Distribusi probabilitas

Distribusi Probabilitas

 Disebut juga dengan distribusi frekuensi teoritis atau distribusi

peluang.
 Distribusi
frekuensi probabilitas disusun berdasarkan teori peluang
maka pengetahuan tentang distribusi teoritis menjadi sangat penting
untuk membuat estimasi atau meramalkan variasi-variasi yang
mungkin dapat timbul pada suatu keadaan yang tidak pasti.
 Di bidang kesehatan, distribusi frekuensi teoritis dapat digunakan
untuk menyusun perencanaan program pelayanan kesehatan di masa
yang akan datang dan meramalkan tentang masalah kesehatan yang
mungkin terjadi di masa yang akan datang.
Distribusi Probabilitas

 Berdasarkan data yang diperoleh maka distribusi probabilitas

dapat dibagi menjadi dua, yaitu:
a. Distribusi probabilitas diskrit, yang terdiri dari distribusi
binomial, distribusi multinomial, distribusi hipergeometris,
dan distribusi poisson.
b. Distribusi probabilitas kontinu yang terdiri dari distribusi
Normal.
Distribusi Binomial (Bernoulli)

 Distribusipeluang binomial (peluang data kategorik) merupakan peluang

yang terjadi untuk peristiwa yang muncul dua outcome.
 Misalnya, sehat dan sakit, sembuh dan tidak sembuh, puas dan tidak
puas, dan lain2.
 Dilakukan pada sampel yang kecil (< 20 sampel) dan probabilitasnya
besar (> 0,05).
 Bila jumlah n tetap dan p kecil maka distribusi yang 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 yang dihasilkan akan miring ke kiri.
Distribusi Binomial (Bernoulli)

 Bilajumlah n tetap dan p kecil maka distribusi yang 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
yang dihasilkan akan miring ke kiri.
 Bilap tetap dan jumlah n yang makin besar maka akan
dihasilkan distribusi yang mendekati distribusi simetris.
Distribusi Binomial (Bernoulli)

 Bentuk distribusi Binomial:

n = jumlah sampel
x = jumlah kejadian yang diinginkan/muncul
P = besarnya peluang
Distribusi Binomial (Bernoulli)
 Contoh:

Diketahui peluang seorang dokter dapat menyembuhkan pasien

adalah 0,7. Jika diambil sampel sebanyak 8 pasien, maka hitung
peluang:
a. Tidak ada pasien yang sembuh
b. Dua pasien sembuh
c. Kurang dari dua pasien
d. Paling tidak tujuh pasien sembuh
Distribusi Binomial (Bernoulli)
 Contoh:

Diketahui P=0,7; n=8

Kesimpulan: peluang apabila tidak ada pasien yang sembuh

adalah 0,0066%.
Distribusi Binomial (Bernoulli)

 Contoh:

Diketahui P=0,7; n=8

Kesimpulan: peluang apabila ada 2 pasien yang sembuh adalah

0,01 atau 1%.
Distribusi Binomial (Bernoulli)
 Contoh:

Diketahui P=0,7; n=8

Kesimpulan: peluang apabila kurang dari 2 pasien yang sembuh adalah 0,001 atau
0,1%.
Distribusi Binomial (Bernoulli)
 Contoh:

Diketahui P=0,7; n=8

Kesimpulan: peluang apabila paling tidak 7 pasien yang sembuh adalah 0,252 atau
25,2%.
Distribusi Multinomial

 Dilakukan apabila suatu keadaan dimana dalam satu peristiwa

menghasilkan lebih dari dua event.
 Bentuk distribusi multinomial:
...
, ,...,
+ +...+
Distribusi Multinomial
 Contoh:

Seorang dokter melakukan pengobatan sebanyak 6 kali terhadap

penderita jantung dengan hasil sembuh sempurna (A), sembuh
dengan gejala sisa (B) dan meninggal (C). Berapa probabilitas
dari 6 kali pengobatan tersebut untuk menghasilkan 2 orang
sembuh sempurna, 2 orang sembuh dengan gejala sisa dan 2
orang meninggal.
Distribusi Multinomial
 Contoh:

Diketahui:
P(A) = P(B) = P(C) = 1/3
n=6
x1 = x2 = x3 = 2
= 0,123 = 12,3 %
Kesimpulan: probabilitas dari 6 kali pengobatan tersebut untuk
menghasilkan 2 orang sembuh sempurna, 2 orang sembuh dengan
gejala sisa, dan 2 orang meninggal adalah 0,123 atau 12,3%.
Distribusi Poisson

 Merupakan peluang yang terjadi untuk peristiwa yang jarang

terjadi dan muncul dua outcome.
 Dilakukan pada sampel yang besar (sama atau lebih besar dari
20 sampel).
 Probabilitasnya kecil (lebih kecil atau sama dengan 0,05).
Distribusi Poisson
 Contoh:

Berdasarkan berbagai laporan diketahui bahwa terjadinya demam

setelah mendapatkan suntikan obat X adalah 0,001. jika ingin
menyuntikkan obat X kepada 200 orang, berapa probabilitas
untuk terjadinya demam sebanyak; 0, 1, 2 dan lebih dari 2 orang.
np = 200 x 0,001
= 0,2
Distribusi Poisson

