DISTRIBUSI PROBABILITAS

Komang Nova Artawan

1508605012
Pengertian Distribusi Probabilitas

Susunan distribusi yang mempermudah mengetahui probabilitas

sebuah peristiwa.
Hasil dari setiap peluang suatu peristiwa.
Menggambarkan cara probabilitas dari variabel random tersebar
pada semua nilai yang mungkin terjadi.
Himpunan nilai peluang dari variabel random X.
Jenis Distribusi Probabilitas

Distribusi Probabilitas Diskrit = Distribusi yang mencantumkan

semua kemungkinan nilai peubah acak (variabel random) diskrit
beserta probabilitasnya.
Distribusi Probabilitas Kontinu = Distribusi yang menggunakan
nilai variabel peubah acak kontinu yang dinyatakan dalam
persamaan yang merupakan fungsi probabilitas nilai-nilai peubah
acak kontinu dan digambarkan dalam bentuk kurva.
Jenis Distribusi Probabilitas Diskrit

Distribusi binomial = Distribusi dari percobaan yang dilakukan,

dengan masing-masing percobaan mempunyai probabilitas 2
kejadian dan bersifat independent.
Distribu multinomial = Distribusi binomial yang menghasilkan
lebih dari 2 kejadian yang mungkin dari suatu percobaan.
Distribusi binomial negatif = Mengetahui peluang sukses ke - r
terjadi pada usaha/percobaan ke x.
Distribusi geometrik = distribusi binomial negatif dimana r = 1.
Distribusi hipergeometrik = Distribusi dari sekelompok objek
yang dipilih tanpa pengembalian.
Distribusi poisson = Distribusi yang menyajikan frekuensi dari
kejadian acak tertentu (dalam rentang waktu / interval).
Jenis Distribusi Probabilitas Kontinu

Distribusi seragam kontinu.

Distribusi normal / gauss.
Distribusi gamma.
Distribusi eksponensial.
Distribusi Weibull.
Distribusi tipe beta.
Distribusi Binomial

Disebut pula distribusi Bernoulli. Ditemukan oleh James Bernoulli.

Suatu distribusi teoritis yang menggunakan variabel random diskrit
,yang terdiri dari dua kejadian yang komplementer.
Syarat :
1. percobaan diulang sebanyak n-kali.
2. hasil percobaan dibedakan menjadi dua kejadian (p dan q).
3. probabilitas terjadi p dan q adalah tetap di setiap percobaan.
4. semua hasil yang muncul saling bebas satu sama lain.
Kasus Umum Distribusi Binomial

Dilakukan eksperimen sebanyak n kali pengambilan.

Dari n tersebut, sebanyak x dikategorikan sukses, jadi sebanyak
n x adalah gagal.
Probabilitas sukses di tiap percobaan = p, berarti probabilitas
gagal q = 1 p.

!
RUMUS => = = . .
!!
Contoh Distribusi Binomial

Suatu koin dilempar sebanyak tiga kali. Tentukan peluang

mendapatkan tepat dua angka.
Pembahasan :
Sudut pandang binomial
1. Terdapat 3 kali percobaan (n).
2. Setiap percobaan memiliki dua kemungkinan kejadian (X), angka
(A) dan gambar (G)
3. Hasil masing-masing percobaan saling bebas.
4. Peluang percobaan sukses (angka) adalah di setiap
percobaannya
Contoh Distribusi Binomial (cont)

Pada contoh sebelumnya, didapat

n = 3, x = 2, p = , q =
!
Substitusikan nilai ke dalam rumus = = = . .
!!
3!
= =2 = . 1/22 . 1/232
32 !2!
= 2 = 3/8 = 0.375
Contoh Distribusi Binomial 2

Seorang insinyur elektro sedang mengamati masalah arus listrik

pada computer. Hasil survey menunjukkan bahwa 10% computer
yang dipakai bermasalah. Jika dipilih 5 sampel acak dari seluruh
komputer yang ada, tentukan peluang terdapat 3 komputer yang
bermasalah !
Pembahasan :
Sampel (n) = 5
Peluang komputer bermasalah (p) = 10% = 0.1
Peluang computer tidak bermasalah (q) = 1 p = 0.9
Banyaknya kejadian sukses (x) = 3 komputer
Contoh Distribusi Binomial 2 (cont)

!
Substitusikan nilai ke dalam rumus = = = . .
!!
5!
= =3 = . 0.13 . 0.953
53 !3!
= 3 = 10 * 0.001 * 0.81 = 0.0081
Distribusi Hipergeometrik

Dua sifat distribusi hipergeometrik :

1. Sampel acak ukuran n diambil tanpa pengembalian dari N benda.
2. Sebanyak k benda dapat diberi nama sukses sedangkan
sisanya, N k, diberi nama gagal.


