BAB 7

DISTRIBUSI PROBABILITAS
Kompetensi
Menjelaskan distribusi probabilitas
Indikator
1. Menjelaskan distribusi hipergeometris
2. Menjelaskan distribusi binomial
3. Menjelaskan distribusi multinomial
4. Menjelaskan distribusi poisson
5. Menjelaskan distribusi normal

A. Pendahuluan
Pada

berbagai

peristiwa

dalam

probabilitas

jika

frekuensi

percobaannya banyak, maka untuk peristiwa yang bersifat independent dan

dependent akan mengalami kesulitan dalam percobaan. Oleh karena itu
distribusi

probabilitas

merupakan

cara

yang

lebih

sederhana

untuk

menyelesaikan probabilitas dari peristiwa yang bersifat independent dan

dependent.
Distribusi probabilitas yang akan kita bahas yaitu:
1. Untuk variabel diskrit
a. Peristiwa dependent
1) Distribusi hipergeometris
b. Peristiwa independent
1) Distribusi binomial
2) Distribusi multinomial
3) Distribusi poisson

113

2. Untuk variabel kontinyu

a. Peristiwa independent
1) Distribusi normal

B. Distribusi Hipergeometris
Distribusi Hipergeometris digunakan untuk menghitung probabilitas
dari peristiwa-peristiwa yang sifatnya dependent dan variabelnya bersifat
diskrit (Mustafa, 1995).
Rumus:

P( X1, X 2 ,...X n ) =

n1Cx1.n2Cx2 ....nk Cxk

nCx

Keterangan:
nCx =

n!
x! (n x )!

X1, X2,Xn

: banyaknya frekuensi yang diharapkan terjadi dari setiap

peristiwa
n1, n2,nk

: banyaknya seluruh frekuensi yang dapat terjadi dari setiap

peristiwa
n = n1 + n2 + + nk
x = x1 + x2 + + xn
Contoh:
Sebuah keranjang berisi bola yang terdiri dari 5 bola hijau, dan 10 bola
kuning. Jika dari keranjang tersebut diambil tiga bola berturut-turut tanpa
pengembalian, maka berapakah probabilitasnya bahwa dari ketiga bola
tersebut terdapat dua bola kuning.

114

C. Distribusi Multinomial
Distribusi multinomial digunakan untuk menghitung probabilitas dari
peristiwa-peristiwa yang sifatnya independent yang mempunyai probabilitas
lebih dari 2 kategori dan variabelnya bersifat diskrit (Mustafa, 1995).
Rumus:

P( X1, X 2 ,...Xn ) =

n!
P1x1 p2x2.....Pkxk
X1! X2!.....Xk !

Keterangan:
n

: banyaknya percobaan

X1

: banyaknya sukses peristiwa 1

X2

: banyaknya sukses peristiwa 2

Xk

: banyaknya sukses peristiwa k

P1

: probabilitas peristiwa 1 sukses

P2

: probabilitas peristiwa 2 sukses

Pk

: probabilitas peristiwa k sukses

Contoh:
Riset yang dilakukan oleh FE UMY mengenai tingkat kepuasan mahasiswa
terhadap pelayanan yang diberikan oleh FE UMY diperoleh informasi:
25% menyatakan sangat puas
40% menyatakan puas
20% menyatakan tidak puas
15% menyatakan sangat tidak puas
Apabila ditemui 8 orang mahasiswa, berapa probabilitasnya:
1. 1 menyatakan sangat puas, 3 menyatakan puas, 2 menyatakan tidak puas,
dan 2 menyatakan sangat tidak puas.

115

2. 5 menyatakan sangat puas dan menyatakan puas, dan 3 menyatakan

tidak puas dan menyatakan sangat tidak puas.

D. Distribusi Binomial
Distribusi binomial digunakan untuk menghitung probabilitas dari
peristiwa-peristiwa yang sifatnya independent dan variabelnya bersifat diskrit
(Mustafa, 1995).
Rumus:
P ( x; n ) = nCx. P x .Q n x
Keterangan
nCx =

n!
= disebut juga koefisien binomial
x! (n x )!

