02.

Distribusi Teoretis
 A. Variabel Random

Variabel random atau variabel acak adalah variabel yang

nilai-nilainya ditentukan oleh kesempatan atau variabel
yang dapat bernilai numerik yang didefinisikan dalam
suatu ruang sampel.
Variabel Random Diskrit
Variabel random diskrit adalah variabel yang tidak
mengambil seluruh nilai yang ada dalam
sebuah interval atau variabel yang hanya
memiliki nilai tertentu.
 Jika nilai yang mungkin dari variabel random X, yaitu
himpunan hasil pemetaan adalah , berhingga atau tak
berhingga tetapi terbilang (himpunan terbilang adalah
himpunan yang semua anggotanya dapat disebut satu per
satu) maka X disebut suatu variabel random diskrit.
 Contoh soal:
Dua buah kotak masing-masing berisi 4 bola yang bertuliskan angka 1, 2, 3, 4. Dari kotak I dan II
masing-masing diambil sebuah bola secara random. Tentukan nilai dari variabel random yang
menyatakan jumlah kedua angka pada bola yang terambil!
Penyelesaian:
Dari pengambilan bola pada kotak I dan II, diperoleh titik sampel sebanyak 16. Jika Y menyatakan
jumlah kedua angka pada bola yang termbil maka:
Y(1, 1) = 2
Y(1, 2) = 3
Y(1, 3) = 4
Dan seterusnya
Sehingga, daerah hasil dari variabel random Y adalah
= {2, 3, 4, 5, 6, 7, 8}
 Variabel Random Kontinu

Variabel random kontinu adalah variabel random yang

mengambil seluruh nilai yang ada dalam sebuah
interval atau variabel yang dapat memiliki nilai-nilai
pada suatu interval tertentu.
 Contoh
Usia penduduk suatu daerah.
Panjang beberapa helai kain.
 
Jika nilai yang mungkin dari variabel random X (hasil dari X) meripakan semua
nilai dalam suatu interval atau banyaknya hasil pemetaan tak terbilang,
maka X disebut variabel random kontinu. Misal, derah hasil variabel
random kontinu X adalah = {X : 0 ≤ x ≤ 1, x bilangan real} atau
= {Y : - ~ < y < ~, y bilangan real}
 Contoh soal:
Pada label kawat baja, tertulis diameter 2 0, 0005 mm.
Tentukan nilai dari variabel random yang
menunjukkan diameter kawat tersebut!

Penyelesaian:
Diameter kawat baja tidak boleh kurang dari 2 – 0,0005
mm = 1,9995 mm dan tidak boleh lebih dari 2 +
0,0005 mm = 2,0005 mm, sehingga daerah hasil dari
variabel random X adalah = {1,9995 x 2,0005, x
bilangan real}
PENGERTIAN DAN JENIS-JENIS DISTRIBUSI TEORETIS

Pengertian Distribusi Teoretis

Distribusi teoretis atau distribusi probabilitas teoretis adalah suatu daftar yang
disusun berdasarkan probabilitas dari peristiwa-peristiwa bersangkutan.
Frekuensi dari distribusi itu diperoleh melalui perhitungan-perhitungan, karena
itu distribusi teoretis dapat pula diartikan sebagai distribusi yang frekuensinya
diperoleh secara matematis (perhitungan).
 Dalam bentuk grafik batang,
distribusi teoretis tersebut
digambarkan sebagai berikut.
0.4 0.375

0.3 0.25 0.25

0.2
0.1 0.0625 0.0625
0
0 1 2 3 4

Column1

Gambar 2.1 Hasil Pelemparan

sebuah mata uang logam
 Contoh soal:
Sebuah uang logam dengan permukaan I = A dan permukaan II = B dilemparkan
ke atas sebanyak 3 kali. Buatkan distribusi teoretisnya dan gambarkan grafiknya!
Penyelesaian:
Dari pelemparan tersebut akan diperoleh ruang sampel dengan anggota sebanyak 8
(n = 8), yaitu:
S = {AAA, AAB, ABA, BAA, ABB, BBA, BAB, BBB}
Jika X merupakan jumlah munculnya permukaan I (A) maka:
Untuk AAA, didapat X = 3
Untuk AAB, didapat X = 2
Untuk ABA, didapat X = 2
Untuk BAA, didapat X = 2
Untuk ABB, didapat X = 1
Untuk BBA, didapat X = 1
Untuk BAB, didapat X = 1
Untuk BBB, didapat X = 0
Dengan demikian: X = {0, 1, 2, 3}
TABEL 2.2 HASIL PELEMPARAN SEBUAH MATA UANG LOGAM SEBANYAK 3 KALI

X P(X)
0 0,125
1 0,375
2 0,375
3 0,125
Jumlah 1,000

0.4 0.375 0.375

0.3
0.2
0.125 0.125
0.1
0
0 1 2 3

Column1
 Distribusi teoretis, berdasarkan bentuk
variabelnya, dibedakan atas dua jenis, yaitu
distribusi teoretis diskrit dan distribusi
teoretis kontinu.

