Distribusi Probabilitas

Oleh:
Yuliati Amperaningsih, S.K.M., M.Kes.

15/02/22 Biostatistik 1
 Pengertian Distribusi Probabilitas

Distribusi Probabilitas :
Adl penyusunan distribusi frekuensi yg
didasarkan atas teori peluang. Distribusi
ini disebut juga distribusi frekuensi
teoritis atau distribusi peluang.

15/02/22 2
 Tujuan Distribusi Probabilitas

Distribusi Probabilitas :
Untuk membuat estimasi atau meramalkan
variasi-variasi yg mungkin dapat timbul
pada suatu keadaan yg tdk pasti.

15/02/22 Biostatistik 3
 Kegunaan Distribusi Probabilitas
Di bidang kesehatan :

1. Menyusun perencanaan program pelayanan

kesehatan dimasa yg akan datang.

2. Meramalkan ttg masalah kesehatan yg

mungkin terjadi di masa yg akan datang.

15/02/22 Biostatistik 4
 Dasar Penyusunan Distribusi
Probabilitas
Penyusunan distribusi probabilitas
dpt didasarkan atas :
1.Pendekatan teori
2.Pendekatan subyektif
3.Pendekatan pengalaman

15/02/22 Biostatistik 5
 Distribusi probabilitas berdasarkan teori
Penyusunan distribusi probabilitas ini dpt didasarkan
atas teori peluang yg telah dibahas sebelumnya.
Contoh :
Bila ingin mengetahui probabilitas jenis kelamin bayi
yg dilahirkan dua kali berturut2, maka terdpt 4
kemungkinan sbb :
1.Kelahiran pertama laki2, kelahiran kedua laki2.
2.Kelahiran pertama laki2, kelahiran kedua wanita.
3.Kelahiran pertama wanita, kelahiran kedua laki2.
4.Kelahiran pertama wanita, kelahiran kedua wanita.
15/02/22 Biostatistik 6
 Distribusi probabilitas berdasarkan teori

Distribusi probabilitas tsb dpt disusun dlm bentuk

tabel frekuensi distribusi sbb :
Tabel : Probabilitas jenis kelamin dua kelahiran berturut-
turut.

NO. KELAHIRAN 1 KELAHIRAN 2 ∑ LAKI-LAKI ∑ WANITA PROBABILITAS

1. Laki-laki Laki-laki 2 0 0,5 x 0,5 = 0,25
2. Laki-laki Wanita 1 1 0,5 x 0,5 = 0,25
3. Wanita Laki-laki 1 1 0,5 x 0,5 = 0,25
4. Wanita Wanita 0 2 0,5 x 0,5 = 0,25

15/02/22 Biostatistik 7
 Distribusi probabilitas berdasarkan teori

Dari tabel diatas dpt disusun frekuensi distribusi

probabilitas sbb:

NO. fw fL PROBABILITAS
1. 0 2 0,25
2. 1 1 0,50
3. 2 0 0,25

15/02/22 Biostatistik 8
 Distribusi probabilitas berdasarkan
subyektif
Distribusi probabilitas subyektif berarti penyusunan
distribusi frekuensi didasarkan atas pertimbangan
pribadi.
Misalnya : seorang dokter Puskesmas menyatakan
bahwa jumlah kunjungan pasien setiap hari senin adl
40 org dg probabilitas sebesar 10%, hari selasa 45
org dg probabilitas 30%, hari rabu 50 org dg
probabilitas 40%, dan pd hari kamis jumlah
kunjungan sebanyak 55 org dg probabilitas 20%.

15/02/22 Biostatistik 9
 Distribusi probabilitas berdasarkan
subyektif
Pernyataan dokter Puskesmas tsb dpt disusun
frekuensi distribusi probabilitas sbb:

NO. HARI KUNJUNGAN JLH KUNJUNGAN PROBABILITAS

1. Senin 40 10

2. Selasa 45 30

3. Rabu 50 40

4. Kamis 55 20

15/02/22 Biostatistik 10
 Distribusi probabilitas berdasarkan
pengalaman
Distribusi probabilitas ini disusun berdasarkan
pengalaman pribadi atau berdasarkan catatan di
masa lampau yg digunakan untuk meramalkan
keadaan di masa yg akan datang.
Misalnya : seorang epidemiolog mempelajari dan
mengadakan analisis data penyakit berdasarkan
catatan medik yg lalu, kemudian atas dasar tsb dia
membuat ramalan ttg probabilitas distribusi
penyakit dimasa yg akan datang.