P = probabilitas terjadinya peristiwa yang sedang diamati dalam percobaan

tunggal
Q = 1-P
n = banyaknya percobaan
x = banyaknya frekuensi terjadinya peristiwa yang diamati (frekuensi sukses)
Contoh:
PT GLOBAL dalam berproduksi mempunyai probabilitas 20% barang yang
diproduksi termasuk produk cacat. Apabila diambil sampel 25 barang untuk
diperiksa kualitasnya, berapakah probabilitasnya dalam sampel itu akan
termasuk produk cacat:
a. Semua produk yang diperiksa
b. Lima produk
c. Tiga produk

116

d. Paling sedikit 24
e. Paling banyak 24

E. Distribusi Poisson
Distribusi Poisson adalah distribusi variabel yang prosesnya hampir
sama dengan distribusi binomial, kecuali berbeda dalam satu hal, yaitu
bahwa eksperimennya tidak dilakukan n kali, tetapi berlangsung dalam
selang waktu tertentu, atau dalam suatu selang ruang (space) tertentu.
Misalnya, distribusi variabel dering telpon dalam waktu satu jam. Dalam 1
jam tersebut kita bisa mengkategorikan 2 kemungkinan kejadian, yaitu
berdering (sukses) dan tidak berdering (gagal). Probabilitas berdering dan
tidak berdering dari waktu ke waktu dianggap konstan. Contoh lain misalnya
dalam pembuatan satu lembar kain, kita bisa menghitung probabilitas cacat
dan tidak cacat dalam meter tertentu, misalnya dalam selang 10 meter
tertentu.
Jadi pada percobaan binomial, seandainya n relatif besar, misalnya
lebih besar dari 50 dan p ( probabilitas sukses) relatif kecil, misalnya lebih
kecil dari 0,1 maka perhitungan probabilita dengan menggunakan rumus
distribusi binomial akan menjadi sulit. Dalam kasus ini dapat menggunakan
pendekatan Poisson untuk menghitung probabilita percobaan binomial.
Untuk bisa mencari probabilitas sejumlah sukses tertentu, maka harus
diketahui terlebih dahulu informasi tentang mean atau rata-rata sukses
tersebut dalam suatu rentang tertentu, misalnya dari penelitian yang sudah
dilakukan sebelumnya.

Rumus penghitungan probabilitas sukses tertentu

adalah sebagai berikut:

( x ) =

x .e
x!

117

Keterangan:
x = jumlah sukses yang ingin dihitung
n = jumlah seluruh obyek
p = probabilitas terjadinya peristiwa
= = rata-rata sukses (yang diasumsikan telah diketahui)
= n.p
e = bilangan natural yang besarnya 2,7183
Contoh:
Manajer Operasi PT JAVA menyatakan tingkat kerusakan produk yang
dihasilkan yaitu 0,004. Untuk membuktikan hal tersebut diambil sampel 1000
barang. Berdasarkan sampel yang diambil berapa probabilitasnya:
1. 2 diantaranya rusak.
2. 5 diantaranya rusak.
3. Kurang dari 4 diantaranya rusak.
4. Lebih dari 8 diantaranya rusak.

F. Distribusi Normal
Distribusi normal merupakan distribusi probabilitas teoritis dengan
variabel random kontinu. Perbedaan variabel diskrit dengan variabel kontinu
(sinambung) adalah:
Variabel diskrit misalnya 0, 1, 2, 3,n
Variabel kontinu adalah semua harga dalam suatu interval tertentu,
sehingga bilangannya bisa bilangan pecahan.
Konsep distribusi normal sangat penting untuk dipahami karena
konsep ini mendasari asumsi pada distribusi sampling, pendugaan statistik
maupun pengujian hipotesis. Bentuk suatu distribusi normal adalah:

118

f(x)
x

Gambar 10.1
Distribusi Normal
Ciri-ciri dari kurva normal adalah:
1. Kurva f(x) simetri terhadap garis x =
2. Mempunyai 1 modus yaiu nilai tertinggi pada kurva f(x) sebesar:
1

2
3. Jarak titik belok kurva (A) dengan sumbu simetri adalahsebesar
4. Grafik mendekati sumbu datar x adalah nilai dari + 3 ke kanan dan
- 3 ke kiri.
5. Luas kurva normal seluruhnya yaitu luas daerah di bawah kurva f(x) dan
di atas sumbu x sama dengan 1.
Karena luas daerah di bawah kurva normal dapat dicari dengan
menggunakan integral yang cukup sulit, maka probabilitas tersebut dihitung
dengan menggunakan distribusi normal yang telah distandardisasikan, yaitu
dengan mengubah variabel x menjadi skala z yang mempunyai nilai 0 pada x
= dan skala z mempunyai = 1
Untuk menghitung luas bagian-bagian dari kurva normal, maka harus
terlebih dahulu mengubah variabel x menjadi z dengan rumus:

