DISTRIBUSI

PROBABILITAS
DISKRIT
LO6-1 Pengertian Distribusi Probabilitas

Distribusi Probilitas merupakan cara yang lebih sederhana untuk menyelesaikan probilitas
dari peristiwa yang bersifat independen dan dependen.

Distribusi probabilitas merupakan nilai-nilai probabilitas yang dinyatakan untuk

mewakilisemua nilai yang dapat terjadi dari suatu variabel random X, baik dengan suatu
daftar (tabel) maupun dengan fungsi matematis.
Karakteristik Distribusi Probablitas
■ Probabilitas hasil tertentu adalah antara 0 dan 1 inklusif.
■ Hasilnya saling eksklusif.
■ Daftar hasil lengkap. Jadi jumlah dari probabilitas hasil sama dengan 1.

Misalkan peluang munculnya gambar kepala pada tiga lemparan koin.

LO6-2 Membedakan antara variable acak
Diskrit dan Kontinu
 Variabel Acak
adalah percobaan yang dilakukan dan menghasilkan nilai yang beragam.
Contohnya pada percobaan melempar dadu. Biasanya nilai yang keluar dalam setiap
percobaan akan berbeda.

 Variabel Acak Diskrit

Diskrit adalah nilai yang tidak saling berhubungan. Jadi diasumsikan bahwa variable
acak diskrit adalah nilai yang muncul secara acak namun tidak berhubungan atau harus
dipisahkan. Misalnya, di halaman 179.
 Variabel Acak Kontinyu
Kontinyu artinya berkesinambungan atau berturut – turut. Jadi diasumsikan bahwa variable
acak kontinyu adalah nilai yang muncul secara acak dan berkesinambungan atau tetap.
Seperti pada contoh di halaman 180.
LO6-3 RATA – RATA HITUNG, VARIANS, DAN
STANDAR DEVIASI
■ Rata – Rata Hitung
■ Varians

■ Standar Deviasi ( Simpangan Baku )

LO6-4 Distribusi Probabilitas Binomial
Distribusi Binomial 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.

Ciri – Ciri Distribusi Binomial :

1. Setiap percobaan hanya memiliki dua peristiwa, seperti ya-tidak, sukses-gagal.
2. Probabilitas suatu peristiwa adalah tetap, tidak berubah untuk setiap percobaan.
3. Percobaannya bersifat independen atau dengan pengembalian, artinya peristiwa dari suatu
percobaan tidak mempengaruhi atau dipengaruhi peristiwa dalam percobaan lainnya.
4. Jumlah atau banyaknya percobaan yang merupakan komponen percobaan binomial harus
tertentu.
■ Contoh :
Seorang mahasiswa menghadapi 6 pertanyaan pilihan berganda, setiap pertanyaan memiliki satu jawaban
benar. Jika dalam menjawab pertanyaan, mahasiswa tersebut berspekulasi 5 jawaban benar maka
probabilitas menjawab pertanyaan adalah
1) Untuk menjawab benar, P (B) = 1/5
2) Untuk menjawab salah, P (S) = 4/5
Misalkan susunan 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)
=⅕⅕⅕⅕⅕⅘
= (⅕)⁵ (⅘)¹
Kemungkinan lain susunan 5j awaban benar adalah B B B S B B, sehingga :
P ( B B B S B B) = P (B) P (B) P (B) P (S) P (B) P (B)
=⅕⅕⅕⅘⅕⅕
= (⅕)⁵ (⅘)¹
 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 kasus diatas, memiliki n = 6, x = 5, sehingga terdapat :

C ⁶₅ = 6!
5!(6 – 5)!
= 6 susunan
Jika semua susunan tersebut dituliskan, akan terlihat :
1) B B B B B S
2) B B B B S B
3) B B B S B B
4) B B S B B B
5) B S B B B B
6) S B B B B B
Untuk menentukan probabilitas menjawab 5 pertanyaan benar (P(5)) adalah dengan menjumlahkan
probabilitas dari kombinasi banyaknya susunan jawaban benar, C ⁶₅ = 6 susunan. Karena probabilitas
setiap susunan adalah sama maka probabilitas menjawab 5 pertanyaan benar (P(5)) dapat pula dihitung
dengan mengalikan C ⁶₅ dengan probabilitas salah satu susunannya.
Jadi:
P (5) = C ⁶₅ x (⅕)⁵ x (⅘)¹
= 0,00015
Dengan melakukan cara yang sama seperti diatas,untuk menghitung probabilitas menjawab dengan
jawaban benar maka dapat dibuat distribusi binomial ,dari peristiwa di atas.
P (6) = C⁶₆ x (⅕)⁶ x (⅘)⁰
= 0,0001
P (4) = C⁶₄ x (⅕)⁴ x (⅘)²
= 0,0154
Dan seterusnya…
Dari perhitungan diatas maka bisa
dibuat tabel distribusi binomial dengan jawaban benar, yaitu:
 Rumus Distribusi Binomial
A. Rumus binomial suatu peristiwa
P ( X =x ) = b ( x; n, p ) = Cᶯ x . pᵡ . qᶯ - ᵡ
Keterangan :
x = banyaknya perisitiwa sukses n = banyak percobaan
p = probabilitas perisitiwa sukses q = 1–p = probabilitas peristiwa gagal
■ Contoh soal:
1. Sebuah dadu dilemparkan ke atas sebanyak 4 kali. Tentukan probabilitas dari peristiwa berikut!
a) Mata dadu 5 muncul 1 kali.
b) Mata dadu genap muncul 2 kali.