Jenis-jenis Distribusi Teoretis

 Distribusi teoretis diskrit

Distribusi teoretis diskrit adalah suatu daftar atau

distribusi dari semua nilai variabel random diskrit
dengan probabilitas terjadinya masing-masing nilai
tersebut.
 Contoh soal:
Di dalam sebuah kotak terdapat 4 bola biru dan 2 bola kuning.
Secara acak diambil 3 bola. Tentuka distribusi probabilitas X,
jika X menyatakan banyaknya bola kuning yang terambil!

X 0 1 2
P(X) 0,2 0,6 0,2

Distribusi probabilitasnya adalah

Sekeping uang logam diberi timbangan sedemikian rupa
sehingga probabilitas munculnya sisi G dua kali dari
munculnya sisi A. Apabila uang logam dilemparkan 3 kali,
buatlah distribusi probabilitas munculnya G!

P(X) 0,2 0,6 0,2

Distribusi probabilitasnya adalah:
X 0 1 2 3
Distribusi yang tergolong ke dalam distribusi teoretis diskrit antara lain:
•Distribusi binomial P( 0, 0, 0, 0,
X) dan 04
•Distribusi hipergeometrik, 22 44 3
•Distribusi Poisson.
Distribusi teoretis kontinu adalah suau daftar
atau distribusi dari semua nilai variabel
random kontinu dengan probabilitas
terjadinya masing-masing nilai tersebut.

Distribusi teoretis kontinu

Contoh soal
Suatu variabel random kontinu X yang memiliki nilai antara X = 1 dan X = 3 memiliki fungsi densitas yang dinyatakan oleh

Tentukan nilai P(X < 2)!

Penyelesaian:
P(X < 2) = P (l < X < 2)
= dx
= =
Distribusi yang tergolong distribusi teoretis kontinu, antara lain:
Distribusi normal,
Distribusi
Distribusi F, dan
Distribusi t.
NILAI HARAPAN/RATA-RATA HITUNG
DISTRIBUSI TEORETIS

Nilai harapan atau harapan matematika dari distribusi

teoretis sebenarnya adalah nilai rata-rata hitung
tertimbang jangka panjang dari distribusi teoretis itu,
disimbolkan E(X) atau μ.
 
Untuk distribusi probabilitas diskrit E(X) = μ = ⋅
f(x), atau
E(X) = μ = ⋅ P(x))
 
Untuk distribusi probabilitas kontinu E(X) = μ =
 Contoh Soal

Sekelompok ahli sebuah perusahaan terdiri atas 4 orang ahli manajemen dan 3
orang ahli akuntansi. Akan dibentuk suatu komisi yang terdiri atas 3 orang
(komisi tiga). Jika anggota komisi tiga dimbil secara acak dari ke-7 ahli
tersebut, tentukan nilai harapan banyaknya ahli manajemen yang dapat duduk
dalam komisi tiga tersebut!
distribusi probabilitasnya adalah:
Nilai harapan ahli manajemen yang dapat duduk dalam kondisi tiga adalah
E(X) = x ⋅f(x)
= 0 ⋅ f(0) + 1 ⋅ f(1) + 2 ⋅ f(2) + 3 ⋅ f(3)
= 0 135 + 1 1235 + 2 1835 + 3 435
= 1,7
Dari hasil tersebut, dapat disimpulkan bahwa andaikan
komisi tiga itu dibentuk berulang-ulang maka diharapkan banyaknya ahli
manajemen dalam setiap komisi yang terbentuk adalah 1,7 atau 2 orang
(sebagai pendekatan).

X 0 1 2 3
F(
x)
Seorang salesman menjual jenis dinner set baru untuk PT Mekar. Biasanya
salesman itu menjual dinner set terbanyak pada hari Senin. Ia kemudian
membuat suatu distribusi probabilitas untuk jumlah dinner set yang
diharapkan pada suatu hari Senin tertentu.
Berapa jumlah dinner set yang diharapkan oleh salesman dapat terjual dan
apa artinya?

Jumlah Dinner
Probabilitas P (x)
Set Terjual (x)
0 0,05
1 0,25
2 0,30
3 0,20
4 0,15
5 0,05
Misalkan X adalah variabel random yang menyatakan lamanya
masa pakai sebuah tabung dalam jam. Fungsi probabilitasnya
adalah
F(x) = ; x ≤ 100
= 0; x yang lain
Tentukan nilai harapan masa pakai tabung itu!
Penyelesaian:
E(X) =
= dx
= dx
=
= 250 + 0 = 250
Jadi, nilai harapan masa pakai tabung adalah 250 jam.
VARIASI DAN SIMPANGAN BAKU DISTRIBUSI
TEORETIS
Dengan menggunakan nilai harapan ini maka varians atau simpangan baku
(deviasi standar) dari distribusi teoretis atau distribusi probabilitas (variabel
random X) dapat dihitung yaitu:
 
Var (X) = = E(E(X))2 atau Var (X) = =
=
Contoh soal:
•Misalkan variabel random X memiliki distribusi probabilitas sebagai
berikut:
Tentukan Var(X) dan simpangan bakunya.