119

 = . p.q
Luas Z dicari dengan table distribusi normal standar.
Dengan demikian distribusi normal standar mempunyai persamaan:

1e

f (z) =

1 / 2. z

2
-<x<+

Dimana z dalam daerah

f(x)

luas z luas z
0.5

0.5

nilai z
-z

+z

Gambar 10.2
Luas Distribusi Normal
Luas daerah area di bawah kurva normal standar = 1

-3

-2 -1

+1 +2 +3

68%
95%
99%

Gambar 10.3
Simpangan Distribusi Normal

120

Contoh:
Rata-rata panjang kayu yang dihasilkan PT Jati Alami adalah 4 m dengan
standar deviasi 0,5 m. Bila hasil produksi diasumsikan terdistribusi secara
normal, berapakah kemungkinan akan diproduksi kayu:
1. Antara 4 m sampai 5 m
2. Antara 3 m sampai 4 m
3. Antara 3 m sampai 4,5 m
4. Antara 4,7 m sampai 5 m
5. Lebih dari 4,2 m
6. Kurang dari 4,7 m
7. Lebih dari 3 m
8. Kurang dari 3,5 m

G. Latihan Soal
1. Sebuah kotak berisi 20 bola, yaitu 10 bola hijau, dan 10 bola biru. Jika dari
kotak kotak tersebut diambil 5 bola berturut-turut tanpa pengembalian,
berapa probabilitas dari ke 5 bola yang diambil terdapat 3 bola hijau dan 2
bola biru?
2. PT AUFA yang memproduksi sepatu mempunyai probabilitas produk yang
dihasilkan termasuk kualitas standar sebesar 85%. Jika diambil sampel 15
sepatu untuk diperiksa kualitasnya, berapa probabilitas dalam sampel
tersebut akan termasuk kualitas standar:
a. Tidak ada yang masuk kualitas standar.
b. Semua masuk kualitas standar.
c. Paling sedikit empat masuk kualitas standar.
d. Paling banyak empat masuk kualitas standar.

121

3. Hasil survey pengunjung di supermarket BULAN diperoleh informasi 60 %

menyatakan sangat puas dengan pelayanan, 30 % menyatakan

puas

dengan pelayanan, 5% menyatakan tidak puas dengan pelayanan, dan

5% menyatakan sangat tidak puas dengan pelayanan. Bila ditemui 15
orang pengunjung, berapa probabilitas:
a. 5 sangat puas, 5 puas, 3 tidak puas, dan 2 sangat tidak puas dengan
pelayanan.
b. 12 sangat puas dan puas, 3 tidak puas dan sangat tidak puas dengan
pelayanan.
c. 8 sangat puas, 5 puas, dan 2 tidak puas dengan pelayanan.
4. PT KEIKEI yang memproduksi Baju Anak-Anak mempunyai probabilitas
produk yang dihasilkan tidak termasuk kualitas standar sebesar 1%. Jika
diambil sampel 300

untuk diperiksa kualitasnya, berapa probabilitas

dalam sampel tersebut tidak termasuk kualitas standar:

a. Semua masuk kualitas standar.
b. Tiga tidak termasuk kualitas standar.
c. Paling banyak empat tidak termasuk kualitas standar.
5. Bagian

produksi

sebuah

perusahaan

menyatakan

bahwa

tingkat

kerusakan produk yang dihasilkan 0,003. Untuk membuktikan hal tersebut

dilakukan inspeksi terhadap 2000 sampel produknya. Berdasarkan
sampel yang diambil tersebut berapa probabilitasnya:
a. 4 diantaranya rusak.
b. 10 diantaranya rusak.
c. Kurang dari 5 diantaranya rusak.
d. Lebih dari 6 diantaranya rusak.

