BAB I
PENDAHULUAN
A.
Latar
Belakang
Distribusi Kemungkinan Teoretis adalah merupakan
distribusi (tingkat penyebaran) dari suatu kejadian yang dapat diharapkan
berdasarkan pertimbangan –pertimbangan teoretis, misalkan masalah probabilitas
untuk mendapatkan kesempatan menang atau kalah di dalam suatu undian, yang akan
di jelaskan pada bab berikutnya.
B.
Rumusan
Masalah
1. Apa
pengertian Distribusi Kemungkinan Teoretis?
2. Apa
saja macam-macam Variabel Random?
3. Apa
saja macam-macam dari Variabel Random Kontinu?
C.
Tujuan
1. Agar
mengetahui pengertian Distribusi Kemungkinan Teoretis.
2. Untuk
mengetahui macam-macam Variabel Random.
3. Untuk
mengetahui macam-macam dari Variabel Random Kontinu.
BAB II
PEMBAHASAN
A.
PENGERTIAN
DISTRIBUSI KEMUNGKINAN TEORETIS
Distribusi
Kemungkinan Teoretis adalah merupakan distribusi (tingkat penyebaran) dari
suatu kejadian yang dapat diharapkan berdasarkan pertimbangan –pertimbangan
teoretis, misalkan masalah probabilitas untuk mendapatkan kesempatan menang
atau kalah di dalam suatu undian.
Sebagai
ilustrasi agar semakin jelas mengenai pemahaman distribusi kemungkinan teoretis
ini antara lain seandainya kita ingin mengetahui apakah sebuah mata uang logam
yang mempunyai dua sisi permukaan (Gambar dan Huruf)mempunyai bobot yang
seimbangdiantara kedua sisinya, untuk keperluan tersebut selanjutnya dilakukan
pelemparan (tos) sebanyak 200kali pelemparan dan ternyata hasilnya adalah
sebagai berikut:
·
Tampak huruf (H)=120kali
·
Tampak gambar (G)=80kali
Harapan kita pada saat melakukan tos terhadap mata uang
tersebut adalah mempunyai bobot yang seimbang (akan terjadi tampak tiap
permukaan mempunyai kesempatan yang sama), sehingga dari 200kali tos yang
dilakukan akan muncul peristiwa sebagai berikut:
Peristiwa
|
Frekuensi yang
diharapkan
|
Frekuensi sebenarnya
|
Tampak Gambar (G)
Tampak huruf (H)
|
100
100
|
120
80
|
Secara teoretis, jika tampaknya
permukaan gambar (G) diberi tanda 0 dan tidak tampaknya permukaan gambar
(tampak huruf) diberi tanda 1, maka Tabel 1 menjadi:
Tampak gambar
|
Frekuensi yang
diharapkan
|
Frekuensi
sebenarnya
|
0
1
|
100
100
|
120
80
|
Untuk dua mata uang
yang seimbang ditos 100x, maka peristiwa yang akan terjadi pada setiap
pelemparan adalah tampak HH, tampak HG, tampak GH dan tampak GG (H: huruf, G:
gambar), sehingga probabilitas yang akan terjadi dalam setiap pelemparan
adalah:
v HH
= 1/4
v HG
= 1/4
v HG
= GH= ½
v GH
= ¼
v GG
= ¼
Untuk pengetosan s
sebanyak 100x, tabelnya adalah seperti
pada tabel 3:
Tampak Permukaan (G)
|
Frekuensi yang
diharapkan
|
0 (tidak tampak G)
1 (muncul 1G)
2 (muncul 2G)
|
¼ x 100 =25
½ x 100 =50
¼ x 100 =25
|
Untuk
3 buah mata uang logam yang ditos sekaligus, peluangnya adalah:
HHH, HHG, HGH, GHH, HGG, GHG, GGH, GGG
Secara umum frekuensi yang diharapkan
bisanya dinyatakan dengan notasi P(x) dan peristiwanya itu sendiri dinyatakan
dengan X, sehingga tabel 4 menjadi:
Distribusi kemungkinan teoretis adalah
merupakan suatu analisis pada statistika untuk menentukan apa yang dapat
diharapkan, jika asumsi-asumsi yang dibuat itu benar. Distribusi
Tabel 4
Tampak gambar (G)
|
Frekuensi yang
diharapkan
|
0 (tidak tampak G)
1 (tampak 1 G)
2 (tampak 2 G)
3 (tampak 3 G)
|
1/8
3/8
3/8
1/8
|
Tabel 5
X
|
P (X)
|
0 (tidak tampak G)
1 (tampak 1 G)
2 (tampak 2 G)
3 (tampak 3 G)
|
1/8
3/8
3/8
1/8
|
Kemungkinan teoretis
adalah sebuah distribusi frekuensi yang didalam interval kelas-interval
kelasnya merupakan variable random,
dan distribusi ini sering pula dijadikan sebagai pengganti distribusi
sebenarnya (frekuensinya adalah merupakan peluang terjadinya suatu kejadian).
a. Variable Random
Yaitu,
variable acak atau variable random
yang nilainya merupakan suatu hasil perolehan yang terjadi didalam suatu
percobaan. Dari kenyataan percobaan diatas, akan terjadi 4 kemungkinan yang
akan terjadi, sehingga masing-masing akan mempunyai kesempatan sperti pada
tabel diatas. Jika ditulis dalam bentuk pasangannya adalah sebagai berikut:
{GG, GH, HG, HH }. Distribusi kemungkinan teoretis terbagi menjadi:
1.