X 0 1 2 3
F(
x)
Lama hidup jenis binatang tertentu
dalam tahun dinyatakan dengan
fungsi densitas berikut.
F(x) = , untuk 0 < x < 4
= 0.untuk x yang lain
DISTRIBUSI BINOMIAL

Pengertian dan Ciri-Ciri Distribusi Binomial

Distribusi binomial atau distribusi Bernoulli ditemukan oleh James dan brainly adalah suatu
distribusi teoretis yang menggunakan variabel random diskrit yang terdiri dari dua kejadian
yang berkomplemen seperti sukses-gagal, ya-tidak, baik-cacat, kepala-ekor.
 Distribusi ini memiliki ciri-ciri berikut.
Setiap percobaan hanya memiliki dua peristiwa seperti
ya tidak sukses-gagal
Probabilitas satu peristiwa adalah tetap tidak berubah
untuk setiap percobaan
Percobaannya bersifat independen artinya peristiwa
dari suatu percobaan tidak mempengaruhi atau
dipengaruhi peristiwa dalam percobaan lainnya
Jumlah atau banyaknya percobaan yang merupakan
komponen percobaan binomial harus tertentu.
 
 Contoh:
Seorang mahasiswa menghadapi 6 pertanyaan pilihan
berganda setiap pertanyaan memiliki 5 alternatif
jawaban jika dalam menjawab pertanyaan mahasiswa
tersebut berspekulasi maka probabilitas menjawab
pertanyaan adalah
Untuk menjawab benar, P(B)=
Untuk menjawab salah, P(S) = 1 – P(B) =
Misalkan susuan 5 jawaban benar adalah B B B B B S
maka:
P( B B B B B S) = P(B) P(B) P(B) P(B) P(B) P(S)
=
=
Ternyata probabilitas 5 jawaban benar dari 6 pertanyaan
adalah sama untuk susunan manapun banyaknya
kemungkinan susunan 5 benar dan 1 salah dapat
dicari dengan menggunakan rumus kombinasi.
Untuk menentukan probabilitas menjawab 5 pertanyaan
benar (P(5)) adalah dengan menjumlahkan
probabilitas dari kombinasi banyaknya susunan
jawaban benar, = 6 susunan. Karena probabilitas
setiap susunan adalah sama maka berubahbilitas
menjawab 5 pertanyaan benar (P(5))
TABEL 2.3 DISTRIBUSI BINOMIAL MENJAWAB DENGAN JAWABAN
BENAR

Jumlah Jawaban
P(x)
Benar (x)
0 0,2621
1 0,3932
2 0,2458
3 0,0819
4 0,0154
5 0,0015
6 0,0001
Jumlah 1,0000
 2. Rumus distribusi binomial

rumus binomial suatu peristiwa

Dari uraian dan contoh sebelumnya diketahui bahwa
probabilitas suatu peristiwa dapat dihitung dengan
mengalihkan kombinasi susunan dengan probabilitas
salah satu susunan berdasarkan hal tersebut secara
umum rumus dari probabilitas binomial suatu
peristiwa dituliskan:
  
P(X = x) = b(x; n, p) =

Keterangan:
x = banyaknya peristiwa sukses
n = banyaknya percobaan
p = probabilitas peristiwa sukses
q = l – p = probabilitas peristiwa gagal
 Contoh soal:
Sebuah dadu dilemparkan ke atas sebanyak 4 kali.
Tentukan probabilitas dari peristiwa berikut!
Mata dadu 5 muncul 1kali
Mata dadu genap muncul dua kali
Mata dadu 2 atau 6 muncul sebanyak 4 kali.
Penyelesaian:
Karena dadu memiliki 6 sisi, yaitu 1, 2, 3, 4, 5, dan
6, sehingga setiap sisi memiliki probabilitas
Jadi, probabilitas untuk mata 1 adalah .
Sebuah mesin yang memproduksi semacam alat ternyata
terdapat 5% rusak. Jika secara acak diambil 10 buah
dari alat tersebut untuk diselidiki, berapa probabilitas
akan terdapat:
2 rusak,
tidak ada yang rusak?
Penyelesaian:
n = 10; p = 0,05; q = 0,95
P(X=2) =
= 45
= 0,075
P(X=0) =
=1
= 0,599
Probabilitas Binomial Kumulatif
1.  
Probabilitas binomial kumulatif adalah probabilitas dari peristiwa
binomial lebih dari satu sukses probabilitas binomial kumulatif dapat
dihitung dengan menggunakan rumus: PBK =
=
= P(X = 0) + P(X = 1) + P(X = 2) + ... + P(X = n)
Contoh soal:
Sebanyak 5 mahasiswa akan mengikuti ujian sarjana dan diperkirakan
probabilitas kelulusannya adalah 0,7. Hitunglah probabilitas:
paling banyak 2 orang lulus,
yang akan lulus antara 2 sampai 3 orang,
paling sedikit 4 diantaranya lulus!
Secara umum nilai rata-rata (μ), varians ( dan simpangan
baku ( dapat dicari berdasarkan distribusi
probabilitasnya dengan pendekatan sebagai berikut.
 
