DISTRIBUSI

PROBABILITAS
Distribusi Probabilitas

Kunci aplikasi probabilitas dalam statistik adalah

memperkirakan terjadinya peluang/probabilitas
yang dihubungkan dengan terjadinya peristiwa
tersebut dalam beberapa keadaan.

Jika kita mengetahui keseluruhan probabilitas

dari kemungkinan outcome yang terjadi, seluruh
probabilitas kejadian tersebut akan membentuk
suatu distribusi probabilitas.
 VARIABEL ACAK
• JUMLAH MAHASISWA YANG TIDAK LULUS
BIOSTATISTIK SEMESTER INI?
• JUMLAH PEMILIH PARTAI GOLKAR PADA
PERIODE PEMILU 2009?
• JUMLAH KORBAN KECELAKAAN LALU LINTAS
PADA MUSIM MUDIK TAHUN 2007?
• JADI…………………….?
• Variabel Random/Acak
– Variabel random adalah suatu kondisi yang menunjukkan
bahwa nilai terjadinya suatu peristiwa ditentukan oleh proses
kebetulan, bukan dikendalikan oleh peneliti.
– Variabel random dapat dibedakan menjadi dua, yaitu variabel
random diskrit dan variabel random kontinue.
– Variabel random diskrit adalah variabel yang besarannya tidak
dapat menempati semua nilai diantara dua titik, sehingga
nilainya berupa bilangan bulat.
• Contoh :
Data hasil pencacahan, misalnya banyaknya anak pada
sebuah keluarga dapat berjumlah 1,2,3 orang dan
seterusnya, tetapi tidak mungkin berjumlah 2,7 atau 1,5.
 – Variabel random kontinyu adalah varibel yang dapat
dinyatakan dalam sebarang nilai yang terdapat dalam interval
tertentu sehingga nilainya bisa berupa bilangan bulat maupun
pecahan atau pengukurannya dapat dibagi dalam bagian-
bagian yang tak terhingga.
• Contoh :
Data pengukuran ; umur, panjang dan lain-lain, misalnya
umur seseorang 3.5 tahun, 3 tahun dsb.
– Yang termasuk distribusi probabilitas diskrit adalah :
Distribusi binomial
Distribusi poisson
Sedang untuk distribusi probabilitas kontinue
adalah : Distribusi normal.
1. Distribusi Binomial

Penemu Distribusi Binomial adalah James

Bernaulli sehingga dikenal sebagai
Distribusi Bernaulli.

Menggambarkan fenomena dengan dua

hasil atau outcome. Contoh: peluang
sukses dan gagal,sehat dan sakit,
dsb.
Syarat Distribusi Binomial
1.Jumlah trial merupakan bilangan bulat. Contoh: melambungkan coin 2
kali, tidak mungkin2 ½ kali.
2.Setiap eksperimen mempunyai dua outcome(hasil).
Contoh: sukses/gagal,laki/perempuan, sehat/sakit,setuju/tidak setuju.
3. Peluang sukses sama setiap eksperimen.
Contoh :
• Bila kita hanya berminat untuk mengetahui apakah kartu yang
terpilih merupakan “kartu As” atau “bukan kartu As”, maka kita
dapat menyatakan peluang terambilnya kartu As adalah 4/52 (1/13),
sehingga peluang terambilnya kartu bukan As adalah 1 – 4/52 =
12/13
4. Masing-masing percobaan merupakan peristiwa independen, artinya
peristiwa yang satu tidak mempengaruhi terjadinya peristiwa yang
lain.
• Formula Binomial :  n  x n x
b ( x ; n, p )    p q
 x
dimana :
n n!
  
 x  x!(n  x)!
• Keterangan :
p = peluang sukses
q = peluang gagal
n = jumlah percobaan
x = jumlah sukses yang diharapkan
• Contoh :
• Berdasarkan pengalaman 8 dari 10 botol
minuman adalah terisi penuh, jika ingin diketahui
probabilitas yang terisi penuh 3 dari 6 botol yang
tersedia, maka dapat dilakukan perhitungan
sebagai berikut :
p = 8/10 x=3
q = 1 – 0,8 = 0,2 n=6

6!
b (3 ; 6 ; 0,8) = (0,8) 3 (0,2) 3  0,08192
3!(3)!
 soal
• Dari hasil penelitian Yayasan Aids India
menunjukkan bahwa probabilitas seseorang
tertular HIV AIDS dari jarum suntik adalah sebesar
50 %. Dari 6 orang yang diteliti, tentukan
probabilitas :
1. 2 orang tertular HIV AIDS
2. Tidak tertular satu pun
3. Paling banyak 3 orang tertular
4. 5 orang atau lebih tertular
5. 3-5 orang tertular
2. Distribusi Poisson

Dalam mempelajari distribusi Binomial kita dihadapkan

pada probabilitas variabel random diskrit (bilangan
bulat) yang jumlah trial nya kecil (daftar binomial),
sedangkan jika dihadapkan pada suatu kejadian dengan
p <<< dan menyangkut kejadian yang luas n >>> maka
digunakan distribusi Poisson.

Distribusi Poisson dipakai untuk menentukan peluang

suatu kejadian yang jarang terjadi, tetapi mengenai
populasi yang luas atau area yang luas dan juga
berhubungan dengan waktu.
Contoh Distribusi Poisson
1. Disuatu gerbang tol yang dilewati ribuan
mobil dalam suatu hari akan terjadi
kecelakaan dari sekian banyak mobil yang
lewat.
2. Dikatakan bahwa kejadian seseorang akan
meninggal karena shock pada waktu disuntik
dengan vaksin meningitis 0,0005. Padahal,
vaksinasi tersebut selalu diberikan kalau
seseorang ingin pergi haji.
 
 e x
P( x ;  ) 
x!
dimana,

P (x ; ) = Peluang munculnya peristiwa x

 = Rata-rata terjadinya suatu
peristiwa
e = 2,71828
 =n.p
 . Distribusi Normal
Distribusi normal memegang peranan penting
dalam statistika khususnya dalam berbagai
analisis untuk menarik suatu kesimpulan
berdasarkan sampel yang diambil.
Konsep distribusi normal sangat penting
untuk dipahami karena konsep ini mendasari
asumsi pada distribusi sampling, pendugaan
statistika maupun pengujian hipotesa.

14
Distribusi normal adalah distribusi variabel kontinue
yang memiliki ciri-ciri sebagai berikut :

1. Kurvanya mempunyai puncak tunggal

2. Kurvanya berbentuk seperti lonceng
3. Nilai rata-rata distribusi normal terletak ditengah
kurva normal.
4. Disebabkan distribusi normal mempunyai bentuk
simetris maka median dan modus juga berada
ditengah-tengah kurva normal, sehingga nilai rata-
rata median dan modus adalah sama.
5. Dua sisi kurva normal memanjang tak terbatas dan
tak pernah menyentuh garis horisontal.

15
KARAKTERISTIK DISTRIBUSI KURVA NORMAL

1. Kurva berbentuk genta (= Md= Mo)

2. Kurva berbentuk simetris
3. Kurva normal berbentuk asimptotis
4. Kurva mencapai puncak pada saat X= 
5. Luas daerah di bawah kurva adalah 1; ½ di sisi kanan nilai
tengah dan ½ di sisi kiri.