15/02/22 Biostatistik 11
 Distribusi probabilitas berdasarkan
pengalaman

Berdasarkan data diketahui, pada tahun 2010

jumlah penderita diare sebanyak 1.000 org dg
probabilitas 0,6, penyakit kulit 700 org dg
probabilitas 0,2 dan penderita penyakit mata
sebanyak 800 org dg probabilitas 0,2.

15/02/22 Biostatistik 12
 Distribusi probabilitas berdasarkan
pengalaman
Data di atas dapat disusun dlm tabel sbb:

Tabel : Distribusi frekuensi jenis penyakit

NO JENIS PENYAKIT JUMLAH PROBABILITAS
.
1. Penyakit Diare 1.000 60
2. Penyakit Kulit 700 20
3. Penyakit Mata 800 20
JUMLAH 2.500 100

15/02/22 Biostatistik 13
 Jenis Distribusi Probabilitas
Berdasarkan data distribusi probabilitas
dibagi menjadi :
1.Distribusi probabilitas deskrit, yaitu :
distribusi binomial (bernaulli), distribusi
multinomial, distribusi poisson, distribusi
hipergeometris dan distribusi pascal.
2.Distribusi probabilitas kontinu, yaitu :
distribusi normal (gauss).

15/02/22 Biostatistik 14
 Distribusi Binomial (Bernaulli)

Mrpk distribusi probabilitas yg paling

sering digunakan dlm segala bidang,
termasuk bidang kesehatan krn dlm
praktek sehari-hari atau dlm penelitian
sering dijumpai.

Misalnya, hasil pengobatan : sembuh–

tidak sembuh, jenis kelamin : laki2–
perempuan, dll.

15/02/22 Biostatistik 15
 Distribusi Binomial (Bernaulli)

Syarat Distribusi Binomial :

1.Tiap peristiwa hanya mempunyai 2 hasil.
2.Probabilitas dari setiap peristiwa hrs
selalu tetap.
3.Event yg dihasilkan bersifat independen.

15/02/22 Biostatistik 16
 Distribusi Binomial (Bernaulli)
Ciri-ciri Distribusi Binomial :

1.Ciri pertama adl bila jumlah n tetap dan p kecil

maka distribusi yg dihasilkan akan miring ke kanan
dan bila p makin besar maka kemiringan akan
berkurang dan bila p mencapai 0,5 maka distribusi
akan menjadi simetris. Bila p lebih besar dari 0,5
maka distribusi yg dihasilkan akan miring ke kiri.

2.Ciri kedua adl bila p tetap dg jumlah n yg makin

besar maka akan dihasilkan distribusi yg mendekati
distribusi simetris.

15/02/22 Biostatistik 17
 Rumus Distribusi Binomial :

n! r nr
n Pr  p q
r!( n  r )!
Keterangan :
p = probabilitas yg diinginkan
q=1–p
n = banyaknya kejadian (trial)
r = jumlah kejadian yg diinginkan

15/02/22 Biostatistik 18
 Distribusi Binomial (Bernaulli)
Contoh :
Seorang bidan puskesmas ingin mengetahui
probabilitas kelahiran 2 bayi laki-laki dari 3
kelahiran normal.

Dari data dpt diketahui informasi sbb:

p = peluang kelahiran laki-laki  0,5
q = 1 – p  1 – 0,5  0,5
n = 3 dan r = 2

15/02/22 Biostatistik/Karbito 19
 Penyelesaian :
n!
n Pr  p r q nr
r!( n  r )!
3!
3 P2   0,5  .
2
0,5 
3 2

2!(3  2)!

3 x 2 x1
3 P2   0,5 2 . 0,5   0,375
2 x1x1

Dari hasil di atas dpt disimpulkan bhw

probabilitas untuk 2 bayi laki2 dari 3 kelahiran
normal adl 0,375 atau 37,5%

15/02/22 Biostatistik 20
 Distribusi Poisson
Mrpk distribusi probabilitas yg jg sering
digunakan dlm penelitian operasional
untuk menentukan probabilitas peristiwa
yg jarang terjadi dlm periode yg pendek.