Untuk rata-rata: E(X) =
 

. Rata-Rata Varians dan Simpangan Baku

Distribusi Binomial
  
Untuk varians:
 
Untuk simpangan baku:

Secara singkat, nilai rat-rata, varians, dan

simpangan baku distribusi binomial dapat
dihitung dengan rumus:
Rata-rata ( = n ⋅ p
Varians () = n ⋅ p ⋅ q
Simpangan baku ( =
 Contoh soal:
Suatu distribusi binomial memiliki n = 6, p = , q = .
Tentukan nilai rata-rata, varians, dan simpangan
bakunya.
Penyelesaian:
Rata-rata ( = n⋅p
=6x
= 1,5
Varians () =n⋅p⋅q
=6x x
= 1,125
Simpangan baku ( =
=
= 1,06
•Pada pelemparan 4 mata uang logam sebanyak 50 kali, terdapat
distribusi sebagai berikut:
Jika X = gambar angka, tentukan probabilitas sukses keluarnya gambar
angka tersebut (P)!

X 0 1 2 3 4
F 3 1 5 1 1
0 7 5
 Pengertian Distribusi Hipergeometrik
Distribusi hipergeometrik juga termasuk distribusi
teoretis yang menggunakan variabel diskrit
dengan dua kejadian yang berkomplemen
seperti hanya distribusi binomial.

F. DISTRIBUSI HIPERGEOMETRIK
Rumus Distribusi Hipergeometrik

Secara umum, distribusi hipergeometrik dirumuskan:

P(X = x) = h(x; N, n, k) =
Contoh soal:
Sebuah kotak berisi 50 bola, 5 di antaranya pecah.
Apabila diambil 4 bola, berapa probabilitas dua di
antaranya pecah?
Distribusi hipergeometrik dapat diperluas, seperti berikut
ini jika dari populasi yang berukuran N terdapat
unsur-unsur yang sama yaitu k1, k2, k3, ... dan dalam
sampel berukuran n terdapat unsur-unsur yang sama
pula, yaitu x1, x2, x3, ... dengan k1 + k2 + k3, ... = N dan
x1 + x2 + x3, ... = n, distribusi hipergeometrik
dirumuskan:
P(X = x1, x2, ...) =
Contoh soal:
Dari penelitian golongan darah mahasiswa pada sebuah universitas, diketahui
bahwa dari 10 mahasiswa terdapat dua mahasiswa baru golongan darah A, 5
mahasiswa baru golongan darah B, dan tiga mahasiswa bergolongan darah O.
Apabila diambil 6 orang mahasiswa, berapa probabilitas orang mahasiswa
memiliki golongan darah A, 2 mahasiswa memiliki golongan darah B, dan 12
siswa memiliki golongan darah O?
 DISTRIBUSI POISSON

