DISTRIBUSI TEORITIS

Distribusi Teoritis
Distribusi teoritis adalah distribusi yang frekuensinya diturunkan secara matematis.
Pada distribusi frekuensi, frekuensinya diperoleh berdasarkan hasil-hasil percobaan
atau hasil observasi. Perbedaan antara distribusi frekuensi dan ditribusi teoritis
Pengertian

dapat dijelaskan dengan contoh berikut ini.

Sebuah mata uang dilempar sebanyak 100 kali, menurut hasil observasi atau
percobaan akan diperoleh berbagai frekuensi sebagai berikut.

Dari tabel di samping dapat dilihat,

bahwa berdasar pada 6 percobaan
pelemparan sebuah mata uang
sebanyak 100 kali diperoleh
berbagai macam hasil atau frekuensi
yang berbeda satu dengan yang
lainnya.
Distribusi Teoritis
Namun apabila kita mengambil kesimpulan dari berbagai percobaan ini akan
sampai pula pada suatu teori bahwa mata uang itu setimbang, artinya probabilita
Pengertian

sisi gambar atau H dengan sisi tulisan atau T akan sama, yakni 50% : 50%.
Dengan kata lain, kita dapat mengatakan bahwa distribusi teoritisnya, karena
secara teo- ritis sisi gambar (H) dan sisi tulisan (T) dari sebuah mata uang logam
mempunyai pro- babilita yang sama yaitu 1/2, sehingga hasil pelemparan mata
uang sebanyak 100 kali akan menghasilkan tabel berikut.

Dari tabel di samping kita

dapat mengetahui bahwa
frekuensi teoritis diperoleh
dengan mengalikan probabilita
dengan jumlah percobaan.
 Kegunaan Mempelajari
Distribusi Teoritis
Seorang pengusaha penerbit buku
perlu mengetahui selera bacaan

01 para langganannya apakah selera

itu berupa cerita novel, fiksi, atau
sejarah. Pola ini dapat diketahui
dengan pengalaman-pengalaman
masa yang lalu.
Pengusaha toko sepatu perlu
mengetahui pola permintaan dari
para konsumen, bagaimana
distribusi dari nomor-nomor sepatu
yang diminta para konsumen.
02
Pengusaha rumah makan perlu
mengetahui pola selera makanan
yang digemari para langganannya
 Macam Dari
Distribusi Teoritis

PowerPoint
Ada 3 macam dari distribusi teoritis yakni:
Presentation

Distribusi Distribusi Distribusi

Binomial Possion Normal
 Distribusi Binomial
Distribusi binomial adalah distribusi probabilita dari suatu variabel random yang bersifat
diskrit. Distribusi binomial banyak dipergunakan di dalam bidang perusahaan, bidang
pengetahuan, sosial, dan bidang-bidang lain. Distribusi binomial juga disebut sebagai
percobaan atau proses dari Bernoulli, James Bernoulli adalah ahli matematika Swiss (1654-
1705) yang sangat berjasa bagi perkembangan penggunaan distribusi binomial.
Contoh Distribusi Binomial :
Sebuah mata uang dilempar sebanyak 5 kali, dengan hasil sebagai berikut.

H, T, H, T, T

H atau Head merupakan sisi gambar dan T atau Tail merupakan sisi tulisan. Apabila 0
menunjukkan peristiwa gagal atau sisi tulisan dan 1 menunjukkan peristiwa sukses atau sisi
gambar, maka hasil pelemparan 5 mata uang di atas dapat dinyatakan:

