STATISTIK BISNIS

Oktori Kiswati Zaini

Referensi / Pustaka
• Hasan, Iqbal, 2006. Analisis Data Penelitian Dengan Statisitik.
• Lind A. Douglas, William G. Marchal and Samuel A. Wathen. 2009. Statistical
Techniques in Business and Economics with Global Data Sets, 13 th ed.
• Noer Ahmad, S U, 2005, Statisitik Deskriptif & Probabilita, Penerbit BPFE
Yogyakarta
• Suharyadi, Purwanto, 2004, Statistika Untuk Ekonomi &Keuangan Modern,
Penerbit Salemba empat. Jilid 2
• Spiegel R. Murray, Schaum’s Outline of Theory and Problem of Statistics.
• Supranto, J, MA. Statistik Teori dan aplikasi, 2009, Penerbit Erlangga, Edisi
ketujuh. Jilid 2
 BAB I

DISTRIBUSI PROBABILITAS

OKTORI KISWATI ZAINI

Pengertian Distribusi Probabilitas

• Probabilita dinyatakan dalam bentuk nilai antara 0 sampai 1,

memberikan arti tentang probabilitas suatu kejadian dimasa depan.

• Distribusi probabilitas adalah hasil yang diharapkan dari suatu

percobaan dengan nilai probabilitas masing-masing hasil tersebut
atau dapat juga dikatakan bahwa distribusi probabilitas adalah sebuah
daftar dari keseluruhan hasil suatu percobaan kejadian disertai
dengan nilai probabilitas masing-masing hasil ( event ).
Contoh : uang yang setimbang dilempar dua kali

Kemungkinan hasil Jumlah frekuensi Total kemungkinan Dist. Probabilitas

AA 1 4 1/4

AG 2 4 2/4

GG 1 4 ¼
• A---A dan G
• G _--- A dan G

• A, A
• A,G
• G, A
• G,G
• Uang lempar 3X peluang
A,A,A-------------- 1/8
A,A,G muncul A =2 3/8
A,G,G
A,G,A
G,A,A
G,A,G muncul 1 A 3/8
G,G,A
G,G,G------------- 1/8
Variabel Acak / Random

Variabel acak/ random adalah sebuah ukuran atau besaran yang

merupakan hasil suatu percobaan atau kejadian yang terjadi secara
acak atau untung-untungan dan mempunyai nilai yang berbeda-beda.
Variabel ini terdiri dari :
• Variabel acak Descreate, yaitu merupakan ukuran hasil dari percobaan yang
bersifat dalam bentuk bilangan bulat ( Distribusi Probabilitas Binomial,
Hypergeometrik, dan distribusi probabilitas Poisson ).
• Variabel acak Kontinue, mempunyai nilai yang menempati pada seluruh
interval hasil percobaan. Variabel kontinue biasanya dihasilkan dari
pengukuran dan bukan dari perhitungan ( distribusi probabilitas Normal ).
A. Distribusi Probabilitas Binomial.

• Distribusi probabilitas binomial adalah salah satu distribusi kemungkinan teoritis

dengan variable random discreate. Dalam variable discreate, nilai x hanya berupa
bilangan bulat positip saja ( x = 0, 1, 2 ,3, ………….n ).
• Distribusi Binomial kadang-kadang juga disebut distribusi Bernoulli ( penemunya
bernama James Bernoulli, hidup pada tahun 1654 – 1705, judul bukunya Ars
Conjectandi. Buku ini mengkaji pengetahuan tentang probabilitas dari sudut umum dan
bisa dimanfaatkan untuk bidang di luar perjudian, dimana teori probabilitas berawal ).
 
Karakteristik dari Distribusi Binomial :
• Grafiknya discontinuous ( terputus-putus )
• Bentuknya ditentukan oleh nilai p dan n
• Bentuknya simetris bila p = q atau p ≠ q asal n besar.
Adapun ciri-ciri percobaan Bernoulli :
• Tiap percobaan hanya memiliki dua hasil saja yakni : sukses atau gagal
• Probabilitas sukses pada tiap-tiap percobaan haruslah sama dan
dinyatakan dengan nilai p
• Setiap percobaan harus bersifat independent ( bebas )
• Jumlah percobaan yang merupakan komponen eksperimen binomial
harus tertentu. ( variable discreate dan nilainya tertentu )
Distribusi probabilitas Binomial dinyatakan : 