Pengertian dan Ciri-Ciri Distribusi Poisson

Distribusi Poisson disebut juga distribusi peristiwa yang
jarang terjadi ditemukan oleh S.D. Poisson (1781 -
1841 seorang ahli matematika bangsa Prancis.
Distribusi Poisson termasuk distribusi teoretis yang
memakai variabel random diskrit. Distribusi Poisson
adalah distribusi nilai-nilai bagi suatu variabel
random X(X diskrit), yaitu banyaknya hasil
percobaan yang terjadi dalam suatu interval waktu
tertentu atau di suatu daerah tertentu
 Distribusi Poisson memiliki ciri-ciri sebagai berikut:
Banyaknya hasil percobaan yang terjadi dalam suatu interval waktu
atau suatu daerah tertentu tidak bergantung pada banyaknya hasil
percobaan yang terjadi pada interval waktu atau daerah lain yang
terpisah.
Probabilitas terjadinya hasil percobaan selama suatu interval waktu
yang singkat atau dalam suatu daerah yang kecil sebanding dengan
panjang interval waktu atau besarnya daerah tersebut dan tidak
bergantung pada banyaknya hasil percobaan yang terjadi diluar
interval waktu atau daerah tersebut.
Probabilitas lebih dari satu hasil percobaan yang terjadi dalam interval
waktu yang singkat atau dalam daerah yang kecil dapat diabaikan.
 Contoh:
Peristiwa datangnya kendaraan yang lewat dalam suatu
interval waktu di suatu ruas jalan dari peristiwa
tersebut dapat diamati hal-hal berikut.
Tingkat kedatangan rata-rata kendaraan dapat dihitung
berdasarkan data masa lalu.
Tingkat kedatangan rata-rata kendaraan persatuan waktu
adalah konstan.
Banyaknya kedatangan kendaraan dalam suatu interval
waktu tertentu merupakan peristiwa independen
bebas.
Probabilitas kedatangan kendaraan kendaraan itu dalam
suatu interval waktu adalah sangat kecil dan dapat
dikatakan mendekati nol.
 Distribusi Poisson banyak digunakan dalam hal berikut.
menghitung probabilitas terjadinya peristiwa menurut
satuan waktu ruang atau isi luas panjang tertentu
seperti menghitung probabilitas dari:
banyaknya penggunaan telepon per menit atau banyaknya
mobil yang lewat selama 5 menit di suatu ruas jalan.
banyaknya bakteri dalam satu tetes atau 1 liter air.
banyaknya kesalahan ketik per halaman sebuah buku.
banyaknya kecelakaan mobil di jalan tol selama minggu
pertama bulan Oktober.
Menghitung distribusi binomial apabila nilai n besar (n ≥
30) dan p kecil (p<0,1).
 Rumus Distribusi Poisson
a. Rumus probabilitas Poisson suatu peristiwa
Probabilitas suatu peristiwa yang berdistribusi Poisson dirumuskan:
P(X = x) =
Keterangan:
λ = rata-rata terjadinya suatu peristiwa
e = bilangan alam = 2,71828
Probabilitas terjadinya suatu kedatangan yang mengikuti proses Poisson,
dirumuskan:
P(X = x) =
Keterangan:
λ = tingkat kedatangan rata-rata per satuan waktu
t = banyaknya satuan waktu
x = banyaknya kedatangan dalam t satuan waktu
 Contoh soal:
Sebuah toko alat-alat listrik mencatat rata-rata
penjualan lampu TL 40 W setiap hari 5 buah.
Jika permintaan akan lampu tersebut mengikuti
distribusi Poisson, berapa probabilitas untuk
penjualan berikut?
0 lampu TL
3 lampu TL
Dalam sebuah majalah yang terdiri dari 120
halaman terdapat 80 kata yang salah cetak dan
berdistribusi secara acak dalam halaman-
halaman majalah tersebut. Hitung probabilitas,
seandainya sebuah halaman majalah tersebut
dibuka:
Tidak terdapat salah cetak,
4 kata yang salah cetak!
Ruang gawat darurat sebuah rumah sakit memiliki tingkat
kedatangan rata-rata pasien sebanyak 4 orang per hari.
Kedatangan pasien mengikuti proses Poisson.
Berapa probabilitas kedatangan 2 pasien per hari?
Berapa probabilitas kedatangan 2 pada siang saja?
Penyelesaian:
T = l; λ = 4; x = 2
P(X = 2) =
= = 0,1465
t = = ; λ = 4; x = 2
P(X = 2) =
= = 0,271
 probabilitas distribusi Poisson
kumulatif
probabilitas Poisson kumulatif adalah
probabilitas dari peristiwa Poisson.
Lebih dari satu. Probabilitas
Poisson kumulatif dapat dihitung
dengan rumus:
PPK =
=
= P(X=0) + P(X=1) + P(X=2) + ...
+ P(X=n)
sebuah toko alat-alat listrik mencatat rata-rata penjualan lampu
TL 40 W setiap hari 5 buah. Permintaan akan lampu
tersebut mengikuti distribusi Poisson.
Tentukan probabilitas penjualan paling banyak 2 lampu!
Andaikan persediaan stok lampu sisa 3 berapa probabilitas
permintaan lebih dari 3 lampu?
Suatu mesin diturunkan untuk diperbaiki rata-
rata 2 kali sebulan penurunan mesin lebih
dari 4 kali menyebabkan rencana produksi
tidak tercapai. Jika penurunan mesin
mengikuti proses Poisson. berapa
probabilitas rencana produksi tidak
tercapai?
Penyelesaian:
λ = 2; =
P(X ≥ 4) =1 -
= 1 – (P(X = 0) + P(X = 1) + P(X = 2) + P(X
= 3) + P(X = 4))
= 1 – 0,945
= 0,055
 Distribusi Poisson sebagai
pendekatan distribusi binomial
Distribusi Poisson sebgai
pendekatan distribusi binomial
dirumuskan:
P(X = x) =
Keterangan:
np = rata-rata distribusi binomial
 Contoh soal:
Sebuah konveksi pakaian menggunakan 20 mesin jahit.
Probabilitas sebuah mesin jahit mengalami dan
memerlukan perbaikan adalah 0,02. Tentukan
probabilitas dari 3 mesin yang akan mengalami
gangguan dan membetulkan perbaikan gunakan
pendekatan Poisson dan binomial!
Rata-Rata, Varians, dan Simpangan Baku Distribusi
Poisson
Distribusi Poisson memiliki rata-rata (mean), varians, dan
simpangan baku sebagai berikut.
Rata-rata:
E(X) = μ = λ = n ⋅ p
Varians:
E(X – λ)2 = ơ2 = n ⋅ p
Simpangan baku:
ơ= =
Pengertian dan Ciri-Ciri Distribusi Normal
Distribusi normal adalah salah satu distribusi
teoretis dari variabel random kontinu.
Distribusi normal sering disebut distribusi
Gauss, sesuai nama pengembangannya yaitu
Karl Gauss pada abad ke-18, seorang ahli
matematika dan astronomi.

