DISTRIBUSI

PROBABILITAS
diskrit
 Distribusi Peluang Diskrit
Distribusi peluang diskrit adalah suatu ruang sampel yang mengandung jumlah
titik sampel yang terhingga atau suatu barisan unsur yang tidak pernah berakhir
tetapi yang sama banyaknya dengan bilangan cacah (Walpole,1993).

Distribusi probabilitas variabel acak diskrit yang dikenal diantaranya :

1. Distribusi Binomial
2. Distribusi Multinomial
3. Distribusi Hipergeometrik
4. Distribusi Poisson
 Distribusi Peluang Binomial
Suatu percobaan dimana pada setiap hasilnya hanya ada dua kemungkinan
yaitu sukses dan gagal dalam n kali pengulangan yang bebas (Walpole,1993).
Ciri – ciri distribusi peluang binomial adalah sebagai berikut :
• Percobaan terdiri dari atas n pengulangan
• Dalam setiap pengulangan, hasilnya berupa sukses dan gagal
• Peluang sukses dilambangkan dengan p, sedangkan gagal 1-p atau q
• Pengulangan-pengulangan tersebut bersifat saling bebas satu sama lain.

Distribusi peluang binomial dilambangkan dengan :

 n  x n  x Keterangan
P( X  x)  b( x; n, p)    p q n = banyaknya data/percobaan
 x
x = banyak sukses dalam peubah acak X
Untuk x = 0, 1, 2, 3, ... n p = peluang berhasil pada setiap percobaan
q = peluang gagal (1 – p) pada setiap percobaan

Rata-rata distribusi peluang Binomial :  = n.p

Ragam/varian distribusi peluang Binomial : 2 = n.p.q
 Contoh Distribusi Peluang Binomial
1. Bila sekeping uang (koin) yang memiliki muka angka (A) dan muka bergambar
(G) ditoss sebanyak 10 kali. Tentukanlah probabilitas peristiwa muncul muka
bergambar angka (A) :
a) 6 kali
b) Paling banyak 2 kali
c) Paling sedikit 2 kali
d) Hitung rata-rata jumlah muka A yang muncul dan standar deviasinya
Jawab : Apa yg diketahui ?
n = 10 p = 0,5 q = 0,5
Misalkan X adalah variabel acak yang menunjukkan jumlah muka A yang
muncul
a) Peluang muncul angka (A) 6 kali
 n
P( X  x)  b( x; n, p)    p x q n  x
 x
10  10  6
P( X  6)  b(6; 1 2 ,1 2 )  
6  ( 0,5) 6
( 0,5) = 210 x 0,015625 x 0,0625
 
= 0,2051
b) Peluang muncul muka angka paling banyak 2 kali
P(X  2) = P(X = 0) + P(X = 1) + P(X = 2)
10  1 0 1 10 10  1 1 1 9 10  1 2 1 8
P(X = 0) =  ( 2 ) ( 2 ) P(X = 1) =  ( 2 ) ( 2 ) P(X = 2) =  ( 2 ) ( 2 )
0
  1 2
= 0,001 = 0,009 = 0,0439
8
P(X  2) = 0,001 + 0,0098 + 0,0439 = 0,0547
c) Peluang muncul muka bergambar angka paling sedikit 2 kali
P(X  2) = 1 – {P(X = 0) + P(X = 1) }
= 1 – (0,001 + 0,0098) = 1 – 0,0108 = 0,9892
d) Rata-rata jumlah muka A yang muncul :  = n.p = 10 (0,5) = 5
Ragam = n.p.q = 10(0,5)(0,5) = 2,5
Standar deviasi = 2,5  1,58
 Contoh Distribusi Peluang Binomial
2. Delapan dadu yang homogin ditoss sekaligus, berapakah probabilitas muncul
muka bertitik 5 sebanyak 3 buah dadu
Jawab :
Misalkan X adalah variabel acak yang menunjukkan jumlah dadu dengan muka
yang muncul bertitik 5
n = 8 p = 1/6 q = 5/6
Probabilitas muncul muka titik 5 sebanyak 3 dadu  x=3

 n  x n x
P( X  x)  b( x; n, p)    p q
 x
8 1 3 5 5
P ( X  3)  b(3; 16 , 56 )   ( 6 ) ( 6 )
 3
= 56 x 0,00463 x 0,40188
= 0,10420
 Latihan
Diketahui dari seluruh barang yang diproduksi terdapat 10% barang yang rusak
(cacat). Dari barang yang diproduksi tersebut diambil sampel acak berukuran 25
unit barang, tentukan probabilitasnya bahwa dalam sampel tersebut akan
terdapat barang rusak :
a) Sebanyak 5 unit
b) Paling banyak 5 unit
c) Paling sedikit 7 unit
d) Antara 1 dan 7 unit
e) Hitunglah rata-rata jumlah barang rusak dan standar deviasinya
 Distribusi Peluang Multinomial
Jika percobaan binomial berkembang dengan memberikan lebih dari dua hasil
yang mungkin (bukan hanya kategori sukses dan gagal), maka percobaan itu
dinamakan Multinomial.