1,0, 1, 0, 0
 Distribusi Binomial
arena probabilita sukses (p) dan gagal (q) adalah sama = 1/2, maka probabilita pelem- paran
1 mata uang sebanyak 5 kali dapat dinyatakanP (1, 0, 1, 0, 0) = pqpqq = p² q3Notasi di atas
dapat dibaca sebagai probabilita untuk 2 sukses dan 3 gagal. Apabila kita menghitung
seluruh kemungkinan untuk memperoleh 2 sukses dari 5 perco- baan atau 3 sisi gambar
pada pelemparan sebuah mata uang sebanyak 5 kali, maka kita dapat menghitung, Berapa
kombinasi sebanyak d dari 5 obyek atau atau 5C2?
Hasilnya sebagai berikut. Probabilita 2 sukses dari 5
percobaan dapat ditulis
=
P (2,5) =
=
= 10 x x
= 10
= 10/32 = 5/16
 Distribusi Binomial
Secara umum dalam proses Bernoulli, apabila kita ingin
menghitung probabilita x sukses dari n percobaan,
maka dapat dijelaskan sebagai berikut. Apabila jumlah
sukses = x dari n percobaan, maka jumlah gagal
adalah n - x.
Probabilita untuk memperoleh x sukses dan n - x gagal dirumuskan.

P=
q dapat diganti (1-p)

P=
 Distribusi Poisson
____________________
Distribusi Poisson ditemukan oleh seorang ahli matematika dari Perancis bernama S.D.
Poisson (1781-1840) yang dapat dipergunakan untuk menghitung distribusi binomial
apabila n sangat besar dan p kecil n besar apabila lebih dari 50 dan p kecil apabila
kurang dari 0,10.
Distribusi ini merupakan limit dari distribusi binomial dan sangat luas penggunaannya,
misalnya di dalam industri untuk pengendalian mutu (quality control).

1. Sifat-sifat dari suatu peristiwa yang menunjukkan distribusi probabilita dari Poisson
Guna menunjukkan suatu peristiwa yang merupakan suatu distribusi Poisson, kita
mengambil contoh pada peristiwa datangnya kendaraan yang melewati pintu
gerbang tol pada jalan raya tol, maka kita akan dapat mengamati hal-hal berikut ini.

a. Rata-rata kedatangan kendaraan pada setiap jam dapat dihitung berdasarkan

pada data masa lampau.
 Distribusi Poisson
____________________
b. Jika kita mengamati setiap periode dalam jarak setiap menit, kita akan menjumpai
sifat-sifat:
• Probabilita kedatangan kendaraan untuk setiap menit sangat kecil dan
mem- punyai nilai yang tetap (konstan).
• Probabilita kedatangan 2 kendaraan atau lebih di dalam periode itu (setiap
menit) adalah sangat kecil dan dapat dikatakan mendekati 0 (nol).
• Peristiwa kedatangan kendaraan pada setiap menit merupakan peristiwa
yang independen.

Distribusi Poisson adalah merupakan suatu distribusi dari variabel random yang
bersifat diskrit (a discrete random variable). Probabilita dari peristiwa random yang
bersifat diskrit ini dinyatakan dengan x yang mempunyai nilai 0, 1, 2, dan seterusnya.
Probabilita suatu peristiwa yang berdistribusi Poisson dirumuskan sebagai berikut.

P =
 Distribusi Poisson
____________________
2. Distribusi Poisson sebagai Pendekatan Distribusi Binomial
Kadang-kadang jika kita ingin menghindarkan perhitungan yang sulit/panjang dalam
perhitungan distribusi binomial kita dapat mempergunakan distribusi Poisson
sebagai pendekatan distribusi binomial, namun dengan memperhatikan beberapa
persyaratan. Persyaratan ini adalah jumlah percobaaan harus besar atau n besar
dan probabilita sukses kecil atau p kecil.
Banyak ahli statistik yang memberikan persyaratan distribusi Poisson dapat diper-
gunakan untuk mengadakan pendekatan pada distribusi binomial apabila n sama
atau lebih dari 20 dan p sama atau lebih kecil dari 0,05. Dalam hal demikian kita
dapat menggantikan rata-rata (mean) dengan mean binomial atau np, sehingga
rumusnya menjadi

P =
 Distribusi Normal

Distribusi normal atau kurve normal adalah

suatu distribusi yang simetris dan berbentuk
lonceng/genta (bell's shaped) yang
menunjukkan hubungan antara ordinat pada
mean dengan berbagai ordinat pada berbagai
jarak sigma () yang diukur dari mean.
Dengan menggunakan diagram, distribusi
normal ini dapat digambarkan sebagai
berikut.
 Distribusi Normal
Sifat-sifat dari Bentuk dari distribusi normal menyerupai bentuk

