BIOSTATISTIK

“Distribusi Probabilitas”

Oleh
Andri Dwi Hernawan, SKM, M.Kes
(Epid)
 Distribusi probabilitas
• Merupakan bentuk dari distribusi
peluang secara teoritis
• Distribusi probabilitas  Distribusi
binomial (Bernaulli), Distribusi
poisson, Distribusi normal (Gauss),
Distribusi student (‘t’ Gosset),
Distribusi Chi-square, dan Distribusi
Fisher
 Distribusi Binomial
• Berfungis menggambarkan fenomena
dengan dua hasil (out come) 
sukses atau gagal, sehat atau sakit,
benar atau salah dll
• Ditemukan oleh James Bernaulli 
distribusi Bernaulli
 Postulat Bernaulli
• Jumlah trial merupakan bilangan bulat  lempar
uang sebanyak 5 kali (tidak mungkin 5 ½ kali)
• Setiap eksperimen mempunyai dua out come 
gagal atau sukses  jika mengharap keluar
gambar pada pelemparan mata uang dan benar
keluar gambar disebut “sukses”
• Peluang sukses sama untuk tiap eksperimen 
peluang keluar gambar ½ pada lemparan
pertama  lemparan kedua juga ½
• Eksperimen independent satu sama lainnya 
lima kali lempar  lemparan 1, 2, 3, 4, dan 5
tidak mempengaruhi satu sama lain
 Distribusi Binomial
• Probabilitas sukses (p), probabilitas gagal
(1-p)=q
• Peristiwa binomial  b ( x, n, p ) 
– b = peristiwa binomial
– x = sukses yg diinginkan (bilangan random)
– n = jumlah trial
– p = peluang sukses
• Dadu dilempar 5 kali, diharapkan keluar
mata 6 dua kali  b(2, 5, 1/6)  x=2, n=5,
dan p=1/6
 Contoh …
• Probabilitas bayi tidak di imunisasi
polio adalah 0,2 (p). Suatu hari
Puskesmas “X” terdapat 4 orang
bayi. Hitung peluang dari bayi
tersebut 2 orang belum imunisasi
polio  b(2, 4, 0,2)
 Penyelesaian …
• Misal bayi  A, B, C, D dua bayi tidak
di imunisasi mungkin, A&B, A&C, A&D,
B&C, B&D, C&D  6 pasang kombinasi
kombinasi empat obyek yang
pasangannya 2 (x=2 n=4)
• Rumus kombinasi
 n
 n!
  
 x  x!n  x !
• Rumus peluang
p 1  p 
x n x
 Penyelesaian
n!
PX  x   p 1  p 
x n x

x!n  x !

4!
PX  2  2
0,2 x0,8 42

2!4  2 !
P X  2   0,154
 Latihan
• Di suatu pabrik semen yang memakai bahan
baku berdebu diketahui bahwa buruh yang
bekerja mempunyai peluang 0,3 untuk
menderita pneumonia. Kalau pada suatu hari
diambil secara random sebanyak 15 orang
buruh, hitung peluang akan didapatkan
buruh yang menderita pneumonia
– Tepat satu orang
– Tidak lebih dari 2
– Paling banyak 3
 Latihan 2
• 30% resep obat yang dikeluarkan
puskesmas berisi “antibiotik”. Pada
suatu hari diambil secara acak
sebanyak 20 resep, hitunglah
peluang pengambilan resep tersebut
berisi antibiotik
• Tepat 5 resep
• Paling sedikit 15 resep
• Paling banyak 6 resep
 Distribusi Poisson
• Kejadian dengan probabilitas p <<< dan
kejadian luas n >>> distribusi binomial
tidak mampu  distribusi poisson
• Distribusi poisson  kejadian yang
jarang terjadi, tetapi mengenai populasi
yang luas
• Disuatu gerbang tol yang dilewati ribuan
mobil dalam satu hari, berapa peluang
akan terjadi kecelakaan dari sekian
banyak mobil yang lewat
 Formula Poisson
 
 ex
e
x
P x   
x! x!
• μ=λ = n p = E(x)  nilai rata-rata
• e = konstanta = 2,71828
• x = variabel random diskrit (1,2,3 …
x)
 Contoh
• Kejadian shok pada saat imunisasi
meningitis adalah 0,0005. Kalau di
suatu kota jumlah orang yang di
vaksinasi sebanyak 4000 orang,
hitung peluang tiga orang akan
terjadi shok!
 Penyelesaian

• μ=λ = n p = 4000 x 0,0005 = 2

3 2
2 2,71828
Px  3   0,1804
3 x 2 x1
KULIAH BIOSTATISTIKA

Distribusi Normal

15
Sejarah ….

• Ditemukan pertama oleh Abraham

Demoivre (Perancis, 1973)
• Diperbaharui oleh Perre Simon de
Laplace (Perancis, abad 19)
• Disempurnakan oleh Friedrich
Gauss (Jerman)  distribusi Gauss
• Aplikasi dalam kedokteran  Sir
Franciss Allon & Charles Darwin

16
Normal distribution
• Digunakan pada variabel random kontinu
(interval dan rasio)
• Normal curves are symmetrical.
• Normal curves are unimodal (satu modus)
• Normal curves have a bell-shaped form.
• Mean, median, and mode all have the same
value.