Misalkan sebuah percobaan menghasilkan K buah hasil yang mungkin yaitu

E1, E2, ..., Ek dengan peluang P1, P2, ..., Pk. Jika percobaan dilakukan sebanyak n
kali, maka peluang akan terdapat x1 kejadian E1, x2 kejadian E2, ... , xk kejadian Ek
diantara n ditentukan oleh distribusi multinomial :

N! x x x
P(x1, x2, ..., xk) = P1 1 P2 2 ...Pk k
x1! x2 !...xk !
 Contoh Distribusi Peluang Multinomial
1. Sebuah kotak berisi 3 bola merah, 4 bola hijau, dan 5 bola kuning. Identitas
lainnya homogen (sama). Sebuah bola diambil secara acak dari kotak itu,
dilihat warnanya dan dikembalikan lagi ke dalam kotak. Tentukan peluang
dari 6 kali pengambilan terdapat 1 bola merah, 2 bola hijau dan 3 bola
kuning.

Jawab :
P(merah) = 3/12 Merah muncul 1 kali  x1 = 1
P(hijau) = 4/12 Hijau muncul 2 kali  x2 = 2
P(kuning) = 5/12 Kuning muncul 3 kali  x3 = 3
N! x x x
P(M,H,K) = P1 1 P2 2 P3 k
x1! x2 ! x3!
1 2 3
6!  3  4 5
P(1, 2, 3) =        0,1206
1!.2!.3!  12   12   12 
 Contoh Distribusi Peluang Multinomial
2. Bila dua buah dadu dilemparkan 6 kali, berapakah peluang mendapat jumlah
mata dadu 7 atau 11 muncul 2 kali, sepasang bilangan yang sama muncul 1
kali dan pasangan lainnya muncul 3 kali.
Jawab :
E1 : kejadian muncul jumlah mata dadu 7 atau 11  P(E1) = 8/36 = 2/9
E2 : kejadian muncul pasangan bilangan yg sama  P(E ) = 6/36 = 1/6
2

E3 : kejadian muncul pasangan lainnya  22/36 = 11/18

P(E3) =
Distribusi Multinomial dengan X1 = 2, X2 = 1, X3 = 3

N! x1 x2 xk
P(X) = P1 P2 P3
x1! x2 ! x3!
2 1 3
6!  2   1   11 
P(2, 1, 3) =        0,1127
2!.1!.3!  9   6   18 
 Distribusi Peluang Hipergeometrik
Bila dalam N populasi benda, k buah benda diberi label berhasil dan N-k benda
lainnya diberi label gagal, maka distribusi peluang bagi peubah acak
hipergeometrik X yang menyatakan banyaknya keberhasilan dalam contoh acak
berukuran n (Walpole,1993).

Distribusi peluang hipergeometrik dilambangkan dengan :

 k  N  k 
   N = ukuran populasi
x nx 
h( x; N , n, k )    n = ukuran contoh acak
N k = banyaknya penyekatan / kelas
 
n x = banyaknya keberhasilan

Untuk x = 0, 1, 2, 3, ... n
nk
Rata-rata distribusi peluang hipergeometrik : 
N
N k k  k
Ragam distribusi peluang hipergemetrik : 2  n 1  
N 1 N  N 
 Contoh Distribusi Peluang Hipergeometrik
Sekelompok orang terdiri dari 50 orang dan 3 diantaranya lahir pada tanggal 1
Januari. Secara acak diambil 5 orang. Berapa peluang :
a. Tidak ada yang lahir pada tanggal 1 Januari
b. Paling banyak 1 orang yang lahir pada tanggal 1 Januari

Jawab :
Diketahui : N = 50, n = 5 dan k = 3
a. Miasl X : banyaknya orang yang lahir tanggal 1 Januari dari pengambilan
 k  N  k   3  47 
     
 x  n  x   0  5   1  1533939 0,724
P(0) =  
 
N  
50 2118760
   
n 5

Peluang bahwa kelima orang yang diambil tidak lahir pada tanggal 1 Januari
 Contoh Distribusi Peluang Hipergeometrik
Diketahui : N = 50, n = 5 dan k = 3
b. Akan dicari peluang paling banyak 1 orang lahir tanggal 1 Januari
P(X  1) = P(X = 0) + P(X = 1)
Dari jawaban sebelumnya telah diperoleh P(X = 0) = 0,724