Distribusi
lonceng dengan sebuah puncak (unimodal) A
Normal Nilai rata-rata (mean) pada distribusi normal akan
B
terletak di tengah-tengah dari kurve normal

Bentuk distribusi normal adalah simetris, oleh sebab itu

nilai mean = median = modus C
Ujung masing-masing sisi kurve akan sejajar dengan sumbu
horisontal dan tidak akan memotong sumbu horisontal ini D
Sebagian besar dari data ada di tengah dan sebagian
kecil dari data ada pada masing-masing sisi/tepi E
68% dari data akan berada dalam jarak ± 1
standar deviasi; 95% dari data akan berada F
dalam jarak ± 2 standar deviasi dan 99%
dari data berada dalam jarak ± 3 standar
deviasi
 Distribusi Normal
Cara Mengetahui Suatu
Distribusi Apakah Bersifat
Normal ataukah Tidak
(Test of Normality) Kita bandingkan nilai Kita gambarkan frekuensi
mean, median, dan kumulatifnya pada kertas
modusnya apakah logaritma atau kertas
ketiga nilai ini sama probabilita, apabila
atau tidak, apabila membentuk garis lurus,
sama maka distribusi maka distribusi itu
itu berbentuk normal. merupakan distribusi normal.

A B C D E

Kita gambarkan Kita lihat apakah 68% Kita mengadakan

frekuensinya dalam dari data berada dalam test of goodness of
bentuk kurve frekuensi jarak ± 1 standar deviasi fit.
dan kita lihat apakah (1 sigma), 95% dalam
bentuk normal atau jarak ± 2 standar deviasi
tidak. (2 sigma), dan
sebagainya
 Distribusi Normal
Persamaan Kurve Normal
Persamaan dari ordinat kurve normal dirumuskan
sebagai berikut.

Berdasarkan pada Rumus 3.6, maka pada Yo nilai x =

mean, sehingga eº = 1. Selanjutnya untuk menghitung
ordinat yang maksimum masih harus dikalikan dengan
NCj, di mana N = jumlah frekuensi dan Cj Interval kelas.
Sehingga ordinat maksimum menjadi.
= 0,39894 x
 Distribusi Normal
Selanjutnya untuk masing-masing nilai ordinat dapat
dihitung dengan mengalikan hasil tersebut dengan tabel
ordinatnya
Contoh perhitungan dapat diberikan berikut ini.
Dari distribusi frekuensi penghasilan 50 karyawan
perusahaan di Yogyakarta tahun 1985 (dalam ribuan
rupiah) diperoleh data sebagai berikut.

Nilai rata-rata = mean = 65,1

N atau jumlah frekuensi = 50; Ci = 10
Deviasi standar (0) 16,78
Yo = 0,39894 x 500/16,78 = 11,9

Untuk nilai ordinat yang lain dapat dihitung berdasar nilai

tabel ordinat dengan dikalikan ordinat maksimum (11,9).
 Distribusi Normal
Dengan tabel ordinat (Lampiran III) kali n Cj diperoleh
hasil sebagai berikut.

Nilai ± 0,1 σ = 0,39695 x 29,8 = 11,8

Nilai ± 0,2 σ = 0,39104 x 29,8 = 11,7
Nilai ± 0,3 σ = 0,38139 x 29,8 = 11,4
Nilai ± 0,4 σ = 0,36827 x 29,8 = 10,9
Nilai ± 0,5 σ = 0,35207 x 29,8 = 10,5 dan seterusnya.

Semua titik ordinat pada kurve dapat dihitung selanjutnya

digambarkan dalam diagram berikut.
Dengan menggunakan persamaan kurve normal dan tabel
frekuensi dapat digambarkan dalam bentuk kurve normal
 Daerah Kurve Normal
Besarnya nilai rata-rata dan deviasi standar tidak
akan mempengaruhi distribusi probabilita yang
berbentuk normal, karena seluruh jumlah daerah
kurve normal = 1, maka daerah kurve normal dapat
menunjukkan probabilita.