122

6. Hasil survey yang dilakukan oleh BANK MUTIARA diperoleh informasi 40

% menyatakan sangat puas dengan pelayanan, 35 % menyatakan puas
dengan pelayanan, 15% menyatakan tidak puas dengan pelayanan, dan
5% menyatakan sangat tidak puas dengan pelayanan. Bila ditemui 14
orang pengunjung, berapa probabilitas:
a. 4 sangat puas, 5 puas, 3 tidak puas, dan 2 sangat tidak puas dengan
pelayanan.
b. 11 sangat puas dan puas, 3 tidak puas dan sangat tidak puas dengan
pelayanan.
c. 7 sangat puas, 5 puas, dan 2 tidak puas dengan pelayanan.
7. Manajer Operasi sebuah perusahaan menyatakan bahwa tingkat
kerusakan produk yang dihasilkan 0,06. Untuk membuktikan hal tersebut
dilakukan inspeksi terhadap 100 sampel produknya. Dari sampel yang
diambil tersebut berapa probabilitasnya:
a. 6 diantaranya rusak.
b. Kurang dari 3 produk rusak.
c. Paling sedikit 4 produk rusak.
8. PT IKHLAS yang memproduksi Bunga Plastik mempunyai probabilitas
produk yang dihasilkan termasuk kualitas standar sebesar 88%. Jika
diambil sampel 27 Bunga Plastik untuk diperiksa kualitasnya, berapa
probabilitas dalam sampel tersebut akan termasuk kualitas standar:
a. Semua masuk kualitas standar.
b. Paling sedikit tiga masuk kualitas standar.
c. Paling banyak empat masuk kualitas standar.
9. PT IBADAH yang memproduksi Jam Tangan mempunyai probabilitas
produk yang dihasilkan termasuk produk cacat sebesar 0,4 %. Jika
123

diambil sampel 200 Jam Tangan untuk diperiksa kualitasnya, berapa

probabilitas dalam sampel tersebut akan termasukproduk yang cacat:
a. Semua produk cacat.
b. Dua produk cacat.
c. Kurang dari 3 produk cacat.
d. Paling sedikit lima produk cacat.
e. Paling banyak empat produk cacat.
10. Diketahui bahwa 1% dari hasil produksi baut dari mesin tertentu tidak
memenuhi standar. Dalam sampel random sebanyak 300 baut produksi
mesin tersebut, hitunglah probabilitasnya:
a. Semua baut baik.
b. Terdapat baut yang rusak dua atau kurang.
c. Terdapat baut yang rusak dua atau lebih.
11. Hasil produksi dari pabrik bola lampu Merk Sibalec memiliki rata-rata daya
tahan () sebesar 900 jam pakai dan standar deviasi = 50 jam. Apabila
daya tahan dari lampu-lampu tersebut dianggap berdistribusi normal maka
hitunglah probabilitas dari lanpu pijar yang memiliki daya tahan:
a. Antara 875 950 jam
b. Kurang dari 850 jam
c. Lebih dari 980 jam
d. Kurang dari 800 jam atau lebih dari 950 jam.
12. Berdasarkan pengiriman sebanyak 1000 rim kertas koran berat 60 gram
diketahui bahwa rata-rata tiap rimnya terisi dengan 450 lembar dengan
deviasi standar sebesar 10 lembar. Jika distribusi jumlah kertas per rim

124

tersebut dapat didekati dengan kurva normal, berapa persen dari rim
kertas di atas yang terisi dengan 455 lembar/lebih?
13. Sebuah survei telah dilakukan oleh perusahaan alat elektronik yang
mensinyalir bahwa 20% dari penduduk yang memiliki telepon sangat
menyukai warna telpon yang putih dibandingkan dengan warna lain yang
tersedia. Jika rencana pemasangan saluran telpon yang baru sebanyak
1000 buah, maka tentukan:
a. Rata-rata pemasang telpon warna putih dan simpangan standarnya.
b. Probabilitas

akan

terdapat

sejumlah

pelanggan

baru

yang

menggunakan telpon berwarna putih antara 170 185 pelanggan.

c. Probabilitas akan terdapat 210 pelanggan telpon berwarna putih.
14. Rata-rata diameter asbak yang dihasilkan PT DZIKIR adalah 10 cm
dengan standar deviasi 2 cm. Bila hasil produksi diasumsikan terdistribusi
secara normal, berapakah kemungkinan akan diproduksi asbak:
a. Antara 7 cm sampai 12 cm?
b. Antara 8 cm sampai 9 cm?
c. Antara 11 cm sampai 13 cm?
d. Lebih dari 7 cm?
e. Kurang dari 11 cm?

125