DISTRIBUSI BINOMIAL

&
DISTRIBUSI POISSON
Macam-macam distribusi
teoritis

 Distribusi Binomial (Bernaulli)

 Distribusi Poisson
 Distribusi Normal (Gauss)
 Distribusi Student ( ‘t’ W Gosset)
 Distribusi Chi Square ( X2 )
 Distribusi Fisher ( F ) dll.
DISTRIBUSI BINOMIAL

 Distribusi random diskrit

 Distribusi probabilitas diskrit
 Distribusi Bernaulli (penemu: James
Bernaulli)
Mempunyai 4 syarat:

1. Jumlah trial merupakan bilangan bulat

2. Setiap eksperimen mempunyai 2 outcome (hasil)
Sukses & Gagal
Contoh: * laki / perempuan
* Sehat / Sakit
* Setuju / Tidak setuju
3. Peluang sukses sama setiap eksperimen
4. Setiap eksperimen independen satu sama lain
Didalam suatu eksperimen peluang sukses p maka peluang gagal
(1-p) atau (q)
Contoh:

 Peluang keluarnya mata 4 pada pelemparan dadu

satu kali = 1/6
 Peluang bukan mata 4 adalah 1- 1/6 = 5/6
 Jumlah pasien tidak sembuh dalam suatu trial
pengobatan 10 orang dari 200 orang. Peluang tidak
sembuh adalah (p) = 10/100 = 0,1 peluang sembuh
adalah = 0,9
 Peluang seorang ibu hamil memeriksakan
kehamilan kepuskesmas 3/10 Peluang ibu tidak
periksa ke puskesmas adalah 0,7
Simbol untuk suatu trial
Binomial
 B ( x , n, p )
Artinya: suatu probabiitas binomial
(Bernaulli) ,banyaknya sukses yang akan
terjadi , pada n kali trial , dimana probabilitas
sukses setiap trial adalah = p
RUMUS UMUM:

x n x n!
B( x, n, p)  p (1  p)
x!(n  x)!

Kalau trialnya sudah banyak perhitungan

probabilitas memakai rumus sudah sulit, untuk
itu sudah ada tabel binomial
Contoh:
 Probabilitas seorang bayi tidak diimunisasi (0,2), Kalau pada suatu
hari dipuskesmas ada sebanyak 5 bayi. hitunglah peluang 2 bayi
belum diimunisasi. B ( X=2, n = 5, p = 0,2 ) b (2, 3,
0.2)

bayi diatas tadi B(x=2 n=5 p=2)

Peluang dua bayi belum diimunisasi dari 5 bayi yang
berkunjung ke puskesmas kalau peluang tidak imunisasi
diketahui 0,2

5x 4 x 3x 2 x1
p 0,2 2 x 0,83  10x 0,04 x 0,512  0,2048
2 x1( 3x 2 x1)
Latihan:
1) Seorang ahli gizi di rumah sakit “ RSCM” sudah berpengalaman bahwa jeruk import
selalu rusak (busuk) sebanyak 20 %. Pada suatu hari dia membuka sebanyak 10
jeruk. Hitunglah peluang yang rusak (busuk):
a.paling banyak 3 jeruk
b.paling kurang sedikit 5
c. antara 2 sampai 4
2) Disuatu pabrik semen yang memakai bahan baku berdebu diketahui bahwa buruh
yang bekerja punya peluang 0,3 untuk menderita batuk (pnemonia). Kalau pada suatu
hari diambil secara random sebanyak 15 orang buruh , hitunglah peluang akan
didapatkan buruh yang menderita pnemonia:
a. tepat satu orang
b. tidak lebih dari 2 orang
c. paling banyak 3 orang
3) Biasanya disuatu puskesmas dari semua resep yang masuk 30 % resep resep berisi
“anti biotika”. Pada suatu hari seorang mahasiswa FKM yang sedang melakukan
kuliah kerja mengambil secara acak sebanyak 20 resep. Hitunglah peluang dari 20
resep tersebut akan berisi “anti biotika “
a. tepat 5 resep
b. tidak kurang dari 5 resep
c. Paling sedikit 8 resep
 DISTRIBUSI POISSON
 Ciri-ciri distribusi poisson, yaitu :