H. DISTRIBUSI NORMAL
Dalam bentuk diagram atau kurva
(disebut kurva normal) distribusi
normal digambarkan:
Dari bentuk kurva distribusi normal dapat diketahui sifat-
sifat distribusi normal, yaitu sebagai berikut.
Bentuk distribusi normal adalah bentuk genta atau
lonceng dengan satu puncak (unimodal).
Rata-rata (μ) terletak di tengah-tengah.
Nilai rata-rata sama dengan median sama dengan modus
yang memberikan pola simetris.
Ujung-ujung sisi kurvanya sejajar dengan sumbu
horizontal dan tidak akan pernah memotong sumbu
tersebut.
Data sebagian besar ada di tengah-tengah dan sebagian
kecil ada di tepi
Distribusi normal standar adalah distribusi normal
yang memiliki rata-rata (μ) = nol dan
simpangan baku (ơ) = 1. Bentuk fungsinya
adalah
f(z)=
Distribusi Normal Standar
Dari bentuk kurva distribusi normal standar tersebut dapat diketahui
sifat-sifat distribusi tersebut, yaitu:
kurva simetris terhadap sumbu y;
mempunyai titik tertinggi (0, ), dengan = 0,4;
cekung ke bawah untuk interval X = -1 sampai X = + 1 dan cekung ke
atas untuk nilai X di luar interval tersebut;
meluas atau melebar tanpa batas ke kiri dan ke kanan serta mendekat
sumbu X secara cepat begitu bergerak dari X = 0 ke kiri maupun ke
kanan;
luas seluruh daerah di bawah kurva dan di atas sumbu X sebesar 1 unit.
Untuk menentukan luas daerah di bawah kurva
normal standar, telah dibuat daftar distribusi
normal standar yaitu tabel luas kurva normal
standar dengan nilai-nilai Z tertentu (lihat
lampiran). Dengan daftar tersebut, bagian-
bagian luas dari distribusi normal standar dapat
dicari.

Penggunaan Kurva Normal Standar

Karena seluruh luas kurva adalah 1 dan kurva
simetris terhadap μ = 0 maka luas dari garis
tegak pada titik nol ke kiri ataupun ke kanan
adalah 0,5, dan diartikan P(Z > 0) = 0,5. Luas
daerah di bawah kurva normal pada interval
tertentu dapat diartikan: P(0 < Z < b).
 Contoh:
Akan dihitung nilai: P(0 < Z < 2,13), langkah-
langkahnya ialah:
2,13 = 2,1 + 0,03;
Dengan tabel luas kurva normal standar, dicari 2,1
pada kolom Z (kolom paling kiri) dan 0,03
pada baris pertama (baris paling atas);
Pertemuan baris 2,1 dan kolom 0,03 merupakan
nilai Z dari P(0 < Z < 2,13), yaitu 0,4834.
 Beberapa bagian luas di bawah kurva untuk
distribusi normal umum dengan rata-rata μ dan
simpangan baku tertentu, dapat ditemukan. Artinya
jika sebuah kejadian memiliki distribusi normal
maka dari kejadian itu:
kira-kira 68,27% dari kasus ada dalam daerah satu
simpangan baku sekitar rata-rata, yaitu antara μ –
dan μ + ;
kira-kira 95,45% dari kasus ada dalam daerah dua
simpangan baku sekitar rata-rata, yaitu antara μ –
dan μ + ;
kira-kira 99,73% dari kasus ada dalam daerah satu
simpangan baku sekitar rata-rata, yaitu antara μ –
dan μ + ;

