Pertemuan 2

PROBABILITAS DAN
DISTRIBUSI PROBABILITAS

Gian Riksa Wibawa, M.M. Ekonometrik

 PENGERTIAN
• Setiap peristiwa akan mempunyai peluangnya masing-
masing, dan peluang terjadinya peristiwa itu akan
mempunyai penyebaran yang mengikuti suatu pola
tertentu yang di sebut dengan distribusi.
• Distribusi probabilitas untuk suatu variabel acak
menggambarkan bagaimana peluang terditribusi
untuk setiap nilai variabel acak.
• Distribusi Probabilitas merupakan sebuah daftar dari
keseluruhan hasil suatu percobaan kejadian yang
disertai dengan nilai probabilitas masing-masing hasil
(event)
 Contoh
• Ada 3 orang nasabah yang akan menabung di
bank. Jumlah bank yang ada yaitu; BCA dan
BNI. Ketiga orang itu bebas memilih bank
tempatnya akan menabung, mau BCA semua,
di BCA dan BNI atau BNI semua. Berikut
adalah kemungkinan dari pilihan ketiga orang
tersebut.
Contoh
 Contoh
• Hasil yang diperoleh disusun distribusi
probabilitas sebagai berikut.
 Contoh
• Hasil distribusi probabilitas P(r) akan memudahkan
kita untuk mengetahui probabilitas dari kejadian
yang bersifat acak atau untung-untungan.
• Bila ada 3 calon nasabah, berapa probabilitas
ketiganya akan memilih BNI?
• Dengan distribusi probabilitas dengan cepat bisa
dijawab 0,125.
• Pada distribusi probabilitas juga bisa dilihat bahwa
nilai total distribusi frekwensi adalah 1,000.
 Jenis Variabel Peristiwa
• Distribusi probabilitas  Variabel peristiwa
• Terdapat tiga jenis variabel peristiwa:
1. Variabel Acak (Random)
2. Variabel Acak Diskret
3. Variabel Acak Kontinu
 VARIABEL ACAK (RANDOM)
• Variabel acak merupakan hasil ukuran dari
percobaan yang bersifat acak.
• Contoh:
1. Melempar uang ke udara akan menghasilkan
Gambar (G) atau Angka (A).
Bila melempar uang dua kali, gambar bisa muncul
2 kali, 1 kali atau 0 (tidak muncul)
Percobaan melempar uang ke udara = percobaan
acak
Nilai hasil yang muncul gambar seperti 2, 1, dan 0
= variabel acak
 VARIABEL ACAK (RANDOM)
2. Harga saham di BEJ dapat berubah-ubah dalam
hitungan menit. Harga saham BCA misalnya
dibuka pada Rp. 2.475 per lembar, kemudian
terjadi fluktuasi antara Rp. 2.350–Rp. 2.475 dan
akhirnya ditutup pada harga Rp. 2.375.
Perubahan harga saham adalah percobaan atau
kejadian acak
Nilai harga seperti 2.475, 2.375, 2.350 nilai
hasil kejadian = variabel acak
 VARIABEL ACAK DISKRET
• Variabel Acak Diskret merupakan ukuran hasil
dari percobaan yang bersifat acak dan
mempunyai nilai tertentu yang terpisah dalam
suatu interval
• Merupakan hasil dari perhitungan dan
biasanya berupa bilangan bulat
• Misalnya: jumlah mobil, jumlah buah, jumlah
sepatu, dsb.
 VARIABEL ACAK KONTINU
• Variabel Acak Kontinu  mempunyai nilai
yang menempati seluruh interval hasil
percobaan
• Merupakan hasil dari pengukuran dan bisa
berupa bilangan bulat atau pecahan
• Misalnya: berat badan, tinggi badan, panjang
jalan, lebar sungai, dsb.
 KLASIFIKASI
• Distribusi probabilitas diskrit
 Distribusi binomial, Poisson
• Distribusi probabilias kontinu
 Distribusi normal, Chi-kuadrat
 DISTRIBUSI BINOMIAL
• Disamping percobaan tunggal, suatu percobaan mungkin
dilakukan secara berulangkali (berulang-ulang).
• Tiap-tiap ulangan dalam percobaan dilakukan secara
terpisah, yakni peristiwa dalam suatu percobaan tidak akan
mempengaruhi hasil percobaan berikutnya.
• Apabila masing-masing percobaan hanya mempunyai 2
kemungkinan peristiwa, misalnya sukses dan gagal, ya atau
tidak, diterima atau ditolak dan probabilitas peristiwa tetap
sama selama percobaan.
• Karena hanya dua kejadian, maka dikenal dengan Binomial
• Percobaan yang diulang tersebut disebut “Percobaan
Bernoulli”.
 DISTRIBUSI BINOMIAL
• Ciri-ciri Percobaan Bernoulli:
1. Setiap percobaan (kegiatan) hanya menghasilkan
2 dua kejadian
 DISTRIBUSI BINOMIAL
2. Probabilitas sebuah kejadian baik sukses maupun
gagal tetap bernilai sama

