Distribusi

Peluang
Kontinu
Presented by Kelompok 2 Sistem Informasi
Kelompok 2 Angelia Ayu Chandra
Derick
Felicio
Ivander Hansel
Jessi Charoline
Sherren
Victor
 Intoduction
Distribusi Peluang Aplikasi Distribusi
01 04 Normal
Kontinu

Parameter Distribusi Pendekatan Normal

02 05 Terhadap Binomial
Normal

Distribusi Normal Baku Pendekatan Normal

03 06 Terhadap Poisson
 01. Distribusi Peluang Kontinu
Distribusi peluang kontinu adalah peubah acak yang dapat memperoleh semua nilai
pada skala kontinu. Syarat dari distribusi kontinu adalah apabila fungsi f(x) adalah
fungsi padat peluang peubah acak kontinu x yang didefinisikan di atas himpunan
semua bilangan rill R bila:
1. F(x) ≥ 0 untuk semua x є R Ket :
2. ∫𝑓(𝑥)𝑑𝑥=1∞∞ Є : Elemen ;
3. 𝑃(𝑎<X<𝑏)= ∫𝑓(𝑥)𝑑𝑥 ∫ : Integral ;
∞ : Tak hingga ;
≥ : Lebih dari atau sama dengan;
R : Konfesien korelasi
𝑑𝑥 : Diferensial dari variabel x,
 Distribusi Normal
Distribusi Normal adalah model distribusi kontinu yang paling penting dalam teori
probabilitas

Mayoritas kasus mengikuti distribusi normal

Distribusi normal memiliki kurva berbentuk lonceng yang simetris

Dua parameter yang menentukan distribusi normal adalah rataan/ mean (μ)
danstandar deviasi (σ)
 ;

02. Parameter Distribusi Normal

Parameter dari distribusi normal adalah rata-ratanya μ dan simpangan baku σ.
Secara matematis distribusi normal mempunyai bentuk :

;-

Ket :
di mana e = 2,71828, p = 3,1416
π : pi
μ: Mean/Miu
σ: sigma
: Lebih Kecil dari
 ;

Hubungan antara peluang area pengukuran dalam distribusi normal dengan kedua parameternya
dapat dilihat dari kurva berikut:
 ;

Distribusi normal bersifat simetris di sekitar nilai rata-ratanya. Luas area di bawah
kurva adalah 1 yaitu sama dengan jumlah peluang dalam distribusi peluang.
Dengan demikian peluang bahwa variabel acak lebih besar atau sama dengan rata-
ratanya (μ) adalah 0,5000.
Simpangan baku pertama (σ) baik sebelah kiri atau kanan berisikan 34,13% dari
unsur-unsur dalam distribusi.
Oleh karenanya, peluang variabel acak terletak di antara satu simpangan baku adalah
sebesar 2  0,3414 = 0,6826.
Demikian pula peluang variabel acak terletak di antara dua simpangan baku adalah
2  (0,3414 + 0,1359) = 0,9544 dan di antara tiga simpangan baku adalah 2  (0,3414
+ 0,1359 + 0,0215) = 0,9974.
 03. Distribusi Normal Baku
Suatu distribusi dikatakan normal apabila sesuai dengan karakteristik distribusi yang
secara teoris secara teoritis dari apa yang disebut sebagai distribusi normal baku.
Luas area untuk distribusi normal baku telah disusun dalam sebuah table yang
dikenal sebagai tabel normal baku. Dengan adanya table ini maka kita dapat
menghitung peluang acak data yang berdistribusi normal hanya dengan
menggunakan transformasi Z yang rumusnya adalah :

𝑋 𝑖 −𝜇
𝑍𝑖=
𝜎
Jika data berasal dari sampel maka digunakan :
 

Xi  X
Zi 
s
 Jadi, Z di atas merupakan variabel acak yang berdistribusi normal dengan
rata-rata 0 dan varians 1 dan merupakan nilai-nilai baku dari kurva normal.
Distribisi normal baku dapat pula digambarkan seperti halnya distribusi
normal. Perbedaannya adalah rata-rata m digantikan oleh 0. Sedangkan luas
di bawah kurva normal baku ini sama saja dengan kurva normal yaitu 1
atau 100% yang merupakan jumlah peluang semua peristiwa yang bisa
terjadi. Untuk jelasnya lihat Gambar berikut :
 