Secara matematis kita dapat mengatakan, bahwa:

a. 68% dari seluruh nilai data terletak dalam jarak
plus dan minus 1 deviasi standar yang diukur
dari mean.
b. 95% dari seluruh data terletak dalam jarak plus
dan minus 2 deviasi standar yang diukur dari
mean.
c. 99,7% dari data terletak dalam jarak plus dan
minus 3 deviasi standar yang diukur dari mean.
Kurve Normal dalam Bentuk Standar
Bentuk suatu kurve akan ditentukan oleh mean dan deviasi standarnya. Oleh sebab itu, kita
akan jumpai berbagai macam tipe bentuk kurve. Menyusun suatu tabel kurve akan menjadi
sulit, karena nilai mean dan deviasi standar yang berbeda-beda, sehingga untuk menyusun
tabel kurve normal perlu adanya anggap- an-anggapan yakni untuk mean = 0 dan deviasi
standar = 1. Kurve normal yang mempunyai mean () = 0 dan deviasi standar = 1 disebut
kurve normal standar (a standard normal distribution).

Segala bentuk kurve dengan mean dan deviasi

yang berbeda selalu dapat dikonversikan ke dalam
bentuk kurve standar dengan mengubah skala x
menjadi z dengan rumus:

z=
Kurve Normal dalam Bentuk Standar
Suatu distribusi normal dengan rata-rata = 50 Berdasarkan bagan disamping, maka konversi
dan deviasei standar = 25. Hal ini dapat skala x menjadi skala z adalah sebagai berikut.
digambarkan dalam diagram berikut.
a. x = 25 z=

= = -1

b. x=0 z=

= = -2

c. x = 75 z=

= = +1
Kurve Normal dalam Bentuk Standar
Di sebelah kiri nilai rata-rata, nilai z adalah negatif, sedang untuk nilai z yang terletak di
sebelah kanan nilai rata-rata z adalah positif.
Karena bentuk kurve normal adalah simetris, maka tabel untuk nilai z yang negatif
sama dengan z yang positif. Tabel z = -1 sama dengan tabel z = +1 (lihat Lampiran IV).
Selanjutnya penggunaan daerah kurve normal dapat dijelaskan berbagai kasus berikut.

1. Menghitung daerah kurve normal antara z= 0

dan z = +1,25. Menurut tabel daerah kurve normal
z = +1,25 adalah 0,3944. Apabila seluruh daerah
kurve normal dinyatakan 100%, maka luas daerah
kurve normal antara z= 0 dan z = +1,25 adalah
seluas = 39,44%.
Kurve Normal dalam Bentuk Standar
2. Menghitung luas daerah kurve normal antara z
= O dan z = -1,25.
Sebagaimana telah dijelaskan bahwa kurve
normal simetris bentuknya, maka tabel z = 1,25
berlaku untuk nilai z positif dan negatif, sehingga
z = -1,25 tabel z = 0,3944. Luas daerah kurve
normal antara z = 0 dan z = -1,25 seluas 39,44%.

3. Menghitung luas daerah kurve normal sebelah

kanan z = +0,35.
Menurut tabel daerah kurve normal z = +0,35
adalah 0,1368. Nilai ini merupakan luas daerah
kurve normal di sebelah kiri z = 0,35 sampai z =
0. Jadi, luas daerah kurve normal sebelah kanan
z = 0,5000 -0,1368 = 0,3632 atau36,32%
Kurve Normal dalam Bentuk Standar
4. Menghitung luas daerah kurve normal di
sebelah kiri z = 0,35. Menurut tabel daerah
normal z = 0,35 adalah 0,1368. Luas daerah
kurve normal di sebelah kiri = 0,35 adalah
0,5000+ 0,1368 atau 63,68%

