Académique Documents
Professionnel Documents
Culture Documents
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
probabilitas
merupakan
cara
yang
lebih
sederhana
untuk
113
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 ) =
Keterangan:
nCx =
n!
x! (n x )!
X1, X2,Xn
peristiwa
n1, n2,nk
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
X2
Xk
P1
P2
Pk
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
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 )!
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.
( 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<+
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
puas
produksi
sebuah
perusahaan
menyatakan
bahwa
tingkat
122
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
125