RUMUS => = =

Dimana :
N = ukuran populasi; n = ukuran sampel; k = banyaknya unsur yang
sama pada populasi; x = banyaknya peristiwa sukses / probabilitas
Distribusi Hipergeometrik (cont)

Distribusi hipergeometrik dapat diperluas,

Jika dari populasi N terdapat unsur yang sama k1, k2, k3, , kn dan
dalam sampel berukuran n terdapat unsur yang sama x1, x2, x3, ,
xn, distribusi hipergeometrik dirumuskan :

1 2 3
1 2
= 1, 2, 3, , =

Contoh Distribusi Hipergeometrik

Sebuah kotak berisi 50 bola, 5 diantaranya pecah. Apabila diambil

4 bola, berapa probabilitas 2 diantaranya pecah ?
Pembahasan :
Populasi = N = 50 bola.
Sampel = n = 4 bola.
Unsur yang sama pada populasi = k = 5 bola.
Probabilitas = x = 2 bola.
Contoh Distribusi Hipergeometrik (cont)

Substitusikan nilai ke dalam rumus = = =

25 42
505
= =2 =
450
25 245 10 990 9900
= = = = 0.043
450 230.300 230.300
Contoh Distribusi Hipergeometrik 2

Dari penelitian golongan darah mahasiswa pada sebuah

universitas, bahwa dari 10 mahasiswa terdapat 2 mahasiswa
golongan darah A, 5 mahasiswa golongan darah B, dan 3
mahasiswa golongan darah O. Apabila diambil 5 orang mahasiswa,
berapa probabilitas seorang mahasiswa memiliki golongan darah A,
2 orang mahasiswa golongan darah B, dan 2 orang mahasiswa
golongan darah O ?
Pembahasan :
N = 10; k1 = 2; k2 = 5; k3 = 3
n = 5; x1 = 1; x2 = 2; x3 = 3
Contoh Distribusi Hipergeometrik 2 (cont)

1 2 3
1
Substitusikan nilai ke dalam rumus = = 1, 2, 3, , = 2

12 25 23
= = 1, 2, 2 =
510
2 10 3 60
= = = 0.238
252 252
Distribusi Probabilitas Poisson

Percobaan yang menghasilkan variabel random X yang menyatakan

banyaknya outcome (kejadian hasil percobaan) selama interval
waktu tertentu atau dalam daerah (area/luas) tertentu.
Variabel random X
banyaknya panggilan telepon per jam
banyak hari-hari sekolah tutup karena bencana alam dalam
setahun
banyak tikus per hektar
Distribusi Probabilitas Poisson (cont)

Sifat Proses Poisson

1. Banyaknya outcome dalam satu interval waktu / daerah tidak
bergantung pada banyaknya outcome pada waktu / daerah yang
lain.
2. Probabilitas terjadinya 1 outcome dalam interval waktu / daerah
yang sangat pendek sebanding dengan lama waktu interval waktu
/ daerah tersebut.
3. Probabilitas terjadinya lebih dari 1 outcome dalam interval
waktu yang sangat pendek adalah sangat kecil / bisa diabaikan.
Distribusi Probabilitas Poisson (cont)

Rumus Perhitungan Poisson =

= =
!
Dimana :
= rata-rata terjadinya suatu peristiwa ( = n x p)
e = bilangan alam = bilangan natural = bilangan euler = 2.71828
Contoh Distribusi Probabilitas Poisson

Sebuah toko alat-alat listrik mencatat rata-rata penjualan lampu

TL 40 W setiap harinya adalah 5 buah. Jika permintaan akan lampu
tersebut mengikuti distribusi Poisson, berapa probabilitas untuk
penjualan berikutnya 3 lampu TL ?
Pembahasan :
=5
e-5 = 2.71828-5 = 0.00674
x=3
Contoh Distribusi Probabilitas Poisson (cont)

Substitusikan nilai nya kedalam rumus = =
!
5 53
= =3 =
3!
0.00674 125
=
6
= 0.14
Contoh Distribusi Probabilitas Poisson 2

Suatu majalah yang terdiri dari 120 halaman, berisikan 80 kata salah
cetak yang terdistribusi acak dalam halaman majalah tersebut. Jika
seseorang akan membuka halaman majalah tersebut, berapa
probabilitas terdapat 3 kata salah cetak ?
Pembahasan :
n = 80; p = 1/120
= n x p = 80/120 = 0.67
Contoh Distribusi Probabilitas Poisson 2
(cont)

Substitusikan nilai nya kedalam rumus = =
!
0.67 0.673
= =3 =
3!
2.71828 0.67 0.67 3
=
3!
0.512 0.300763
=
6
= 0.025
FINISH

SEKIAN & TERIMA KASIH