sekalipun secara teoretis ujung kurva normal ke

kanan dan ke kiri tak berhingga jauhnya, namun
praktis dalam jarak lebih dari tiga simpangan baku
dari rata-ratanya (μ ) luas kurva normal itu tidak
berarti lagi (kurang dari 1%).
 Untuk menentukan luas daerah kurva normal (yang
bukan baku) dilakukan transformasi dengan
menggunakan nilai Z. Cara transformasinya ialah
sebagai berikut.
Menghitung nilai z sampai 2 desimal.
Menggambar kurva norma standarnya.
Meletakkan nilai Z pada sumbu X, kemudian menarik
garis vertikal yang memotong kurva.
Nilai yang terdapat alam daftar merupakan luas daerah
antara garis tersebut dengan garis vertikal di titik nol.
Dalam daftar distribusi normal standar mencari tempat
harga Z pada kolom paling baik kiri hanya sampai
satu desimal dan mencari desimal keduanya pada
baris paling atas.
 Contoh soal:
Hitunglah P(90 < X < 115) untuk μ = 105 dan = 10
Penyelesaian:
X1 = 90 dan X2 = 115
Z =
Untuk X1 = 90;
Z1 = = -1,5
Untuk X2 = 115;
Z2 = = 1
2. Sebuah perusahaan memproduksi bola lampu
yang ketahanannya berdistribusi normal
dengan rata-rata 825 jam dan simpangan baku
45 jam.
Berapa persen lampu yang ketahanannya antara
800 dan 860 jam?
Berapa banyak lampu yang tahan lebih dari 950
jam, ika diproduksi 5.000 lampu?
 X > 950 jam
Z = = 2,78
Diperoleh P(Z > 2,78):
P(Z > 2,78) = P(Z > 0) – P(0 < Z < 2,78)
= 0,5 – 0,4973
= 0,0027
Jadi, terdapat 0,0027 x 5.000 = 13,5 atau 14 lampu yang
tahan lebih dari 950 jam, apabila diproduksi lampu
sebanyak 5.000 buah.
Rata-Rata, Varians, dan Simpangan Baku Distribusi
Normal
Distribusi normal memiliki rata-rata, varians, dan
simpangan baku sebagai berikut.
Rata-rata:
μ=
Varians:
=
Simpangan baku:
 I. HUBUNGAN ANTARA DISTRIBUSI
NORMAL (KURVA, NORMAL) DAN
DISTRIBUSI BINOMIAL
Distribusi binomial akan mendekati distribusi
normal jika nilai p sama dengan dan nilai n
besar. Namun dalam prakteknya, distribusi
normal (kurva normal) dapat digunakan untuk
menyelesaikan kasus distribusi binomial
(probabilitas binomial) sekalipun p tidak sama
dengan dan n relatif kecil.
Dengan demikian, rumus Z-nya menjadi:
Z1 =
Dengan:
i = 1,2
μ =n⋅p
=
 Contoh soal:
Sebuah uang logam yang setimbang memiliki permukaan
angka (A) dan gambar (G) dilemparkan ke atas
sebanyak 15 kali. Tentukan probabilitas untuk
mendapatkan 10 kali permukaan gambar (G)
(gunakan distribusi binomial dan kurva normal)!
 Karena nilai variabel X adalah 10 maka:
Untuk batas bawahnya (X1) = 10 – 0,5 = 9,5
Untuk batas atasnya (X2) = 10 + 0,5 = 10,5
Nilai Z1 dan Z2 adalah sebagai berikut.
Z1 =
= 1,03 (dari tabel normal, luasnya 0,3485)
Z2 =
= 1,55 (dari tabel normal, luasnya 0,4394)
Jadi, P(X = 10) = 0,4394 – 0,3485
= 0,0909
Perbedaan hasil antara rumus binomial dan kurva normal sebesar
0,0007 sangat kecil, sehingga dapat diabaikan.
Berdasarkan pengalaman baru-baru ini 10% dari
buku-bu ku yang diterbitkan oleh PT
BACAAN dianggap rusak dari 50 buah sampel
buku yang diteliti Tentukan probabilitas buku:
Yang rusak 10 buah;
Tidak ada yang rusak;
Rusak semuanya;
Yang rusak antara 5 dan 12 buah;
Yang rusak paling banyak 3 buah;
Yang rusak paling sedikit 7 buah!
 Penyelesaian:
n = 15 p = 10% = 0,1 q = 0,9
μ =n⋅p
= (50) (0,1) = 5
=
= = 2,12
Yang rusak 10 buah (X = 10) X1 = 10 – 0,5 = 9,5
X2 = 10 + 0,5 = 10,5
Z1 = = 2,12 (luasnya 0,4830)
Z2 = = 2,59 (luasnya 0,4952)
P(X = 10) = 0,4952 – 0,4830
= 0,0122 (1,22%)
Tidak ada yang rusak (X = 0) X1 = 0 – 0,5 = -0,5
X2 = 0 + 0,5 = 0,5
Z1 = = -2,59 (luasnya 0,4952)
Z2 = = -2,12 (luasnya 0,4830)
P(X = 10) = 0,4952 – 0,4830
= 0,0122 (1,22%)
Rusak semuanya (X = 50) X1
= 50 – 0,5 = 49,5
X2
= 50 + 0,5 = 50,5
Z1 = = 20,99 (luasnya 0,5)
Z2 = = 23,82 (luasnya 0,5)
P(X = 50) = 0,5 – 0,5
= 0 (tidak mungkin rusak
semuanya)
 Yang rusak paling banyak 3 (X < 3) X=
3,5
Z = = -0,71 (luasnya 0,2611)
P(X < 3) = 0,5 – 0,2611
= 0,2389 (23,89%)
Yang rusak paling sedikit 8 (X > 8) X = 8,5
Z = = 1,65(luasnya 0,4505)
P(X > 8) = 0,5 – 0,4505
= 0,0495 (4,95%)
 SOAL-
SOAL
LATIHAN
 Nyatakan apakah variabel random berikut diskrit ataukah kontinu!
X : banyaknya kecelakaan lalu lintas setiap tahun di Solo
Y : lamanya memainkan permainan golf 18 lubang
M : produksi susu sapi perah tertentu per tahun
N : produksi telur ayam per bulan per induk
P : banyaknya izin mendirikan bangunan yang dikeluarkan oleh sebuah kota
tertentu tiap bulan
Q : produksi beras per hektar