P ( x ) = P x qn-x dan µ = n. p
 
 
Dimana :
 P ( x ) : Nilai probabilitas binomial
P : Probabilitas sukses suatu kejadian dalam setiap percobaan
x : Banyaknya peristiwa sukses suatu kejadian untuk keseluruhan percobaan
n : Jumlah total percobaan
q : Probabilitas gagal suatu kejadian ( q = 1 – p )
! : Lambang factorial
Contoh
Dari benda yang dihasilkan oleh semacam mesin ternyata 10% rusak. Jika diambil secara acak dari
produksi benda itu sebanyak 10 buah untuk diselidiki. Berapa probabilitasnya dari benda yang
diselidiki itu akan terdapat :
a. Tidak ada yang rusak
b. Satu rusak
c. Paling sedikit satu rusak
d. Rata-ratanya
Jawab : di sini n = 10 , dan p = 0,10; q = 1- 0,1 = 0,9
a. P (0,10 ) = P(x=0) = P x q n - x

= 0,1 0 0,9 10 – 0

= 0,34868 --- lihat table binomial -- n =10 P= 0,1

Cari pada x = o - p = 0,1 - 0,349
b. P (1;10) = P (x=1) = 0,1 1 0,9 10 – 1
= 0,38742

c. P ( x ≥ 1 ) = 1- { P( x =0) = 1 – 0,34868 = 0,65132

= P(x=1) + P(x=2)……. + P(x=10) = 1 – P(x=0)
teori jumlah P = 1 = P(x=0)+ P(x=1) + ………. + P(x=10)

d. Rata-rata = µ = n.p = 10 . 0,1 = 1

• P(x < 8) = P(x=0)+ P(x=1) + …..+ P(x=7)
= 1 – { P(x=8)+P(x=9)+P(x=10)

P (x > 2) = P(x=3) …..+ P(x=10) = 1 – { P(x=0)+..P(x=2)}

P ( x = 4) = 0,1 4 0,9 10 – 4 = 0,0112

P(x ≤ 2) = P(x=0) + P(x=1) + p(x=2) =

• Soal ujian SMA  pilihan ganda hanya ada satu yang benar (4 pilihan)
jika Soal Pilihan Ganda Ada 6
A. Berapa jika siswa menjawab 3 dgn Benar
B. Maksimal 3 benar
C. Tidak ada yg benar.

Jawab
Dik : n=6 P= 0,25 q = 1-0,25= 0,75
• P (x =3 ) = 0,25 3 0,75 6-3 = 0,178 0,1318---

• P( X ≤ 3 ) = P ( x =0) + P ( x =1) + P ( x =2 + P ( x =3) = 0,178 + 0,356 + 0,297 + 0,132 =

• P ( x = 0 ) = 0,132 ---- 0,422 --- 0,178

a). P (x=5) = 0,25 5 0,75 6-5 = 0,00439
b). P(x ≤ 5) = P(x= 0) + …P(x=5) =1 – P (x=6) =1 - 0,25 6 0,75 6-6
= 0,99

c). P (x=0) = 0,25 0 0,75 6-0

= 0,1779
B. Distribusi Hipergeometrik

Distribusi Hipergeometrik biasanya dilakukan pada percobaan yang

tanpa pengembalian, sementara Distribusi Binomial mengasumsikan
bahwa probabilitas suatu kejadian tetap atau konstan, karena distribusi
Binomial menggunakan prinsip pengembalian.

Ciri-ciri Distribusi Hipergeometrik :

• Tanpa pengembalian, maka percobaan tidak bersifat independent, suatu hasil
percobaan akan mempengaruhi percobaan berikutnya.
• Nilai probabilitas setiap percobaan berbeda , tidak konstan.
• Adapun rumus Distribusi Hipergeometrik
 
P(r) =

Di mana :
P ( r ) : Probabilitas hipergeometrik dengan kejadian r sukses
N : Jumlah populasi
S : Jumlah sukses dalam populasi
r : Jumlah sukses yang menjadi perhatian
n : Jumlah sampel dari populasi
C : symbol dari kombinasi
Contoh
Jika kita membeli jeruk sebanyak 10 buah di Giant Bogor dan ternyata dari 10 buah jeruk tersebut
yang manis ada 8. Andaikan kita mengambil 4 buah jeruk, berapakah probabilitas nya akan terambil
jeruk manis sebanyak 2 ?
Jawab :
N = 10 S = 8
n = 4 r = 2
P ( x=2 ) =

P(2) = = =
8C2 = = =28
2C2 = =1
10C4 = = = =210
 
P(4 manis) = = = (70 *2)/210 = 0,6667

8C4 = = = 70

2C0 =
Satu kotak berisi 12 bola terdiri dari 8 hijau dan sisanya merah. Jika kita
mengambil 5 bola , berapa peluangnya akan terambil bola hijau 1 ?