Variable Random Diskrit
2.
Variable Random Kontinu
1.
Variable
Random Diskrit
Yang dimaksud dengan Variable
Random Diskrit adalah merupakan bilangan yang berbentuk bilangan bulat, seperti:
jumlah orang, banyaknya kendaraan bermotor, dan lain-lain (yang terbatas
jumlahnya). Dan hasilnya adalah marupakan suatu bilangan dengan nilai yang
terputus-putus (diskrit), maka nilai kemungkinan dari seluruh event yang mugkin
terjadi dirumuskan sebagai:
-1
Ada beberapa macam distribusi yang
dibentuk oleh variable random diskrit
seperti: Distribusi Binominal, Distribusi
Poisson, Distribusi Multinominal, Distribusi Hipergeometrik.
2.
Variable
Random Kontinu
Nilai variable random kontinu
diperoleh dari hasil pengukuran dan atau bilangan sembarang dalam interval
tertentu, seperti nilai mata uang, umur seseorang, berat badan, kecepatan laju
kendaraan, besarnya curah hujan, dan lain-lain. Karena nilai bilangan ini
sifatnya terus menerus (kontinu), maka nilai kemungkinan untuk seluruh event (kejadian) yang diamati,
dinyatakan oleh formulasi:
..............................................................................................-2
Sedangkan macam distribusi yang dibentuk oleh
variable random kontinu antara lain:
v Distribusi
Normal
v Distribusi
t
v Distribusi
Fisher
v Distribusi
Kai Kuadrat (Chi Square)
Terhadap distribusi
yang diperoleh dari kondisi diatas, dalam mencari besarnya nilai kemungkinan yang
akan terjadi, adalah merupakan penentuan nilai luas di bawah kurvanya.
a) Distribusi Binominal
Yang dimaksud dengan distribusi Binominal adalah
distribusi kemungkinan teoretis, dengan ciri-ciri sebagai berikut:
·
Probabilitasnya Independent (saling
bebas)
·
Hasil percobaan mempunyai dua “outcomes”
nilai yang mungkin terjadi dalam hal ini adalah:
-
Sukses
-
Gagal
·
Sehingga dalam menentukan nilai
kemungkinannya adalah:
P(sukses)
= P(x/n,p)
= n Cx .
p(1 – p)n-x
P + Q = 1 atau q = 1 – p
Sehingga formulasi diatas dapat ditulis:
(sukses) = n Cx . p(q) n-x
·
Jumlah percobaan biasanya tertentu (n)
Rata-rata
= λ = n . p
Standar
deviasi δ =
Dimana:
n
: Banyaknya sampel
x
: Banyaknya sukses/ gagal dalam sampel
p
: Probabilitas sukses
q
: Probabilitas gagal (1- p)
b) Distribusi Multinomial
Distribusi ini merupakan perluasan dari distribusi binomial
dengan ciri-cirinya sebagai berikut:
1)
Peristiwanya independent.
2)
Setiap percobaan tunggal mempunyai hasil
kejadian lebih dari 2 (dua) dan semuanya disebut sukses.
3)
Peluang terjadinya setiap “outcomes” disebut p1, p2,...pn,
sehingga
4)
Biasanya dalam hal ini jumlah percobaan
tertentu.
Rumus Distribusi Multinomial:
P(k1 k2,...kn)=
n! P1k1 p2k2
....pnkn
K1
! k2 !...k3 !
Dimana:
p : Probabilitas
k :Kejadian yang mungkin
contoh:
1)
Dalam sebuah kotak, terdapat sebanyak 15%
bola merah, 50% bola putih, dan sisanya bola biru. Selanjutnya dari kotak
tersebut diambil sampel sebanyak 10 buah secara random. Berapakah
probabilitasnya dari sampel tersebut akan terdapat:
a.
3 buah bola merah, 1buah bola putih, dan
sisanya bola biru.
b.
Satu merah dan sisanya putih
Jawab:
Diketahui: p( merah) = 0,15
P( putih) = 0,50
P (biru) = 0,35 (sisanya)
a.
Probabilitas 3 merah, 1 putih, dan
sisanya biru adalah:
P(3,
1, 6 = 10)=
(0,15)3 (0,5)1
(0,35)6 = 0,026
b.
Probabilitas 1 merah dan sisanya putih
adalah:
P(1,
9, 0 = 10) =
(0,15)1 (0,5)9
(0,35)0 = 0,00293
c) Distribusi Hipergeometrik
Yaitu suatu bentuk distribusi yang diperoleh dari hasil
percobaan dengan pengambilan sekaligus secara acak (random) dan tanpa
pengambilan.