5. Menghitung luas daerah kurve normal sebelah

kanan z = -1,45. Tabel daerah kurve normal untuk
z = -1,45 adalah 0,4265.Luas daerah kurve
normal di sebelah kanan z = -1,45 menjadi
0,5000+ 0,4265 = 0,9265 atau 92,65%
Kurve Normal dalam Bentuk Standar
6. Menghitung luas daerah kurve normal
antara z = 0,73 dan z = 1,64 (antara dua
nilaiz yang positif). Tabel daerah kurve
normal untuk
z = 1,64 adalah 0,4495
z = 0,73 adalah 0,2673
Selisihnya adalah 0,1822 atau 18,22% ini
merupakan luas daerah kurve normal antara
z = 0,73 dan z = 1,64.
Kurve Normal dalam Bentuk Standar
7. Menghitung luas daerah kurve normal
antara z = -0,50 dan z = +0,75 (antara z yang
negatif dan yang positif). Tabel daerah normal
untuk
z = -0,50 adalah 0,1915
z = +0,75 adalah 0,2734
Dijumlahkan merupakan luas daerah kurve
normal antara z = -0,50 dan z = + 0,75 yakni =
0,1915 +0,2734 = 0,4649 atau 46,49%

8. Menghitung nilai daerah di sebelah kanan

nilai z diketahui = 10%.Daerah di sebelah kiri
z = 0,50000,1000 = 0,4000. Tabel z untuk nilai
0,4000 tidak ada yang mendekati adalah
0,3997 untuk z = 1,28. Jadi, nilai z yang dicari
adalah z = 1,28
Kurve Normal dalam Bentuk Standar
9. Menghitung luas daerah kurve normal antara
x1 = 17,4 dan x2 = 58,8 apabila diketahui mean
= 24 dan deviasi standar = 12. Sebelum kita
menghitung luas daerah kurve normal kita harus
mengkonversikan skala x menjadi skala z.

Z1 = = -0,55

Z2 = = +2,90

Tabel daerah kurve normal untuk

Z1= -0,55 adalah 0,2088
Z2= +2,90 adalah 0,4981
Dijumlah menjadi 0,7069 atau 70,69%.
Distribusi Binomial dan Kurve Normal
Beberapa Contoh Penggunaan Daerah Konversi skala x menjadi z adalah
Kurve Normal dalam Soal
Z1 =

01 Perusahaan minuman teh botol setiap hari

mengirim hasil produksinya dengan kereta api
= 0,60
Tabel daerah kurve normal untuk z = 0,60
ke luar kota. Rata-rata berat botol yang dikirim
adalah 0,2257. Sehingga luasnya menjadi
= 0,397 kg dan deviasi standar = 0,005 kg.
0,500 -0,2257 = 0,2743 atau 27,43%.
Apabila distribusi ukuran berat ini merupakan
distribusi normal, berapa persen teh botol
yang dikirim dengan kereta api yang
mempunyai berat 0,400 kg ke atas?
Pertanyaan dalam soal ini dapat dijawab Get Add Text
a modern
dengan menghitung luas daerah kurve nor- PowerPoint
Presentation that is
mal di sebelah kanan x = 0,400 kg. beautifully designed.
 Distribusi Binomial dan Kurve Normal
Keuntungan yang diperoleh oleh pedagang kaki
02 lima yang menjual makanan di malam hari rata-rata
Jadi keuntungan yang diperoleh 10%
pedagang kaki lima yang terendah
68% dengan deviasi standar = 8,2%. Apabila data ada di bawah 57,5%
keuntungan ini merupakan distribusi normal, di
bawah berapa persen keuntungan yang diperoleh
10% dari pedagang kaki lima yang memperoleh
keun- tungan terendah? Di dalam soal ini diketahui
bahwa 10% memperoleh keuntungan yang
terendah. Jadi, luas daerah kurve normal di sebelah
kanan nilai z = 0,5000 -0,1000 = 0,4000. Dari tabel
z daerah kurve normal yang mendekati nilai ini
0,3997 untuk z = 1,28.
Add Text
Get a modern
-1,28 = PowerPoint
Presentation that is
x = 68% - 10,5% = 57,5% beautifully designed.
 Distribusi Binomial dan Kurve Normal
Jumlah penggunaan pesawat telpon setiap hari
03 untuk keperluan perusahaan antara jam 13.00-
Menurut tabel z, maka luas kurve normal
antara x₁ 228,5 dan x2 = 280,5 seluas
14.00 menunjukkan rata-rata 248 dan deviasi
0,2734+0,3944 = 0,6678 atau 66,78%.
standar 26 kali.Berapa persen penggunaan
Jadi, penggunaan pesawat telpon untuk
pesawat telpon antara 229-280 kali untuk
keperluan perusahaan sebanyak 229
keperluan perusahaan pada jam 13.00-14.00?
sampai 280 kali pada jam 13.00-14.00
Apabila distribusi dari penggunaan pesawat
sebanyak 66,78%
telpon ini merupakan distribusi normal. Data
penggunaan pesawat telpon adalah data diskrit,
sehingga perlu diubah menjadi data yang
kontinyu. Pada daerah kurve normal kita
menghitung luas daerah antara X₁ = 228,5 dan
X₂ = 280,5.Perubahan skala x menjadi z adalah: Add Text
Get a modern
PowerPoint
Z1 = = -0,75 Presentation that is
beautifully designed.