Penyelesaian :
a. Probabilitas untuk mata 5 adalah ⅙, sehingga : b. Mata dadu genap pada 3, yaitu 2, 4, 6, sehingga :
p = ⅙, q = ⅚, n = 4; x = 1 (muncul 1 kali) p = 3/6 = ⅟₂; q = ⅟₂; n = 4; x = 2 ( muncul 2 kali )
P ( X = 1 ) = C⁴₁ . P¹₁ . q⁴⁻¹ P ( X = 2 ) = C⁴₂ . P² . q⁴⁻²
= 4 . (⅙)¹ . (⅚)ᶾ = 6 . (⅟₂) ² . (⅟₂) ²
= 0,3858= 0,3750
B. Probabilitas binomial kumulatif
Probabilitas binomial kumulatif adalah probabilitas dari peristiwa binomial lebih dari
satu sukses. Probabilitas binomial kumulatif dapat dihitung dengan menggunakan rumus :

Contoh soal:
Sebanyak 5 mahasiswa akan mengikuti ujian sarjana dan diperkirakan probabilitas kelulusannya adalah
0,7. Hitunglah probabilitas :
a. Paling banyak 2 orang lulus,
b. Yang akan lulus antara 2 sampai 3 orang,
c. Paling sedikit 4 diantaranya lulus!
LO6-5 Probabilitas Distribusi
Hipergeometrik
Yaitu sistem distribusi probabilitas diskrit yang terdiri dari sekelompok objek tertentu/objek yang sama
yang dipilih tanpa terjadinya sebuah pengembalian (without replacement)

■ Ciri – ciri Probabilitas Hipergeometrik :

- Sebanyak k benda dapat diberi nama “sukses” sedangkan sisanya, N - k diberi nama gagal
- Sampel acak ukuran n diambil tanpa pengembalian dari N benda

■ Perbedaan antara distribusi Binomial dan distribusi Hipergeometrik :

Dalam distribusi binomial diperlukan sifat pengulangan yang saling bebas, dan pengulangan tersebut
harus dikerjakan dengan pengembalian (with replacement), sedangkan untuk distribusi hipergeometrik
tidak diperlukan sifat pengulangan yang saling bebas dan dikerjakan tanpa pengembalian (without
replacement)
Rumus Probabilitas Hipergeometrik
Distribusi
P(x; N, n, k) =
Keterangan :
- N : Ukuran populasi
- n : Ukuran sampel
- k : Banyaknya unsur yang sama pada
populasi
- x : Banyaknya peristiwa yang sukses
 Contoh Soal :
6 dokter dan 19 suster menghadiri sebuah rapat. Seluruh nama dari 25 orang ini dimasukkan kedalam topi
untuk diambil 5 nama secara acak tanpa pengembalian (without replacement). Berapa probabilitas yang
muncul jika nama 4 dokter dan 1 suster diambil secara acak ?

Diketahui:
N = 25 n = 5
k=6 x=4

Solusi:
P(x = 4) =
=
=
= = 0,00536
LO6-6 Probabilitas Distribusi Poisson

Dalam teori probabilitas dan statistika, distribusi Poisson (dilafalkan [pwasɔ]̃ ) adalah
distribusi probabilitas diskret yang menyatakan peluang jumlah peristiwa yang terjadi pada
periode waktu tertentu apabila rata-rata kejadian tersebut diketahui dan dalam waktu yang
saling bebas sejak kejadian terakhir. (distribusi Poisson juga dapat digunakan untuk jumlah
kejadian pada interval tertentu seperti jarak, luas, atau volume).
Ciri dan Rumus Probabilitas
Distribusi Poisson
■ 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 di luar 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.
Rumus:
𝑃( 𝑋 = 𝑥) = 𝜆 𝑥 𝑒−𝜆 /𝑥!
Keterangan:
𝜆 = rata-rata terjadinya suatu peristiwa (𝜆 = 𝑛 × 𝑝)
𝑒 = bilangan alam = bilangan natural = bilangan euler = 2,71828
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 distrubusi Poisson, berapa probabilitas untuk penjualan berikut?
a. 0 lampu TL
b. 3 lampu TL