Misalnya, jumlah kunjungan pasien gawat

darurat dlm waktu 3 jam atau mendptkan
kasus yg jarang dijumpai walaupun
dilakukan dg sampel yg besar.

15/02/22 Biostatistik 21
 Syarat Distribusi Poisson :
1.Terjadinya event sangat jarang dlm
periode pendek.
2.Probabilitas setiap periode selalu
konstan.
3.Untuk terjadinya bbrp event dlm periode
yg sangat pendek hampir mendekati nol.
4.Mrpk event yg pendek.

15/02/22 Biostatistik 22
 Rumus Distribusi Poisson :

 .e
x
Px 
x!
Keterangan :
x! = x faktorial
e = 2,71828
e- ‫ = ג‬dapat dilihat pada tabel poison
‫ = ג‬rata-rata terjadinya event perperiode tertentu = n.p
n = banyaknya sampel
p = proporsi yang terjadi
Px = probabilitas terjadinya event
15/02/22 Biostatistik 23
 Distribusi Poisson
Contoh :
Dari data rekam medik RS diketahui bhw terdpt 5
org penderita yg membutuhkan pemeriksaan EKG.
Bila seorang dokter ingin mengetahui probabilitas
sebesar 0, 1, 2, 3 dan 4 org penderita yg
membutuhkan pemeriksaan EKG, maka untuk
mengetahui probabilitas tsb dpt menggunakan
rumus Poisson.

15/02/22 Biostatistik 24
  .e
x 
Penyelesaian : Px 
x!

5 = ‫ ג‬dan e-5 = 0,00674 (lihat tabel poisson)

P(0) = (50) (0,00674)/0!  0,00674

P(1) = (51) (0,00674)/1!  0,00337

P(2) = (52) (0,00674)/2!  0,0842

P(3) = (53) (0,00674)/3!  0,14

P(4) = (54) (0,00674)/4!  0,17

15/02/22 Biostatistik 25
 Distribusi Normal
Mrpk satu2nya distribusi probabilitas dg
variabel random kontinu dan mempunyai
peran penting dlm statistika karena :
a.Memiliki bbrp sifat yg memungkinkan
untuk digunakan sbg pedoman dlm menarik
kesimpulan berdsrkan hasil sampel.
b.Sangat sesuai dg distribusi empiris shg
dikatakan bahwa semua peristiwa scr
alami akan membentuk distribusi ini.

15/02/22 Biostatistik 26
 Ciri-ciri Distribusi Normal :
1.Disusun dari variabel random kontinu.
2.Kurva distribusi normal mempunyai 1 puncak
(simetris).
3.Nilai mean, median dan mode terletak pd satu
titik.
4.Kurva normal dibentuk dlm jmlh pengamatan yg
banyak.
5.Event yg dihasilkan bersifat independen.

15/02/22 Biostatistik 27
 Rumus Distribusi Normal :

x x x 
Z  atau Z 
sd 
Keterangan :

x = mean (rata2) sampel

x = nilai variabel random
μ = mean (rata2) populasi
sd = standar deviasi sampel
σ = standar deviasi populasi
Z = besarnya penyimpanan terhdp rata2 yg dinyatakan dlm unit sd.

15/02/22 Biostatistik 28
 Contoh :
Suatu evaluasi dilakukan terhdp hasil pengobatan TB Paru
menggunakan Rifampisin dg rata2 kesembuhan 200 hari dan
deviasi standarnya sebesar 10 hari.
Pertanyaan :
1.Brp probabilitas seorang penderita yg diambil scr random
mempunyai kesembuhan lebih dari 200 hari?
2.Brp probabilitas seorang penderita sembuh antara 200
s.d 205 hari?
3.Brp probabilitas kesembuhan lebih dari 220 hari?
4.Brp probabilitas kesembuhan antara 205 s.d 210?
5.Brp probabilitas kesembuhan kurang dari 205 hari?
6.Brp probabilitas kesembuhan antara 190 s.d 210?

15/02/22 Biostatistik 29
 Jawab :
1.Pd kurva normal, belahan kanan dan kiri dari rata2 adl
sama (0,5 atau 50%) dan nilai rata2nya 200 hari, maka
probabilitas seorang penderita dg kesembuhan lebih dari
200 hari adl separuh atau 0,5 (50%) dari seluruh kurva
normal (area sebelah kanan rata2nya)

2.P(200 dan 205) Z=(205-200)/10 = 0,5  lihat tabel Z

(0,1915). Ini berarti bhw probabilitas kesembuhan antara
200 hari dan 205 hari adalah 0,1915 atau jika dibulatkan
menjadi 0,2 atau 20%.