- -     
 04. Aplikasi Distribusi Normal
Contoh Soal :
Berdasarkan hasil ujian yang diikuti oleh lima ratus siswa menunjukkan rata-rata 80 dan simpangan baku 5. Jika data
hasil ujian tersebut berdistribusi normal, Hitunglah !.
1. Persentase siswa yang nilainya antara 70 dan 95 !
2. Banyaknya siswa yang nilainya di atas 90 !
3. Pemberian hadiah pada 10 orang terbaik, maka berapakah nilai terendah yang akan mendapat hadiah tersebut ?
Jawaban :
1. Prosentase siswa yang nilainya antara 70 dan 95
Diketahui :
x = Nilai Hasil ujian
Rata-rata nilai = 80
Simpangan baku / s = 5

Konversikan terlebih dahulu 70 dan 95 ke dalam “z”

z1 > 70 dan z2 < 95
 Maka : Jadi luas kurva yang dihitung
z1 > (x-rata-rata) : s adalah:
z1 > (70 – 80) : 5
z1 > - 10/5
z1 > - 2
z2 < (x-rata-rata) : s
z2 < (95 – 80) : 5
z2 < 15/5
z2 < 3
Luas z1>-2 = 0,4772 (Lihat tabel Distribusi Normal Baku memakai hasil dari 2;
karena kurva
bersifat simetris, sehingga -2 = 2)
Luas z2<3 = 0,4987 (Lihat tabel Distribusi Normal Baku)

Maka Luas daerah diarsir di bawah lengkungan normal baku antara -2 s.d 3 :
0,4772 + 0,4987 = 0,9759

Persentase siswa dengan nilai antara 70 s.d 95 adalah = 0,9759 x 100= 97,59 %
2. Banyaknya siswa yang nilainya di atas 90
Diketahui :
x = Nilai Hasil Ujian
Rata-rata nilai = 80
Simpangan baku / s = 5

Konversikan terlebih dahulu 90 ke dalam “z”

z > 90

Maka :
z > (x-rata-rata) : s
z > (90 – 80) : 5
z > 10/5
z>2
 Jadi, Luas kurva yang dihitung adalah :

Luas z>2 = 0,4772 (Lihat tabel Distribusi Normal Baku)

Maka Luas daerah diarsir di bawah lengkungan normal standar adalah setengah unit nilai kurva-luas z >2
0,5 + 0,4772 = 0,0228
Jumlah siswa yang nilainya di atas 90 adalah = 0,0228 x populasi
= 0,0228 x 500
= 11,4
= 11 siswa
3. Nilai Terendah dari 10 siswa terbaik
Diketahui :
x = Nilai Hasil Ujian
Rata-rata nilai = 80
Simpangan baku / s = 5

Indeks paling rendah dari 10 orang terbaik :

Persentase 10 terbaik/ z > zα = 10/500
= 0,02
Luas 0 < z < zα = 0,5 – luas z > zα
= 0,5 – 0,02
= 0,48
 Kemudian lihat tabel Distribusi Normal Baku, namun dengan pembacaan terbalik. Angka 0,48
berada di antara 0,4798 dan 0,4803. Namun lebih mendekati kepada nilai 0,4798, sehingga
dipilih angka 0,4798.
Maka 0,4798 = 2,05
Sehingga :
z = (x-rata-rata) : s
2,05 = (x – 80) : 5
x – 80 = 2,05 x 5
x – 80 = 10,25
x = 10,25 + 80
x = 90,25

Jadi, Nilai terendah dari 10 orang terbaik yang akan diberikan hadiah adalah nilai 90,25
 05. Pendekatan Normal Terhadap Binomial