Dik : N=12; n= 5 ;S=8; r =4

P(x=1) = = =
12C5 = =
• Jumlah mhs yg mengikutu lomba 8, terdiri dari 5 Wanita. Ternyata
yang lolos babak selanjutnya ada 3.
• N = 8 ; n = 3; s = 5; r = 3
a. Berapa peluangnya jika dari 3 mhs tsb ternyata semuanya
Wanita
P ( x=3 ) = = 10*1 /56
b. Berapa jika Wanita < 1
P (x <1) = P (x = 0) =
5C3 = = =10 8C3=56
c. Distribusi Poisson

Distribusi Poisson disebut juga sebagai distribusi peristiwa yang

jarang terjadi ( distribution of rare event ). Distribusi Poisson adalah
distribusi kemungkinan teoritis dengan variable discrete. Distribusi
ini dianggap sebagai pendekatan pada distribusi binomial apabila n
( banyaknya percobaan ) adalah besar, sedangkan P ( probabilitas
sukses ) sangat kecil.
Rumus dari distribusi ini adalah :
 
P(x) =
Dimana :
P (x) : Nilai distribusii probabilitas Poisson
µ : Rata-rata hitung dari jumlah nilai sukses ; dimana µ = n.p
e : Bilangan konstanta = 2.71828
x : Jumlah nilai sukses
P : Probabilitas sukses suatu kejadian
Contoh
Jika probabilitas bahwa seseorang menderita reaksi buruk akibat suntikan suatu serum yang diberikan adalah
0.001, tentukan probabilitas bahwa dari antara 2000 individu yang akan menderita suatu reaksi buruk :
a. Tepat 3 orang
b.Lebih dari 2 orang
c. P( x= 5)
Jawab :
n 2000 P = 0.001
µ = n . p = 2000 x 0.001 = 2
a. P ( x = 3 ) = = = 0.1804---- table
 
b. P ( x > 2 ) = 1 - [ P ( x = 0 ) + P ( x = 1 ) + P ( x = 2 ) ] = P(x=3) +…….P(x=2000)
 
=1- [ + + ]
 
= 1 – [ 0.1353 + 0.2707+ 0.2707] = 0.323
 
• Rata-rata seseorang akan menjawab iklan yang ada di Instagram dan
membeli adalah 4 perhari.
• a. Tentukan peluang tidak ada yang menjawab dan membeli iklan tsb
• b. Minimal 2
• c. Maksimal 2 = p (x ≤ 2 ) = P ( x =0 ) + P ( x =1 ) + P (x =2)
Jawab :
a. P ( x = 0 ) = = 0,0183
b. P ( x ≥ 2 ) = 1 – {p (x = 0 ) + P (x = 1) + P (x =2 ) = 1 – (
• P(x < 2 ) = P(x=0) + P(x=1) = = + = 0,135 + 0,271
• P(x > 1 )= 1- { P (x = 0) + P(x=1)} = 1- 0,135 + 0,271 =
• P(x ≥ 2) = P (x=2) + ……..+ P(x=2000)
= 1 – {P(x=0)+P(x=1)+P(x=2)
= 1 – {P(x=0)+P(x=1)}

• P(x ≤ 2 ) = P (x=0) + P(X=1)+P(x=2)

P (x < 2) = P(x=0)+P(x=1)
P(x ≤ 2) = P(x=0) + P(x=1)+ P(x=2)
P(x > 1) = 1- {P(x=0)+P(x=1)} = P(x=2)+P(x=3)+……+P(x=2000)
P(x <1) = P(x=0)
P (X ≤ 1 ) = P(x=0) + P(x=1)
P(x ≥ 1 ) = P(x=1 ) +………P(x=2000) = 1 – P(x=0)
D. Distribusi Multinomial
Jika kejadian-kejadian E1 , E2 . . . .. . ,Ek dapat terjadi dengan probabilitas
masing-masing p1, p2 . . . . ., pk , maka probabilitas bahwa E1, E2, . . . . Ek
akan terjadi masing-masing x1 , x2 , . . . . ., xk kali adalah :
 
. . .
 