1. Distribusi dari peristiwa yang jarang terjadi

dan menggunakan v.a. diskrit.
2. Banyaknya hasil percobaan dalam suatu
interval waktu / daerah tertentu tidak
bergantung pada interval waktu / daerah lain.
3. Probabilitas terjadinya suatu peristiwa selama
interval waktu yang singkat / daerah yang
kecil sebanding dengan panjang interval
waktu / besarnya daerah tersebut.
 Penggunaan distribusi poisson
1. Menghitung probabilitas menurut satuan waktu,
luas, ruang/isi, panjang tertentu. Contohnya
menghitung probabilitas dari :
1. Banyak mobil lewat selama 5 menit di suatu ruas
jalan
2. Banyak kesalahan ketik per halaman sebuah buku
3. Banyak bakteri dalam 1 liter air

2. Menghitung distribusi binomial jika n ≥ 30 dan P

< 0,1
Rumus Distribusi Poisson

x -
 e
P(X) =
x!

keterangan :
e = 2,71828
x = banyak peristiwa yang terjadi
µ = rata – rata
Contoh :

Seperti contoh diatas diketahui probabilitas untuk terjadi Shok

pada saat imunisasi dengan vaksinasi meninggitis adalah
0,0005. Kalau disuatu kota jumlah orang yang dilakukan
vaksinasi sebanyak 4000, Hitunglah peluang tepat tiga orang
akan terjadi shok .
Penyelesaian:
 = n p = 4000 x 0,0005 = 2

3 2
2 * 2,71828
p ( x  3)   0,1804
3* 2 *1
DISTRIBUSI NORMAL
 Distribusi binomial dan poisson adalah
merupakan distribusi probabilitas yang
bersifat diskrit. Tetapi bila berhubungan
dengan variabel acak kontinue
(panjang,waktu, dsb) yang mempunyai
jumlah nilai yang tak berhingga, maka
dibutuhkan distribusi probabilitas kontinue.
 Distribusi probabilitas kontinue yang paling
sering digunakan adalah distribusi normal,
atau dikenal sebagai distribusi gauss.
 Distribusi ini dicirikan dengan adanya :
 Rerata (μ)
 Simpangan baku(σ)
Terdapat 3 kurva normal Terdapat 3 kurva
dengan rerata yang normal dengan rerata
sama, namun yang berbeda,
simpangan baku namun simpangan
berbeda baku sama.
Disamping itu terdapat distribusi lain yaitu :
 Distribusi t-student,

 Distribusi chi-kuadrat

 Distribusi F
 Karakteristik distribusi normal.
1. Distribusi normal memiliki dua parameter
yaitu  dan  yang masing-masing
membentuk lokasi dan distribusi.
2. Titik tertinggi kurva normal berada pada
rata-rata.
3. Distribusi normal adalah distribusi yang
simetris.
4. Simpangan baku menentukan lebarnya
kurva.
5. Total luas daerah di bawah kurva normal
adalah 1.
 Distribusi Normal Baku
Untuk mengubah distribusi normal menjadi
distribusi normal baku adalah dengan mencari
variabel Z yang didapat sbb :
X μ
Z
σ
Bila x berada di antara x1 dan x2, maka variabel
acak z akan berada di antara z1 dan z2, dimana :

x μ x μ
Z  1 Z  2
1 σ 2 σ
LUAS DIBAWAH KURVA
NORMAL
Probabilitas distribusi kontinue adalah merupakan
luas area di bawah garis kurva. Probabilitas suatu
variabel dengan nilai antara a dan b adalah luas
kurva yang dibatasi oleh garis a dan b. Luas yang
tercakup dalam batas-batas tersebut pada tabel
distribusi normal. Bila suatu distribusi adalah
normal , maka jarak antara rerata dengan
simpangan bakunya adalah sama.
Luas area μ=50 dan σ=70
adalah sama dengan
Luas area distribusi yang mempunyai
antara a-b μ=170 dan σ=200. Bila
keduanya berdistribusi
normal.
a b
DISTRIBUSI NORMAL (GAUSS)

1
1  ( x   ) 2

 ( x ) 
2 2
e 2 2

-<x> 2 = 0
-<>  = 3,14
e = 2,71828
 
·        
Kurva Normal Symetris
         Seperti lonceng
         Titik belok   
      ·         Luas = Probability = 1
Agar lebih praktis telah ada tabel kurva normal dimana
tabel ini menunjukkan luas kurva normal dari suatu nilai
yang dibatasi nilai tertentu.
              
