DISTRIBUSI

DISTRIBUSI NORMAL
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.

2
Luas kurva normal antara x=a & x=b
= probabilitas x terletak
antara a dan b

a  b
x
TRANSFORMASI DARI NILAI X KE Z

Transformasi
dari X ke Z

x z

Distribusi Normal Baku yaitu distribusi probabilitas acak

normal dengan nilai tengah nol dan simpangan baku 1

Di mana nilai Z:Z = Skor Z atau nilai normal baku

X = Nilai dari suatu pengamatan atau
pengukuran
Z= X- = Nilai rata-rata hitung suatu
distribusi
 = Standar deviasi
4
Tahapan Perhitungan
Distribusi Normal
– TRANSFORMASI NILAI X
MENJADI NILAI Z-SCORE
–Z=X-/
– GAMBAR DISTRIBUSI NORMAL
– TENTUKAN NILAI Z BERADA
– CARI NILAI P DARI TABEL
D.NORMAL
– PAHAMI KONTEKS
PERTANYAAN DALAM SOAL.
Contoh :
Diketahui data berdistribusi normal dengan
mean  = 55 dan deviasi standar = 15

P(55≤x≤75) =

= P(0≤Z≤1,33)
= 0,4082 (Tabel )

 A = 0,4082
 DISTRIBUSI BINOMIAL

• Untuk mempermudah perumusan distribusi binomial, kita

pakai percobaan pelemparan sebuah uang logam sebanyak
3 kali (n=3). Munculnya sisi muka kita sebut kejadian sukses
(S) dan munculnya sisi belakang kita sebut kejadian gagal
(G). Singkat kata bahwa hasil-hasil yang muncul dalam
suatu percobaan statistik dapat kita bedakan dalam dua jenis
yaitu kejadian sukses dan kejadian gagal (tidak sukSes),
dimana probabilitas kejadian sukses dan probabilitas
kejadian gagal adalah tetap.

Suatu percobaan statistik disebut percobaan binomial, jika

percobaan statistik tersebut mempunyai ciri-ciri :
1. percobaan diulang sebanyak n kali;
2. setiap kejadian dibedakan menjadi dua yaitu kejadian
sukses dan kejadian gagal (tidak sukses);
3. probabilitas kejadian sukses dan gagal adalah tetap pada
tiap kali percobaan diulang;
4. semua hasil yang muncul saling bebas satu sama lain.
 RUMUS FUNGSI
BINOMIAL
Adapun rumus fungsi distribusi binomial adalah:
f(x) = P(X=x) = p(x) = b(x,n,p) = nCx px(1 ‑ p)n‑x
dimana x= 0,1,2,…,n dan q = 1-p

Variabel X merupakan variabel kategorik, yang terdiri

dari hanya 2 kategori, sebut sukses atau gagal.
Misalnya lulus/tidak lulus, laki‑laki/perempuan,
rusak/baik, dan sebagainya.
nCx adalah banyaknya susunan yang berbeda untuk
mendapatkan x "sukses" dan (n‑x) "gagal" dari
sebanyak n percobaan.
x = banyaknya sukses dalan n percobaan, jadi nilai x
paling kecil 0 dan paling besar n.
p = peluang untuk sukses dalam tiap percobaan.
DISTRIBUSI GEOMETRIK

DALAM SATU DERET BERNAULLI MUNGKIN TERJADI BANYAKNYA

PERCOBAAN SAMPAI TERJADINYA SUATU PERISTIWA t t t PADA PERTAMA
KALI, ATAU SUATU PERISTIWA PERTAMA KALI TERJADI SETELAH
DILAKUKAN PERCOBAAN t KALI, MAKA PERISTIWA HARUS TIDAK
TERJADI PADA (t – 1) DIKENAL DENGAN NAMA DISTRIBUSI GEOMETRIK.

P (T = t) = p. qt-1 t = 1, 2, ……

TERDAPAT KAITANNYA DENGAN PERIODE ULANG (RETURN PERIOD)

~
T =  (T) =  t. pqt-1 = p (1 + 2q + 3q2 + …….)
t=1

1 1
UNTUK q < 1,0 => ----------- = -------
(1 – q)2 p2

1
SEHINGGA T = -----
p

CONTOH :
SUATU MENARA RADIO PEMANCAR DIRENCANAKAN KUAT TERHADAP
ANGIN 50 TAHUNAN.

a). BERAPA PROBABILITAS BAHWA DESAIN KECEPATAN ANGIN

TERSEBUT DILEWATI UNTUK PERTAMA KALI PADA TAHUN KE 5
SETELAH BANGUNAN BEROPERASI.