Telah dijelaskan sebelumnya bahwa apabila n sangat besar (di luar tabel binomial) dan p sangat kecil
(seperti np 5), maka distribusi binomial dapat didekati oleh distribusi Poisson. Akan tetapi apabila n di
luar nilai tabel dan p bernilai sangat kecil atau sangat besar, maka distribusi binomial dapat didekati
oleh distribusi normal. Sebagai petunjuk dalam melakukan pendekatan normal dari binomial adalah :

n ³ 30
np dan n(1 – p) ³ 5
Contoh :
Anggota suatu dewan juri berisikan 55% wanita. Berapa peluang terpilihnya 50 anggota juri
yang dipilih secara acak akan berisikan anggota wanita sebanyak 30 orang atau lebih.
Pemilihan ini jelas merupakan proses binomial dengan n = 50, p = 0,55 dan x ³ 30. Tabel
binomial tidak mempunyai nilai untuk n = 50. Pendekatan Poisson juga tidak dapat dilakukan
karena np = 27,5.Demikian pula tehnik menggunakan 1 – p untuk p tidak dapat dilakukan
juga karena n(1 – p) = 23,5. Akan tetapi kriteria untuk pendekatan normal sudah dipenuhi
dimana parameter binomial untuk mendekati distribusi normal adalah :

𝜎 𝐵 =√ 𝑛𝑝 (1 −𝑝 ) =3,52
Sebelum menghitung peluang distribusi normal, terlebih dahulu perlu dihitung suatu
koreksi yang memperkenankan kita melakukan pendekatan dari distribusi diskrit ke
distribusi kontinu. Dalam distribusi kontinu, nilai 29 didefinisikan mengambil nilai antara
“28,5 sampai 29,5”, nilai 30 di antara nilai 29,5 sampai 30,5 dan seterusnya. Dengan
demikian, nilai-nilai diskrit yang sama atau lebih besar dari 30 dapat diperlihatkan dalam
hasil. Akhirnya persoalan di atas dapat diselesaikan sebagaimana persoalan distribusi
normal biasa yaitu :

29,5− 27,5
𝑧= =0,57
3,52
Luas area dari 0 sampai 0,57 adalah 0,2157.
𝑃 ( 𝑋 ≥ 29,5 ) =0,5 − 0 , ,2157=0,2843
Jadi Artinya peluang (pendekatan) terpilihnya anggota juri wanita lebih dari 30
orang adalah 0,2843.(Jika dihitung dengan distribusi binomial diperoleh
0,2862).
 06. Pendekatan Normal Terhadap Poisson

Apabila rata-rata distribusi Poisson lebih dari 10, maka mustahil untuk
menggunakan tabel peluang Poisson (meskipun sebenarnya dapat dilakukan
dengan komputer). Olehkarenanya pendekatan normal kepada binomial
dapat diperluas kepada distribusi Poisson (dalam hal ini > 10).
Contoh :
Rata-rata jumlah kendaraan yang mengunjungi bengkel pada jam 16.00 – 17.00 di
akhir pekan adalah 16. Berapa peluang bahwa kurang dari 20 kendaraan akan
mengunjungi bengkel pada jam yang sama di hari Selasa mendatang.
Rata-rata distribusi Poisson λ lebih dari 10, sehingga pendekatan normal dapat
dilakukan. Parameter Poisson yang ekivalen dengan distribusi normal adalah :
 Koreksi dari distribusi diskrit ke kontinu perlu dilakukan seperti yang dicontohkan
sebelumnya. Jadi dalam hal ini peluang “kurang dari 20” dapat kita didefinsikan
sebagai “kurang atau sama dengan 19,5”. Luas area di bawah kurva normal lihat
dibawah ini, dapat dihitung dengan :

19,5 − 16
𝑧= = 0,88
4
Dengan menggunakan tabel diperoleh luas areanya adalah 0,3106. Karena nilai z
positif, maka luas area yang dicari adalah mulai dari z = 0,88 ke arah kiri atau :

𝑃 ( 𝑋 ≤ 19,5 )=0,5+0,3106=0,8106
Jadi peluang (pendekatan) kendaraan yang mengunjungi bengkel di hari Selasa
kurang dari 20 buah adalah 0,8106 (perhitungan secara eksak dengan menggunakan
distribusi Poisson adalah 0,8122).
Kritik & Saran
Thank
You!