (n) kecil dan nilai probabilitasnya antara 0-1, di lakukan
perhitungannya memakai distribusi binomial, dan pada saat n sangat besar dan p kecil sekali perhitungannya kita pakai distribusi
poisson. Apabila n cukup besar (contoh n= 100) sedang p antara 0-1, maka dapat di lakukan pendekatan ke distribusi normal. Suatu
contoh probabilitas seorang ibu hamil menderita anemia di Indonesia adalah 0,4. Pada suatu hari di puskesmas ‘PQR” di kunjungi 30
ibu hamil. Hitunglah probabilitas dari ibu hamil tersebut yang menderita anemia:
a. Kurang dari 10 orang
b. Lebih dari 15 orang
Dari permasalahan di atas kita dapat menyelesaikannya dengan distribusi normal, atau memperlakukan data distribusi diskrit tersebut
dengan distribusi kontinu. Distribusi normal mempunyai dua parameter, yaitu rata-rata (mean) dan simpangan baku (standar deviasi).
Untuk data kategori ini nilai mean (x bar) = np dan standar deviasi.
G.DISTRIBUSI INI BERDASARKAN TEORI PELUANG DAN DISTRIBUSI PROBABILITAS
BERDASARKAN SUBJEKTIF

a.Penyusunan distribusi ini berdasarkan teori peluang.

Contoh: jika kita ingin mengetahui prohabilitas jenis kelamin bayi yang dilahirkan dua kali berturut-turut, maka terdapat 4
kemungkinan sebagaiberikut:

1. Kelahiran pertama laki-laki, kelahiran kedua laki-laki

2. Kelahiran pertama laki-laki, kelahiran kedua perempuan 3. Kelahiran pertama perempuan, kelahiran kedua perempuan

4. Kelahiran pertama perempuan, kelahiran kedua laki-laki.

TERIMA KASIH :)