Dimana : X1 + X2 + . . . . . + Xk = N
 
contoh :
Sebuah kotak berisi 5 bola merah, 4 bola putih dan 3 bola biru. Sebuah bola dipilih secara
acak dari kotak tersebut, warnanya dicatat, dan kemudian bola itu dikembalikan. Carilah
probabilitas bahwa dari antara 6 bola yang dipilih dengan cara ini , 3 berwarna merah, 2
berwarna putih dan 1 berwarna biru.
 
Jawab :
Dik : P(m) = 5/12 P(p) = 4/12 P(b) = 3/12
P ( 3 merah, 2 putih, dan 1 biru ) = . . .
 
= (3 (2 (1
 
=
 
E. Distribusi Normal
 
Normal distribusi ( Normal Curve ) disebut juga “ Gaussian Distribution ” ( sesuai
dengan nama penemunya yaitu Carl Gauss ).
Normal Curve adalah salah satu distribusi kemungkinan teoritis dengan variable
random continue. Distribusi ini berbeda dengan distribusi yang menggunakan
variable random discrete. Dalam variable discrete nilai x hanya berupa bilangan
bulat positive ( x = 0 , 1, 2 .3 . . n ), sedangkan pada variable continue , nilai x bisa
menjalani semua harga dalam suatu interval tertentu, bisa mengambil bilangan
pecahan dan tak terbatas dalam interval tersebut.
 
Distribusi variable continue selain distribusi normal adalah :
 Distribusi nilai t
 Distribusi nilai x2 ( Chi – Square)
 Distribusi nilai F ( Fisher )
Persamaan :

Y=

Di mana :
Y = ordinal normal curve untuk setiap nilai x
µ = mean
σ = standard deviasi
= konstante = 3,14159
e = konstante = 2,71828
Ciri-ciri distribusi / kurva normal :
• Kurvanya berbentuk garis lengkung yang halus dan berbentuk seperti
genta.
• Simetris terhadap µ ( mean ).
• Kedua ekor / ujungnya semakin mendekati sumbu absisnya tetapi tidak
pernah memotong.
• Jarak titik belok kurva tersebut dengan sumbu simetrisnya sama dengan
Ϭ.
• Luas daerah di bawah lengkungan kurva tersebut dari - sampai + sama
dengan 1 atau 100%.
• persamaan normal curve diatas tergantung pada nilai-nilai µ dan Ϭ,
maka kita akan mempunyai bermacam-macam bentuk kurva
tergantung dengan niali µ dan Ϭ tersebut. Untuk menyederhanakan
dibuatlah kurva normal baku. ( Curve normal standard ).
• Curve normal standard adalah curve normal yang sudah dirubah
menjadi distribusi nilai Z, di mana distribusi tersebut akan mempunyai
nilai µ = 0 , dan Ϭ = 1, sehingga rumusnya menjadi :

Z =
 
• P(Z < -1,23) = 0,5 – 0,3907 =
• P (Z > 1,23 ) = 0,5 – 0,3907
• P ( -1,23 < Z < 1,23 ) = 0,3907 + 0,3907
• P ( <1,23 ) = 0,5 + 0,3907 =

a. P( Z > - 2,68 ) = 0,5 + 0,3907--- 0,4812 ---- 0,5 - 0,4963

a. P ( Z < -2,68 ) =0,5 – 0,4963
b. P ( -0,98 < Z < 1,75 = 0,3365 + 0,4599 =
• P ( Z > 2,31 ) = 0,4901 ----> 0,5 - 0,4896 = 0,0104
• P ( Z < 3,9 ) = 0,5000 -- 0,5 + 0,5 = 1
• P ( Z < 1,75) = 0,4599 --- 0,5 + 0,4599 = 0,9599
Nilai tengah tinggi badan dari 500 anak-anak Sekolah Dasar di Sempur
Kaler Bogor adalah 151 cm, dan simpangan bakunya adalah 15 cm.
Dengan anggapan bahwa tinggi badan didistribusikan secara normal,
carilah :
a. Probabilitas anak-anak SD yang tingginya antara 120 dan 155 cm
b. Probabilitas yang tingginya lebih dari 160 cm
c. Banyaknya siswa SD yang tingginya kurang dari 128 cm
 