Probabilitas jual saham = 0,8

Probabilias beli saham = 0,2

Probabilitas lahir laki-laki = 0,6

Probabilitas lahir perempuan = 0,4
 DISTRIBUSI BINOMIAL
3. Percobaan bersifat independen
Hasil suatu percobaan tidak mempengaruhi hasil
percobaan lainnya
Bila seorang ibu melahirkan bayi perempuan, maka
tidak akan mempengaruhi kelahiran bayi bagi ibu
lainnya

4. Data yang dikumpulkan merupakan hasil

perhitungan
Percobaan Bernoulli merupakan variabel diskret
 DISTRIBUSI BINOMIAL
• Pembentukan Distribusi Binomial
Untuk membentuk suatu distribusi binomial
diperlukan dua hal:
1. Banyaknya/jumlah percobaan/kegiatan
2. Probabilitas suatu kejadian baik sukses maupun
gagal
 DISTRIBUSI BINOMIAL
• Distribusi probabilitas binomial dapat dinyatakan
sebagai berikut:
 DISTRIBUSI BINOMIAL
• Dimana:
P(r) = Nilai probabilitas binomial
p = Probabilitas sukses suatu kejadian dalam
setiap percobaan
r = Banyaknya peristiwa sukses suatu kejadian
untuk keseluruhan percobaan
n = Jumlah total percobaan
q = Probabilitas gagal suatu kejadian yang
diperoleh dari q = 1 – p
! = Lambang faktorial
 DISTRIBUSI BINOMIAL
CONTOH
ALI mengirim buah semangka ke Hero
supermarket. Dengan jaminan kualitas yang
baik, maka 90% semangka yang dikirim lolos
seleksi. ALI setiap hari mengirim 15 buah
semangka dengan berat 5-6 Kg.
b. Berapa probabilitas 13 buah diterima?
c. Berapa probabilitas 10 buah diterima?
DISTRIBUSI BINOMIAL
DISTRIBUSI BINOMIAL
 DISTRIBUSI BINOMIAL
• Rumus untuk menghitung Mean (rata-rata hitung) dari
distribusi Binomial, adalah:
μ = n.p
• Rumus untuk menghitung Varians dari distribusi
Binomial, adalah:
σ2 = n.p (1-p) atau σ2 = n.p.q
• Rumus untuk menghitung Simpangan Baku dari
distribusi Binomial, adalah:
σ  np q
 DISTRIBUSI BINOMIAL
Contoh:
Bila 5 mata uang dilemparkan sebanyak 100
kali, terdapat distribusi keluar gambar sbb :
DISTRIBUSI BINOMIAL
xi Fi
0 2
1 14
2 20
3 34
4 22
5 8
 DISTRIBUSI BINOMIAL
• Bila xi = 0 berarti selama 100 kali pelemparan
5 mata uang tidak pernah keluar gambar
sebanyak 2 kali.
• xi = 1 berarti selama 100 kali pelemparan 1
gambar keluar sebanyak 14 kali.
• Dst.
 DISTRIBUSI BINOMIAL
__
 fi  xi
μ x
f
__
20  141  202  343   224  85 
μ x
100
__
284
μ x  2,84
100
 DISTRIBUSI BINOMIAL
μ = np
μ = 5p
2,84 = 5p

2,84 q =1-p
P  0,57
5 = 1 - 0,57
= 0,43
DISTRIBUSI BINOMIAL
xi fi Fi . xi Probabilitas
 5
 0,57  0,43  0,015
0 5
0 2 0
 0
 5
 0,57  0,43  0,099
1 4
1 14 14
1
5
2 20 40  0,57 2 0,433  0,260
 2
5
 0,57  0,43  0,342
3 2
3 34 102
 3
 5
4 22 88  0,57 4 0,431  0,225
 4
5
5 8 40  0,57 5 0,430  0,059
5
 284 = 1,00
 DISTRIBUSI BINOMIAL
2
σ  n . p. q
2
σ  100 . 0,57. 0,43  24,51
σ  n . p. q

σ  100 . 0,57. 0,43  4,95

 DISTRIBUSI POISSON
• Distribusi ini berguna bila p, probabilitas sukses
dalam suatu percobaan sangat kecil dan n,
banyaknya percobaan sangat besar.
• Distribusi probabilitas Poisson mendekati distribusi
probabilitas binomial bila: n ≥ 50 dan p ≤ 0,1.
• Sebagai contoh emiten di BEJ ada 330 (n),
probabilitas harga saham naik dalam kondisi krisis
misalnya hanya 0,1 (p), maka berapa probabilitas 5
perusahaan harga sahamnya meningkat?
DISTRIBUSI POISSON
 DISTRIBUSI POISSON
• Distribusi probabilitas poisson dapat
dinyatakan sebagai berikut:
 DISTRIBUSI POISSON
• Di mana:
P(r) : Nilai probabilitas distribusi Poisson
μ : Rata-rata hitung dari jumlah nilai
sukses, μ = np
e : Bilangan konstan = 2,7183
r : Jumlah nilai sukses
 DISTRIBUSI POISSON
• Contoh:
Jumlah emiten di BEJ ada 150 perusahaan.
Probabilitas perusahaan membagikan
deviden hanya 0,1. Bila BEJ meminta
laporan dari emiten sebanyak 5 perusahaan,
berapa probabilitas 5 perusahaan tersebut
adalah perusahaan yang membagikan
deviden?
DISTRIBUSI POISSON