Pertemuan Ke-4 (Modul 4) Minggu, 25 Maret 2012 By : Damisih (Idham

)

1

Kegiatan Belajar 2

2

 Didapatkan

dengan cara melakukan beberapa

percobaan  Perbedaan antara distribusi peluang dan distribusi frekuensi :  distribusi frekuensi : mengenai data yang terjadi pada hasil percobaan (observed data)  distribusi peluang : mengenai data yang diharapkan atau diduga terjadi pada hasil percobaan (expected data)  Distribusi peluang disebut juga sebagai distribusi teoritis

3

A. Distribusi Probabilita Diskret
 Hanya

digunakan untuk variabel yang memiliki skala diskret, yaitu nilainya bulat dan tidak dapat dibuat pecahan menjadi dua, yaitu : Distribusi Binomial Distribusi Poison

 Dibagi
1) 2)

4

1.

Distribusi Binomial
Distribusi variabel untuk 2 kategori
Memiliki karakteristik sbb : Mutually exclusive (tidak A maka pasti B) Probabilita sukses: P Probabilita gagal : 1-Q Asas peristiwa : independen Rumus :
n = jumlah percobaan x = jumlah kemungkinan P = jumlah peluang Q = jumlah kemungkinan gagal

a.
b. c. d.

5

 Contoh

: Kepada mahasiswa diberikan

kesempatan untuk tidak masuk kuliah sebanyak 4 kali dari 10 kali pertemuan. Jika dalam satu kelas ada 5 mahasiswa maka berapakah peluang kelima mahasiswa tersebut jika tidak ada yang tidak masuk?
 Jawab

: P = 0.4 ; Q = 0.6 ; n = 5 ; x = 0

6

 Distribusi

binomial sangat dipengaruhi oleh P  Apabila P = 0.5  membentuk distribusi yang simetris  Apabila P < 0.5  distribusi akan melenceng ke kanan  Apabila P > 0.5  distribusi akan meenceng ke kiri

7

Distribusi binomial bisa ditemukan dengan menggunakan tabel binomial  Misal, apabila diketahui n=15; P=0.3; x=8, maka dalam tabel binomial, titik yang ditunjuk :

N

x

0.3

15

8

0.9848

8

 Hal

yang perlu diingat : perhatikan judul tabel!!  untuk tabel yang kumulatif, maka harus dikurangi dengan nilai sebelumnya  sedangkan untuk tabel tabel yang tidak kumulatif, angka yang tertera tidak perlu dikurangi dengan nilai sebelumnya

9

 Dalam

beberapa kasus tertentu, seringkali kita tidak mengetahui rata-ratanya atau nilai standar deviasinya.  Rumus : Rata-rata = n.p S = n.p.q  Misal, kita menduga bahwa dari seluruh peserta ujian, 80% mahasiswa akan lulus  Jika dari seluruh peserta diambil 10 mahasiswa maka : Rata-rata = 10(0.8) = 8 Standar deviasi = 10(0.8)(0.2) = 1.265

10

2.

Distribusi Poison

Memiliki ciri-ciri sbb : a) Peluang terjadinya suatu kejadian sangat jarang atau sangat sering b) Nilai rata-rata bisa diketahui dengan cara μ = n.p c) n > 30 Rumus Poison :
μ = rata-rata populasi e = nilai eksponensial = 2.71828 x = nilai yang diharapkan P = jumlah peluang

11

B. Distribusi Probabilita Kontinum

 Digunakan

pada variabel kontinu untuk melihat peluang dari beberapa kejadian yang memiliki nilai pecahan

12

1.

a)

Distribusi Normal
Memiliki karakteristik : Bentuk kurva seperti lonceng Nilai rata-rata sampel, median, serta modus berada di titik tengah data Dua sisi kurva tidak pernah menyentuh garis horizontal Total peluang di bawah kurva = 1 (100%) 68.26% dari data terletak pada 1 (standar deviasi)

b)
c) d) e)

13

 Distribusi

normal dipengaruhi oleh besar kecilnya standar deviasi  Kurva yang memiliki standar deviasi yang lebih kecil  bentuk kurva lebih runcing  Kurva yang memiliki standar deviasi besar  data akan lebih menyebar  Semakin kecil standar deviasi, maka kedenderungan data semakin baik

14

 Rumus

untuk menghitung distribusi normal :

 Contoh

: Apabila seorang pekerja bisa menghasilkan batu bata rata-rata sebanyak 500/hari dengan deviasi: 100/hari, maka berapa peluang seorang pekerja dapat menghasilkan batu bata sebanyak 500-650 dalam satu hari?

15

 Jawab

:  Langkah pertama  hitung nilai untuk 650, berdasarkan rumus : Z= (650-500)/100 = 1.5 Lihat pada tabel normal nilai untuk 1.5  0.4332  Langkah kedua  hitung nilai untuk 500, berdasarkan rumus : Z= (500-500)/100 = 0 Lihat pada tabel normal nilai untuk 0  0  Langkah ketiga  Kurangi hasil yang ditunjukkan oleh tabel tadi, yaitu 0.4332 – 0 = 0.4332  Dengan demikian, peluang seseorang untuk membuat batu bata 500 hingga 650 dalam sehari adalah 0.4332

16

2.

Distribusi Normal pada Binomial
Terjadi ketika suatu kejadian memiliki ciri-ciri normal dan binomial Memiliki ciri-ciri/karakteristik sbb : Variabel memiliki 2 kategori n > 30 p ≈ 0.5 Memiliki nilai koreksi kontinuitas, dengan prinsip memperluas area yang dicari Rata-rata bisa dicari dengan menggunakan rumus : µ = np Standar deviasi bisa dicari dengan menggunakan rumus : Rumus distribusi normal

a.
b. c. d.

e.

f.

g.

17

 Contoh

: Peluang seorang pekerja menghasilkan produk 50 dalam satu jam adalah 0.46. Jika dipilih 32 pekerja secara acak, maka hitunglah peluang: - 20 pekerja mampu menghasilkan 50 produk dalam satu jam - antara 13-16 pekerja mampu menghasilkan 50 produk dalam satu jam

18

Jawaban kasus pertama :  X = 20  Μ = 32 x 0.46 = 14.72  = 2.82

Dengan koreksi kontinuitas, maka area harus diperluas. Karena yang dicari adalah titik, maka nilai x diperluas ke kiri dan ke kanan, sehingga nilai x yang dicari menjadi 19.5 sampai 20.5

Maka peluang untuk z = 20 = 0.4798 – 0.4554 = 0.0244
19

 Jawaban

kasus kedua :  Dengan menggunakan koreksi kontinuitas, maka area harus diperluas, sehingga nilai x yang dicari menjadi 12.5 sampai 16.5

 Maka

peluang untuk z antara 13 dan 16 adalah 0.2852 + 0.2357 = 0.5209

20