JAWAB :
PROBABILITAS TERJADINYA ANGIN 50 TAHUNAN DALAM 1 TAHUN YANG
MANA SAJA ADALAH p = 1/50 = 0,02.
P(T=5) = (002) (0,98) 4
= 0.018
DISTRIBUSI EXPONENSIAL

FUNGSI KERAPATAN :

f (x) = . e -x f (t) = e -t

FUNGSI DISTRIBUSI. T (. Konstan)

F (x) = P (T < x) = 1 – e x
F (t) = P (T < t) = 1 -e t

CONTOH :

TAHUN 1836 - 1961 => TERJADI 16 x GEMPA INTENSITAS VI ATAU LEBIH

a). BERAPA PROBABILITAS GEMPA SEPERTI TERSEBUT DI ATAS TERJADI

DALAM 2 TAHUN MENDATANG ?

16
. = -------- = 0,128 Gempa / Tahun
125

P (T < 2) = 1 – e -0,128 (2) = 1 – 0,774

= 0,226

b). BERAPA PROBABILITAS TIDAK AKAN TERJADI GEMPA DENGAN

INTENSITAS SETINGGI V1 M DALAM 10 TAHUN MENDATANG.

P (T < 10) = 1 - P (T < 10)

P (T < 10) = 1 – ( 1 – e -10 (0,128)
)
P (T < 10) = e -10 (0,128)

= 0,278

atau
P (T > 10) = 1 - P (T < 10)
P (T > 10) = 1 – ( 1– e -10 (0,128)
)
P (T > 10) = e -10 (0,128)

= 0,278
DISTRIBUSI HIPERGEOMETRIK
• POPULASI TERBATAS N
• HANYA ADA 2 ELEMEN GAGAL / BERHASIL.

m N-m
x n-x
P (X = x) = ------------------------
N
n

N = Jumlah Populasi
m = Jumlah yang rusak / gagal
(N – m) = Jumlah yang baik / berhasil
n = Jumlah sample diambil secara acak dan populasi
t = Jumlah barang yang rusak dalam n.

CONTOH :
- SUATU PETI BERISI 25 ALAT PENGUKUR REGANGAN
- 4 DIANTARANYA DIKETAHUI RUSAK
- JIKA 6 PENGUKUR DIGUNAKAN DALAM SUATU EXPERIMENT, BERAPA
PROBABILITAS TERDAPAT SATU PENGUKUR YANG RUSAK DALAM
EXPERIMENT TERSEBUT.

N = 25
m=4
n=6
4 21
1 5
P (X = 1) = ------------------------ = 0,46
25
6
B). BERAPA PROBABILITAS TIDAK ADA ALAT PENGUKUR YANG RUSAK
DIGUNAKAN DALAM EXSPERIMEN ?

21
6
P (x=0) = ---------- = 0,31
25
6
DISTRIBUSI POISON

• SUATU PERISTIWA DAPAT TERJADI SECARA ACAK PADA WAKTU ATAU

TITIK DALAM RUANG.
• KEJADIAN SUATU PERISTIWA PADA SUATU SELANG WAKTU / TEMPAT
YANG TTT ADALAH BEBAS PERISTIWA YANG TERJADI PADA SELANG
LAIN YANG TIDAK TUMPANG TINDIH.
• PROBABILITAS TERJADINYA SUATU PERISTIWA DALAM SUATU SELANG
YANG KECIL (t) ADALAH SEBANDING DENGAN ’t DAN DAPAT

DIBENTUK SEBAGAI t ATAU …. x.

 Laju Rata-rata (mean rate) dan peristiwa yang dianggap
konstan.

( t) x x
P = (Xt = x) = ------------- e -t = -------- e -
x ! x !

X = Jumlah kejadian dalam selang waktu t t t

 Jumlah rata-rata dari peristiwa t.

CONTOH :

DARI CATATAN HISTORIS, HUJAN LEBAT DALAM KOTA MENUNJUKKAN

RATA-RATA 4 HUJAN/TAHUN, SELAMA 20 TAHUN TERAKHIR.

DENGAN MENGASUMSIKAN KEJADIAN DARI HUJAN LEBIH SEBAGAI

SUATU PROSES POISON => BERAPA PROBABIITAS TIDAK AKAN ADA HUJAN
LEBAT TAHUN DEPAN ?
 40
P (xt = 0) = --------- e -4
0!
= 0,010

b). BERAPA PROBABILITAS AKAN TERJADI TEPAT 4 HUJAN LEBAT DALAM

TAHUN DEPAN ?

44
P (xc = 4) = --------- e -4
4!
= 0,195

c). BERAPA PROBABILITAS DARI 2 ATAU LEBIH HUJAN LEBAT DALAM

TAHUN BERIKUTNYA ?

P (xt > 2) = 1 - P (xt < 2)

n 4X
P (xt > 2) = ------ e -4
x=2 x!

1 e -4
= 1- ---------
x=0 x!
= 1 – 0,018 – 0,074
= 0,908