 k  N  k   3  47 
     
x nx   1  4   3  178365
P(1) =     0,253
N  50  2118760
   
n 5

Peluang paling banyak 1 orang dari 5 orang yang diambil lahir pada tanggal 1
Januari adalah 0,724 + 0,253 = 0,977
 Latihan Distribusi Peluang Hipergeometrik
1. Sebuah perusahaan ingin menilai cara pemeriksaan yang sekarang dalam
pengiriman 50 barang yang sama. Cara ini dengan mengambil sampel sebesar 5
dan lolos pemeriksaan bila berisi tidak lebih dari 2 yang cacat. Barapa proporsi
pengiriman yang mengandung 20 % cacat akan lolos pemeriksaan

 k  N  k 
   N = 50
x nx 
h( x; N , n, k )    n = 5
N k = 20% x 50 = 10
 
n N–k = 40

Diambil 5 sampel dan dikatakan lolos pemeriksaan jika

cacat tidak lebih dari 2.
Dengan demikian x = 0, 1, 2
P(X=0) =

P(X=1) =

P(X=2) =
 Distribusi Peluang Poisson
Percobaan yang menghasilkan nilai-nilai bagi suatu peubah acak X, yaitu
banyaknya hasil percobaan yang terjadi selama suatu selang waktu tertentu
atau distribusi daerah tertentu (Walpole,1993).

Distribusi peluang poisson memiliki ciri – ciri sebagai berikut :

1. Banyaknya hasil percobaan yang terjadi dalam suatu selang waktu atau suatu
daerah tertentu, tidak langsung pada banyaknya hasil percobaan yang terjadi
pada selang waktu atau daerah lain yang terpisah.
2. Peluang terjadinya satu hasil percobaan selama suatu selang waktu yang
singkat sekali atau dalam suatu daerah yang kecil, sebanding dengan panjang
selang waktu tersebut, dan tidak bergantung pada banyaknya hasil
percobaan yang terjadi diluar selang waktu atau daerah tersebut.

Peluang bahwa lebih dari satu hasil percobaan akan terjadi dalam selang waktu
yang singkat tersebut atau dalam daerah yang kecil tersebut, dapat diabaikan.
Bilangan X yang menyatakan banyaknya daerah hasil percobaan dalam suatu
distribusi poisson disebut peubah acak poisson.
 Distribusi Peluang Poisson
Karena nilai – nilai peluangnya hanya bergantung pada µ maka dirumuskan :

e  x
p( x;  )  untuk x = 1, 2, 3, ...
x!
Keterangan :
x = banyak keberhasilan dalam peubah acak X
µ = rata-rata banyak sukses yang terjadi per satuan waktu
e = 2,71828...

Rata – rata dan ragam distribusi poisson p(x;) keduanya sama dengan 
 Contoh Distribusi Peluang Poisson
1. Seorang pengusaha fotocopy menjamin bahwa dalam setiap 1000 lembar
hasil fotocopy nya akan ada rata-rata 16 lembar yang rusak. Kalau saudara
memintanya untuk memfotocopy 30 lembar, maka berapakah
probabilitasnya saudara mendapatkan :
a) Tidak ada yang rusak
b) Lebih dari 3 lembar yang rusak
Jawab :
Misalkan X adalah variabel acak dengan jumlah lembar fotocopy yang rusak
Rata-rata lembar rusak setiap 30 lembar fc adalah  = 16*30/1000 = 0,48
Sehingga  = 0,48 untuk n = 30

e  x
a) P ( X  x)  p ( x;  ) 
x!
e 0, 48 (0,48) 0
P(X = 0) = p (0;0,48)   e–0,48 = 0,61878339
0!
 Contoh Distribusi Peluang Poisson
b) P(X > 3) = 1 – { P(X=0) + P(X=1) + P(X=2) + P(X=3) }
P(X = 0) = 0,61878339
e 0, 48 (0,48)1
P(X = 1) =  0,48 x e–0,48 = 0,29701603
1!
e 0, 48 (0,48) 2
P(X = 2) =  0,2304 x e–16 = 0,07128385
2!
e 0, 48 (0,48) 3
P(X = 3) =  0,018432 x e–16 = 0,01140542
3!
Sehingga
P(X > 3) = 1 – 0,99848869 = 0,00151131

Berapa standar deviasinya ???

 Latihan Distribusi Peluang Poisson
1. Pada tahun 2012, sebuah kota di pedalaman Watampone, diperoleh data
bahwa rata-rata terdapat 2,5 orang albino per 175 orang. 525 orang diambil
sebagai sampel percobaan. Dengan menggunakan pendekatan Possion,
tentukanlah peluang:
a. Didapat tidak ada yang albino.
b. Terdapat ada albino.

2. Peluang seorang akan mendapat reaksi buruk setelah disuntik besarnya

0,0005. Dari 4000 orang yang disuntik, tentukan peluang yang mendapat
reaksi buruk :
a. Tidak ada
b. Ada 3 orang
c. Tentukan ada berapa orang yangdiharapkan akan mendapat reaksi buruk
setelah disuntik.
Kunci no 1

b. Peluang terdapat albino dari sampel adalah

= 1 – (Peluang tidak ada Albino)
= 1 – 0,00055
= 0,99945.