Dalam sebuah kotak yang berisi 4 bola kuning dan 5 bola merah. Diambil
secara berturut-turut 3 buah bola setiap bola yang diambil dikembalikan
dahulu ke kotak sebelum mengambil bola berikutnya. Jika X adalah
peristiwa bola merah yang terambil. Tentukan daerah hasil dari variabel
random X tersebut!
Gambar di samping merupakan daerah persegi panjang dengan
lebar 3 m dan panjang 4 m. Sebuah jarum jatuh pada persegi
panjang tersebut dan X adalah jarak ditemukannya jarum
dari titik A. Tentukan daerah hasil variabel random X
tersebut!

Jika dua buah dadu dilemparkan ke atas secara bersamaan dan X

adalah variabel random yang menyatakan jumlah bilangan
dari kedua dadu tersebut. Buatlah distribusi teoretisnya
(distribusi probabilitasnya) !

Dari 6 orang mahasiswa pelamar kerja suatu perusahaan 2

diantaranya adalah mahasiswa PTS. Ditetapkan perusahaan
akan menerima 3 orang yang dipilih secara random dari
pelamar tersebut jika X menyatakan banyaknya mahasiswa
PTS yang diterima. Tentukan distribusi probabilitasnya!
Andaikan anda membelah sepotong kayu sebanyak 4 m menjadi 2 bagian. Jika X menyatakan
panjang potongan pertama dan dimisalkan distribusi probabilitasnya f(x) = untuk 0 < X <
4 maka tentukan E(X)!

Probabilitas seorang ibu melahirkan seorang anak perempuan adalah 0,55. Hitunglah
probabilitas bahwa dalam satu keluarga dengan 3 anak seorang diantaranya perempuan!

Seorang pemain bola memiliki peluang 0,35 untuk memasukkan bola. Dari lima kesempatan
yang terjadi, tentukan probabilitas memasukkan bola paling sedikit 3 kali!

Sebuah mesin cetak menghasilkan cetakan yang cacat sebesar 5% pada percetakan dalam satu
hari. Jika diambil secara random cetakan 8 buah, hitunglah probabilitas berikut!
tidak ada cacat
terdapat dua cacat
paling sedikit satu cacat
paling sedikit 3 cacat
 Menurut catatan kantor kepolisian seksi kecelakaan di suatu daerah, rata-rata banyaknya
kematian karena kecelakaan lalu lintas setiap tahun adalah 5 dari 10.000 penduduk.
Hitung probabilitas bahwa di suatu kota dengan penduduk 25.000 jiwa terdapat hal
berikut!
9 kematian karena kecelakaan lalu lintas
2 sampai 4 kematian
kurang dari 3 kematian
lebih dari 2 kematian

Dari sekumpulan orang dipilih secara random 1000 orang. Dari sekumpulan orang tersebut
1% adalah orang asing.
Berapa program mobilitas dari 1000 orang itu, 3 diantaranya orang asing?
Berapa orang dari 1000 orang itu diharapkan adalah orang asing?
Berapa varians banyaknya orang asing dari 1000 orang?
 Hitunglah nilai Z apabila luas kurva normal berikut !
Luas kurva normal antara 0 dan z adalah 0,3526
Luas kurva normal ke kanan dari z adalah 0,8928
Luas kurva normal ke kiri dari z adalah 0,3085
Luas kurva normal antara negatif z dan z adalah 0,7802
diameter bagian dalam ring Piston menyebar normal dengan rata-
rata 10 cm dan simpangan baku 0,03 cm.
Berapa persen Ring yang diameter bagian dalamnya lebih dari
10,75 cm?
Berapa probabilitas bahwa sebuah ring akan mempunyai
diameter bagian dalam antara 9,97 dan 10,03 cm?
Di bawah nilai berapa terdapat 15% ring yang diproduksi?
Berapa banyaknya Ring yang diameter bagian dalamnya 10,35
cm jika diproduksi 1000 buah ring?