Z2 = = +1,25
Distribusi Binomial dan Kurve Normal
Distribusi normal atau kurve normal dapat
dikatakan sebagai suatu distribusi yang
kontinyu yang merupakan distribusi binomial
apabila n atau jumlah percobaannya cukup
besar. Bagan 3.8 menunjukkan bentuk
distribusi binomial dengan p 1/2 dan n = 2, 5,
10, dan = 25.

Menurut Bagan 3.8, semakin besar jumlah

percobaan atau n bertambah, maka bentuk
distribusi binomial akan semakin menyerupai
Add Text
distribusi
Get a modern normal atau kurve normal. Di dalam
kenyataannya
PowerPoint
Presentation that is
daerah kurve normal dapat
dipergunakan
beautifully designed. untuk mengevaluir probabilita
pada distribusi binomial, meskipun n relatif
kecil dan p tidak sama dengan 1.
Penyesuaian Frekuensi Observasi
Terhadap Kurve Normal

Ada beberapa cara untuk mengadakan

pengujian frekuensi hasil observasi terhadap
kurve normal.
Salah satu cara yang kasar yakni dengan
mempergunakan kertas probabilita atau
kertas logaritma. Apabila persentase frekuensi
kumulatif "kurang dari" digambarkan dalam
kertas logaritma atau kertas probabilita ini
merupakan garis lurus, maka distribusi
frekuensinya merupakan kurve normal (lihat
Bagan 3.10).
Penyesuaian Frekuensi Observasi
Terhadap Kurve Normal

Setelah kita susun tabel di samping, langkah

berikutnya adalah menggambarkan data
tersebut dalam kertas probabilita atau kertas
logaritma. Kertas probabilita atau kertas
logaritma adalah kertas yang mempunyai
pembagian skala yang tidak sama,
khususnya skala vertikalnya. Apabila gambar
persentase frekuensi kumulatif "kurang dari"
merupakan garis lurus, maka kita dapat
menyimpulkan bahwa distribusi frekuensi
tersebut merupakan distribusi yang normal.
(Bagan 3.10 menunjukkan keadaan ini)
 Teori T Chebycheff
(Pertidaksamaan T Chebycheff)

Teori ini menjelaskan hubungan antara rata-rata, deviasi standar, dan jumlah probabilita
variabel x. Hubungan ini dirumuskan: P(/x/ k) 1/

Dimana:
x = x- akan positif bila x >
x = x- akan negatif bila x <
karena/x/, maka nilai+dan atau – dapat diabaikan

Pertidaksamaan T Chebycheff menyatakan:

Proporsi dari nilai-nilai observasi yang terletak dalam batas
interval μ ± k (bila k > 1) akan lebih besar dari 1 - 1/ dan
proporsi dari nilai-nilai observasi yang terletak di luar batas
interval μ ± k akan lebih kecil dari 1/.
Terima Kasih