Memprediksi Ketidakpastian dalam Praktik Klinis.
Data dunia nyata selalu melibatkan variasi acak. Distribusi peluang bukan sekadar teori probabilitas, melainkan alat bantu farmasis untuk memprediksi probabilitas efek samping, memastikan obat memenuhi standar mutu Farmakope, dan memahami variasi respons pasien terhadap dosis terapi.
Capaian Pembelajaran (Sub-CPMK4)
Klasifikasi Variabel
Membedakan variabel acak diskret (data cacah mutlak) dan kontinu (data ukuran desimal).
Distribusi Normal
Menguasai konsep Kurva Lonceng (Gaussian), standarisasi Z-Score, dan aturan empiris 68-95-99.7.
Distribusi Binomial
Menerapkan model probabilitas pada luaran klinis yang bersifat dikotomis (Sukses/Gagal, Ya/Tidak).
Estimasi Peluang
Menghitung probabilitas kejadian medis secara kuantitatif dengan model distribusi teoritis.
1. Anatomi Distribusi Peluang
Model matematis yang mendeskripsikan rentang kemungkinan luaran beserta peluang terjadinya, dipisahkan berdasarkan jenis datanya.
Distribusi Normal (Gaussian)
Distribusi teoritis paling krusial dalam sains. Memiliki bentuk simetris (kurva lonceng) di mana nilai Mean, Median, dan Modus berada berhimpitan di tengah. Distribusi ini dikendalikan oleh dua parameter: Rerata (μ) yang menentukan poros tengah, dan Simpangan Baku (σ) yang menentukan lebar sebaran kurva.
Aturan Empiris (Kaidah 68-95-99.7):
- ≈ 68.2% data berada pada μ ± 1σ
- ≈ 95.4% data berada pada μ ± 2σ
- ≈ 99.7% data berada pada μ ± 3σ
Konteks Kefarmasian:
Distribusi kadar kolesterol populasi, tinggi/berat badan pasien, dan variasi bobot tablet hasil pabrikasi (Quality Control). Sebagian besar akan mendekati nilai target, dan sedikit yang melenceng jauh.Distribusi Binomial
Menghitung probabilitas munculnya tepat k kejadian dari n percobaan independen. Syarat mutlaknya: setiap percobaan hanya memiliki dua luaran yang saling eksklusif (contoh: Sembuh/Gagal, Hidup/Meninggal, Ya/Tidak).
Berapa peluang tepat 3 dari 10 pasien mengalami mual, jika diketahui probabilitas efek samping obat tersebut adalah 15% pada tiap individu?
Simulator Kurva Normal (Gaussian)
Pelajari konsep standardisasi dan probabilitas kumulatif. Lihat bagaimana perubahan parameter memengaruhi bentuk bel dan luasan probabilitas.
Parameter Populasi & Limit Observasi
Menghitung probabilitas luasan area: P(X ≤ x)
Visualisasi Area Peluang
Area terarsir mewakili peluang ditemukannya nilai P(X ≤ x).
Simulator Distribusi Binomial
Hitung probabilitas munculnya kombinasi kejadian diskret. Perhatikan bagaimana peningkatan sampel (n) akan membuat kurva condong menyerupai lonceng normal.
Parameter Observasi Dikotomis
Menghitung peluang absolut: P(X = k)
Distribusi Probabilitas Diskret
Tinggi tiap batang menunjukkan peluang mendapatkan tepat k kejadian.
Evaluasi Pemahaman (Sub-CPMK4)
Uji logika probabilitas matematis Anda dalam menyelesaikan analisis kasus probabilitas kefarmasian.