Untuk dapat menentukan probabilitas didalam kurva
normal umum, maka nilai yang akan dicari
ditransformasikan dulu kenilai kurva normal standar
melalui tranformasi Z ( deviasi relatif )
 RUMUS UMUM
         Untuk suatu sampel yang cukup besar terutama
untuk gejala alam seperti berat badan, tinggi badan biasnya
kurva yang dibentuk dari distribusi tersebut juga simetris
dengan tertentu dan Sd (simpangan baku) tertentu maka
kurva simetris yang terjadi disebut kurva normal umum.
x

x
Z

Contoh

Suatu penelitian terhadap 150 orang laki-laki yang berumur 40 - 60 th

didapatkan rata-rata kadar kolesterol mereka 215 mg %.dan simpangan
baku Sd = 45 mg % . Hitunglah peluang kita mendapatkan seorang yang
kadar kolesterolnya:
a. > 250 mg %
b. < 200 mg %
c. antara 200 - 275 mg%
Penyelasaian:
a) Z = (250 -215) / 45 = 0,76 Tabel 0,224 ( p = 0,224)
b) Z = ( 200 - 215 ) / 45 = - 0,33 Tabel 0,371 (p = 0,371)
c) Z1= ( 200 - 215 ) / 45 = - 0,33 Tabel 0,371, Konversi ke p = 0,5 -
0,371 (p = 0,129)
Z2= ( 275 - 215 ) / 45 = 1,33 Tabel 0,408 Konversi ke p = 0,5 - 0,371
(p = 0,408)
p = pz1 +pz2 p = 0,537

Z1 Z2
Latihan

1. Suatu penelitian yang dilakukan seorang dokter kebidanan untuk meneliti kadar haemoglobin ibu hamil. Untuk
penelitian ini telah diambil sebanyak 50 Bumil dan didapatkan rata-rata kadar Hb = 9,5 gr/dl , dengan simpangan
baku 4,5 gr/dl.
Pertanyaan:
    Hitunglah probabilitas akan mendapatkan seorang bumil yang diambil dari 50 orang tersebut mempunyai Hb >23gr/dl
    Mempunyai Hb < 8gr / dl
 
2.     Hasil analisis dari pengukuran kadar glukosa darah sewaktu-waktu sejumlah 100 orang didapat rata-rata 152 mg%
dan S= 55mg%. Dapatkanlah probabilitas bahwa secara random diambil dari 100 orang tersebut akan mempunyai
kadar glukosa:
a)                  antara 80 dan 120 mg%
b)                  kurang dari 80 mg%
c)                  lebih dari 200 mg%
 
3.    Kolesterol dari dari 49 orang yang diambil sebagai sampel adalah 217 mg%,dengan varian 1507 mg%. Hitunglah
probabilitas seseorang yang diambil secara random akan mempunyai kadar kolesterol:
a)                  Antara 150 dan 250 mg%
b)                  Lebih besar dari 250 mg%
c)                  Kurang dari 150 mg %
 
4.      Tekanan darah diastolik sebanyak 100 sampel rata-rata 73 mm Hg dan S 2 = 121, Secara random diambil satu
orang dari seratus orang tersebut . Hitunglah probabilitas didapatkan bahwa orang tersebut mempunyai tekanan
diastolik sebesar:
a)                  Antara 80 dan 100 mmHg
b)                  Kurang dari 80 mmHg
c)                  Lebih dari 90 mmHg
DISTRIBUSI lainnya

 Distribusi Kai Kuadrat

 Merupakan suatu distribusi dengan v.a.
kontinu
 Bentuk distribusi kai kuadrat ditentukan
oleh derajat kebebasan v dan nilai α
 Cara membaca tabel kai kuadrat

contoh :
α = 5%=0,05
v=3 } 
2
0,05 ( 3 )
 7,8147
 Distribusi F
 Merupakan suatu distribusi dengan v.a.
acak kontinu
 Bentuk distribusi kai kuadrat ditentukan
oleh derajat kebebasan v1 dan v2 serta
nilai α
 Cara membaca tabel F

contoh :

} F
α = 5% = 0,05
v1 = 10  3,35
0,05(10,8)
v2 = 8
 Distribusi t
 Merupakan suatu distribusi dengan v.a.
kontinu
 Bentuk distribusi t ditentukan oleh
derajat kebebasan v serta nilai α
 Cara membaca tabel t

contoh :
α
v = 15 } t
= 5% = 0,05
0,05(15)
 1,7531