 Contoh:

Kesimpulan; peluang tidak terjadinya demam setelah

penyuntikkan obat X pada 200 orang adalah 81,8%.
Distribusi Poisson

 Contoh:

Kesimpulan; peluang terjadinya satu orang demam setelah

penyuntikkan obat X pada 200 orang adalah 16%.
Distribusi Poisson

 Contoh:

Kesimpulan; peluang terjadinya dua orang demam setelah

penyuntikkan obat X pada 200 orang adalah 1%.
Distribusi Poisson

 Contoh:

Kesimpulan; peluang terjadinya dua orang atau lebih syok

anafilaktik adalah sama dan makin besar probabilitas maka makin
kecil hasilnya atau praktisnya tidak terjadi syok anafilaktik pada
penyuntikan terhadap 200 orang.
Distribusi Hipergeometris

 Merupakan salah satu distribusi probabilitas dengan variabel

random diskrit.
 Digunakan untuk mengetahui besarnya peluang yang terjadi
pada sampel bila kejadian serupa pada populasi diketahui.
 Misalnya, pada populasi N terdapat X kejadian dan ingin
diketahui probabilitas kejadian sebanyak x pada sampel sebesar
n.
Distribusi Hipergeometris

 Contoh:

Pada bangsal penyakit dalam suatu rumah sakit terdapat 60 orang

penderita dan 5 diantaranya menderita hepatitis. Bila diambil
sampel sebesar 10 orang penderita secara acak sederhana maka
berapa besarnya probabilitas untuk mendapatkan 2 orang dengan
hepatitis.
Distribusi Hipergeometris

 Penyelesaian:

Diketahui: N=60, X=5, n=10, x=2

Distribusi Normal

 Distribusiyang terjadi pada data berjenis numerik, seperti BB,

kadar Hb, kadar kolesterol, dll.
 Distribusinormal memiliki beberapa sifat yang memungkinkan
untuk dipergunakan sebagai pedoman dalam menarik
kesimpulan berdasarkan hasil sampel.
 Merupakan distribusi teoritis, akan tetapi sangat sesuai dengan
distribusi empiris sehingga dikatakan bahwa semua peristiwa
secara alami akan membentuk distribusi normal.
Distribusi Normal

 Ciri-ciri distribusi normal:

1. Disusun dari variabel random kontinu.
2. Kurva distribusi normal mempunyai satu puncak.
3. Nilai mean, median dan modus terletak pada satu titik.
4. Kurva normal dibentuk dari jumlah pengamatan yang sangat banyak.
5. Event yang dihasilkan bersifat independen.
6. Ekor kurva mendekati absis pada penyimpangan ke kiri dan ke
kanan sebesar 3 SD dari rata2 dan ekor grafik dapat dikembangkan
terus tanpa menyentuh absis.
Distribusi Normal

 Ciri-ciri distribusi normal:

Distribusi Normal

 Ciri-ciri distribusi normal:

Distribusi Normal

 Rumus eksponensial distribusi normal:

 Untuk
mencari peluang pada distribusi normal, dapat
menggunakan transformasi dengan nilai Z.
Distribusi Normal

 Keterangan:

x = peluang yang dicari atau yang muncul

= rata2 populasi
= standar deviasi populasi
S = standar deviasi sampel
= rata2 sampel
Distribusi Normal

 Langkah2 mencari nilai peluang:

a) Mencari nilai Z.
b) Mencari nilai peluang dari tabel Z (tabel kurva normal)
 Karakteristik kurva normal, satu kurva meliputi area peluang
yang besarnya sama dengan 1.

0,5 0,5
Distribusi Normal

 Prinsip2 peluang:
1. P(z=1,74); peluang tabel=0,4591

0 1,74

2. P(z=-2,18); peluang tabel= 0,4854

-2,18 0
 Distribusi Normal
 Prinsip2 peluang:
3. P(z>1,42); peluang tabel=0,4222

0 1,42
Peluangnya = 0,5 - 0,4222 = 0,0778
4. P(z<2,74); peluang tabel= 0,4969

Peluangnya = 0,5 + 0,4222 = 0,0778 0 2,74

Distribusi Normal

 Contoh:

Diketahui rata2 berat badan ibu hamil 60 kg dengan standar

deviasi 5 kg. Hitung peluang berat badan ibu hamil yang:
a. Kurang dari 70 kg
b. Lebih dari 74 kg
Distribusi Normal

 Penyelesaian:

Dik:
S = 5 kg

Peluangnya = 0,5 + 0,4772 = 0,9772 (97,72%)

Peluangnya = 0,5 - 0,4974 = 0,0026 (0,26%)

Distribusi Normal

 Latihan:

Diketahui rata2 berat badan mahasiswa kesmas kelas C sebesar

63 kg dengan standar deviasi 5 kg. Hitung peluang berat badan
mahasiswa yang:
a. Kurang dari 65 kg
b. Lebih dari 70 kg