Kondisi-kondisi distribusi hypergeometrik
Jika ada sebuah populasi memiliki N buah unsur dan ada sebanyak
k unsur yang sama, serta ada pula sebanyak (k – N) unsur yang sama membentuk
kelompok lain, maka apabila dari populasi tersebut selanjutnya diambil sampel
sebanyak n buah secara acak. Probabilitas untuk mendapatkan k dan n – k adalah
sebagai berikut:
P(x/N, XT, n) =
Di
mana:
N : Banyaknya populasi
N : Banyaknya sampel acak
N – XT Cn –
x : Nilai Kombinasi
P : Probabilitas
Q
: Probabilitas gagal (1 – p)
Contoh:
Dalam sebuah keranjang berisi bola yang
terdiri dari 12 bola merah dan 8
bola putih, jika dari keranjang tersebut diambil sebanyak 6 buah secara acak
dan tanpa pengembalian, maka berapakah probalilitasnya akan terambil 3 bola
merah dan 3 bola putih?
Jawab:
P(m = 3; p = 3) = 20-8 C 6-3 8C3
20 C3
= 12 C3
8C3
20 C3
= 0,3178
Atau ada sebanyak 31,78% yang mungkin
terambil 3 merah, 3 putih untuk satu kali pengambilan sebanyak 6 buah.
d) Distribusi Poisson
Distribusi ini ditemukan oleh poisson, sedangkan aplikasi atau
pemakaiannya sama saja dengan distribusi binomial. Hanya saja pada distribusi
Poisson ini ada suatu persyaratan, yaitu juika probabilitasnya (p) ≤ 0,01 dan
(n) ≥ 50
Rata – ratanya (λ) = n . p
Standar deviasi δ =
Rumus distribusi Poisson:
P(X = x) = λx
e-λ
x!
Contoh:
Pada jam-jam sibuk nasabah yang datang pada
sebuah bank yang akan melakukan transaksi diperlukan sebanyak 300 orang. Jika
rata-rata setiap orang dapat dilayani oleh Customer
Service selama 3 menit, maka berapakah tingkat penyimpangan yang mungkin
dilakukan oleh Customer Service
terhadap para nasabahnya?
Jawab:
Diketahui:
- jumlah nasabah (n) = 300
-Rata-rata pelayanan (λ) = 3
(λ) = n . p 3 = (300) . p
P = 0,01
q = 1 – p
q =
0,99
δ=
=
=
1,72 menit
e)
Distribusi
Normal
Distribusi
normal ini sangat memegang peranan dalam statistika khususnya pada saat
melakukan analisis data, pengujian hepotesis dan lain-lain. Katrena hampir
semua data penelitian dengan pengambilan sampel yang cukup memadai akan
mempunyai distribusi normal.
Persamaan distribusi normal : f(x) =
f)
Pendekatan
Distribusi Binomial Terhadap Distribusi Normal
Tabel pendekatan distribusi binomial terhadap distribusi normal,
sebagai berikut:
Tanda
|
Nilai
|
>
|
-0,5
|
<
|
+0,5
|
f(x)
=
. . . . . .
-3δ
-2δ
-1δ 0
+1δ
+2δ
+3δ
Gambar
1
·
Grafik distribusi normal selalu berada
diatas sumbu x dan tidak pernah memotong sumb x tersebut.
·
Bentuknya simetris terhadap rata-ratanya
(
)
·
Nilai x dapat dikonversikan kedalam nilai
standar (nilai baku) Z =
BAB
III
PENUTUP
A.
Kesimpulan
Distribusi
Kemungkinan Teoretis adalah merupakan distribusi (tingkat penyebaran) dari
suatu kejadian yang dapat diharapkan berdasarkan pertimbangan –pertimbangan
teoretis, misalkan masalah probabilitas untuk mendapatkan kesempatan menang
atau kalah di dalam suatu undian.
Variabel
Random Yaitu, variable acak atau variable random
yang nilainya merupakan suatu hasil perolehan yang terjadi didalam suatu
percobaan. Dari kenyataan percobaan diatas, akan terjadi 4 kemungkinan yang
akan terjadi, sehingga masing-masing akan mempunyai kesempatan sperti pada
tabel diatas. Jika ditulis dalam bentuk pasangannya adalah sebagai berikut:
{GG, GH, HG, HH }.
Distribusi kemungkinan teoretis terbagi menjadi:
1.
Variable Random Diskrit
Yang
dimaksud dengan Variable Random Diskrit adalah merupakan bilangan yang
berbentuk bilangan bulat.
2.
Variable Random Kontinu
Nilai variable
random kontinu diperoleh dari hasil pengukuran dan atau bilangan sembarang
dalam interval tertentu, seperti nilai mata uang, umur seseorang, berat badan,
kecepatan laju kendaraan, besarnya curah hujan, dan lain-lain. Karena nilai
bilangan ini sifatnya terus menerus (kontinu).
Macam-macam variabel random kontinu
a.
Distribusi Binominal
b.
Distribusi Multinomial
c.
Distribusi Hipergeometrik
d.
Distribusi Poisson
e.
Distribusi Normal
f.
Pendekatan Distribusi Binomial Terhadap
Distribusi Normal
DAFTAR
PUSTAKA
Tidak ada komentar:
Posting Komentar