17
Characteristics of
normal distribution
• Symmetric, berbentuk kurva mirip lonceng
• Bentuk kurva tergantung dari mean  and standard
deviation   sebagai titik belok Pusat distribusi adalah
.dan Penyimpangan adalah .
• Nilai terbanyak sekitar mean, tetapi beberapa lebih kecil
dan lebih besar dari mean.
• Mean = median = modus
• Total daerah dibawah kurva adalah satu (probability = 1)
• Mempunyai ekor panjang dikedua sisi sumbu x
• Kurva normal standar mempunyai .=0 dan  =1.

18
 Shapes of distributions
• Unimodal distribution
– single value is most
frequent f Unimodal
distribution
• Bimodal
X
– 2 most frequently
occurring values
– also multimodal~
f Bimodal
distribution

19
 Symmetry
• a symmetrical distribution exhibits no skewness
• if right side mirror-image of left
• in a symmetrical distribution the Mean = Median = Mode

18
16
14
No. of People

f
12
10
8
6
4
2
0
3,5 4,5 5,5 6,5 7,5 8,5 9,5 10,5 11,5

Nightly Hours of Sleep

20
Kurtosis dan skewness

21
 The Meaning of Standard
Deviation
• How the data are dispersed around mean
• Mean ± 1 SD represent 68.3% of the
population
• Mean ± 2 SD represent 96% of the
population
• Mean ± 3 SD represent 99.7% of the
population

22
 The Meaning of Standard
Deviation
±SD % of Pop 0,40

1 68.3 0,35
0,30
1.96 95 0,25
0,20
2 95.5
0,15
34% 34%
2.58 99 0,10
0,05 1SD 1SD
3 99.7 0,00 2SD 48% 2SD 48%
-3 -2 -1 0 1 2 23 3
 Normalitas
Distribusi Normal : kurva berbentuk bel, simetris, simetris terhadap sumbu yang
melalui nilai rata-rata

Kurtosis = keruncingan

Skewness = kemiringan

+3s  +2s  -s   +s  +2s  +3s

68%
95%
99%

24
 Transformations

100 80

70
80
60

50
60

frequency
frequency

40

40 30

20
20
10

0 0
0 0.5 1 1.5 2 -2 -1.5 -1 -0.5 0 0.5 1
triglyceride log(triglyceride)
triglyceride LOG (triglyceride)

25
 Identifikasi Distribusi Normal
• Secara deskriptif :
– Koefisien varians (SD/Mean)  <30% normal
– Rasio skweenes (skweness/SE skweness)  -2 sampai 2
normal
– Rasio kurtosis (kurtosis/SE kurtosis)  -2 sampai 2 normal
– Box Plot (simetris tdk ada nilai pencilan) normal
– Scater diagram (penyebaran disekitar garis scater) normal
– Histogram (membentuk kurva normal)
• Secara analitik :
– Uji kolmogorov smirnov  sampel diatas 50  normal jika p
value > 0,05
– Uji Shapiro wilk  sampel dibawah 50  normal jika p value >
0,05
 Descriptives

Statistic Std. Error

Usia (th) Mean 25,96 ,43
95% Confidence Lower
25,12
Interval for Mean Bound
Upper
26,81
Bound
5% Trimmed Mean
Pertanyaan:
25,88
a.Identifikasi apakah data
Median 26,00 berdistribusi normal
Variance 15,511 b.Berapa probabilitas ibu
Std. Deviation hamil yang berusia diatas 30
3,94 tahun
Minimum 20
Maximum 35
Range 15
Interquartile Range
8,00

Skewness ,244 ,261

Kurtosis -1,047 ,517
27
 Penggunaan distribusi normal
kurva Z Score
• Kurva normal standar bisa diaplikasikan
untuk distribusi variabel dengan
menggunakan kurva z

X  Xi  X
z z
S

28
 Contoh aplikasi
• Dari 150 orang laki-laki berumur 40-60
tahun didapatkan rata-rata kadar
kolesterol mereka 215 mg% dan
simpangan baku SD = 45 mg%. Hitung
peluang seseorang dengan kadar
kolesterol:
– > 250 mg%
– < 200 mg%
– Antara 200 – 275 mg%

29
 Latihan
• Suatu penelitian dilakukan untuk meneliti
kadar haemoglobin ibu hamil. Diambil
sebanyak 50 bumil dan didapatkan rata2
kadar Hb = 9,5 gr/dl, dengan simpangan
baku 4,5 gr/dl. Berapa probabilitas dan
proporsi bumil berikut:
• Hb > 12 gr/dl
• Hb antara 8 – 13 gr/dl

30