15/02/22 Biostatistik 30
 Jawab :
3.P(>220)  Z=(220-200)/10 = 2,0  lihat tabel Z (0,4772).
Krn luas seluruh area pd belahan sebelah kanan rata2 sama
dg 0,5 atau 50% maka probabilitas kesembuhan lebih dari
220 hari diperoleh dg mengurangi: 0,5-0,4772 = 0,02 atau
2%.

4.P(210) Z=(210-200)/10 = 1,0  lihat tabel Z (0,3413).

P(205) Z=(205-200)/10 = 0,5  lihat tabel Z
(0,1915).
Luas antara Z = 210 dan Z = 205 adalah 0,3413-
0,1915 = 0,1498 atau dibulatkan 0,15 atau 15%.

15/02/22 Biostatistik 31
 Jawab :
5. P(205) Z=(205-200)/10 = 0,5  lihat tabel Z
(0,1915).
Luas Z = 205 adalah 0,1915 atau dibulatkan 0,2 atau
20%. Jadi probabilitas kesembuhan kurang dari 205 hari
adl : 0,5 + 0,2 = 0,7 atau 70%.

6.P(210) Z=(210-200)/10 = 1,0  lihat tabel Z (0,3413).

P(190) Z=(190-200)/10 = -1,0  lihat tabel Z
(0,3413).
Luas antara Z = 190 dan Z = 210 adalah
0,3413+0,3413 = 0,6826 atau dibulatkan 0,68 atau 68%.

15/02/22 Biostatistik 32
 Karakteristik Kurva Normal :
1.Satu kurve mencakup area sebesar 1 (peluang
1).

2.Satu kurve terdiri dari 6 nilai Z.

15/02/22 Biostatistik 33
 Tabel Kurva Normal :

1.Nilai Z = 1,50  baris 1,5 kolom 0,0.

Z 1,50 = 0,4332

2.Nilai Z = 1,53  baris 1,5 kolom 0,03

Z 1,53 = 0,4370

15/02/22 Biostatistik 34
 Contoh :
a.P (Z > 1,68)  Z1,68 = 0,4535

P = 0,5 – 0,4535  0,0465

b.P (Z < 2,32)  Z2,32 = 0,4898

P = 0,5 + 0,4898  0,9898

c.P (Z < -1,49)  Z1,49 = 0,4319

P = 0,5 - 0,4319  0,0681

15/02/22 Biostatistik 35
 Latihan1 :
Diketahui dari hasil survei bahwa proporsi mhs yg
merokok 20%, bila diambil sampel sebanyak 8
orang mhs, hitung probabilitas/peluang :
1.Tdk ada mhs yg merokok
2.Dua mhs yg merokok
3.Kurang dari 3 mhs yg merokok
4.Paling banyak 3 mhs yg merokok
5.Paling tdk 7 mhs yg merokok
6.Paling tdk 6 mhs yg merokok
7.Ada 3 mhs yg tdk merokok
8.Semua merokok

15/02/22 Biostatistik 36
 Latihan2 :
Diketahui peluang balita menderita gizi buruk di
Bandar Lampung 2%, bila diambil sampel 150
balita, hitung peluang :
a.Ada 3 balita menderita gizi buruk.
b.Ada kurang dari 6 balita menderita gizi buruk.
c.Ada lebih dari 4 balita menderita gizi buruk.
d.Paling banyak 5 balita menderita gizi buruk.
e.Paling tidak 3 balita menderita gizi buruk.

15/02/22 Biostatistik 37
 Latihan3 :
Diketahui rata2 kadar hb ibu hamil 10 gr% dg
Sd = 2 gr%, bila data kadar Hb berdistribusi
normal, hitung peluang :
a.Ibu hamil yg kadar hb lebih dari 11 gr%.
b.Ibu hamil yg kadar hb kurang dari 9,5 gr%.
c.Ibu hamil yg kadar hb lebih dari 8 gr%.
d.Ibu hamil yg kadar hb antara 11,5 s.d. 14 gr%

15/02/22 Biostatistik 38
 Terima Kasih

15/02/22 Biostatistik 39