Jawab :
µ = 151 Ϭ = 15 N = 500
a. P ( 120 < x < 155 ) = P ( < Z < )
=P(<Z< )
= P (-2,07 < Z < 0,27 )
= 0,4808 + 0,1064 = 0,5872

b. P ( x > 160 ) = P ( Z > )

= P ( Z > 0,60 )
= 0,5 – 0,2257 = 0, 2743

c. P ( x < 128 ) = P ( Z < )

= P ( Z < - 1,53 ) = 0,5 – 0,4370 = 0,063

Jadi jumlah anak-anak SD yang tingginya kurang dari 128 cm sebanyak

= 0.0630 x 500 = 31.5 32 orang.
• P(x > 140 )= P ( Z > ) = P ( Z > - 0,73 ) = 0,5 + 0,2673 )=
• P (x < 162 ) = P (Z < ) = P ( Z < 0,73 ) = 0,5 + 0,2673 ) =
• P ( 145 < x < 165 ) = P ( < < Z < ) = P ( - 0,40 <Z< 0,93 ) = 0,3238
+ 0,1554 )
Dik : µ = 35 δ = 10

• P ( X > 40 ) = P ( Z > ---- 0,1915 -- 0,5 – 0,1915 = 0.3085

• P(x > 28 ) = P ( Z > = -0,7 - 0,2580 --- 0,5 + 0,2580
• P( x < 30 )= P ( Z < = -0,5 - 0,1915 -- 0,5 – 0,1915
• P( X< 38) = P ( Z < = 0,3 - 0,1179 -- 0,5 + 1179
Hubungan antara Distribusi Binomial dan Normal
Jika N jumlahnya besar dan p ataupun q tidak terlalu dekat ke nol, distribusi binomial dapat
diaproksimasi ( dihampiri ) oleh suatu distribusi normal dengan peubah baku yang
diberikan oleh :

Z = =

Oleh karena distribusi binomial mempunyai variable discrete, sedangkan distribusi normal
bervariabel continue, maka dalam menggunakan distribusi normal untuk memecahkan
persoalan binomial perlu diadakan penyesuaian sebagai berikut :
• Untuk harga variable x batas bawah diundurkan 0.5
• Untuk harga variable x batas atas diajukan 0.5

 
 Contoh
Sebuah mesin pencetak menghasilkan cetakan yang rusak sebanyak 10%. Dari sampel sebanyak
400 barang cetakan dari proses produksi yang sedang berjalan, tentukan probabilitasnya :
a. Yang rusak 50
b. Yang rusak paling banyak 30
c. 55 atau lebih akan rusak
d. Maksimal 40
e. Minimal 35

Jawab :
  n = 400 p= 10% = 0.1
µ = n.p = 400. 0.1 = 40
Ϭ= = = = 6
Atau dapat dituliskan dengan :
a. P ( x = xo ) = P ( ≤ Z ≤ )
b. P ( x < xo =P ( Z < )
c. P ( x > xo = P ( Z > )
d. P ( x ≥ xo = P ( Z ≥ ( )
e. P ( x ≤ xo = P ( Z ≤ )
a. P ( x = 50 ) = P ( ≤ Z ≤ )

=P(≤Z≤ )

= P ( 1,58 ≤ Z ≤ 1,75 )
= 0,4599 – 0,4429 = 0, 1170

b. P ( x ≤ 30 ) = P ( Z ≤ )
= P ( Z ≤ -1,58 )
= 0,5 – 0,4429 = 0,0571

c. P ( x ≥ 55 ) = P ( Z ≥ ≥ )
= P ( Z ≥ 2,41 )
 
= 0,5 – 0,4920 = 0,0080
 

 
 

 
 

 
d. P ( x ≤ 40 ) = P ( Z ≤ ) = 0,08 -- 0,0319 -- 0,5 – 0,0319 =
0,4681

e. P ( x ≥ 35 ) = P ( Z ≥ ) = - 0,92 -- 0,3212 --

0,5 + 0,3212 = 0,8212
SELAMAT BELAJAR