Anda di halaman 1dari 28

1

STATISTIKA
DISTRIBUSI POISSON
2
DISTRIBUSI POISSON
Simoon Denis Poisson (1781-1840) ahli
matematik Prancis abad 19
Untuk menghitung probabilitas terjadinya kejadian
menurut satuan waktu dan ruang
Distribusi peristiwa yang jarang terjadi (rare
events distribution)
Variabel random diskrit
Sebagai pendekatan distribusi normal untuk,
n >>>>
p kecil
3
DISTRIBUSI POISSON
Distribusi Poisson dapat digunakan untuk
menghitung probabilitas dari x sukses dalam
experimen, juga misalnya dalam satuan luas
tertentu, satuan isi tertentu, interval waktu
tertentu, satuan panjang tertentu, dsb.

Cirinya: waktu atau ruang besar dibanding dengan
tingkat probabilitasnya (rare events distribution)
4
DISTRIBUSI POISSON
Rare events
Banyaknya telpon yang diterima kantor pemadam
kebakaran per bulan
Banyaknya hari sekolah ditutup karena banjir
Banyak pertandingan bola yang diundur karena hujan
Banyaknya bakteri dalam satu tetes air atau 1 liter air
Banyaknya kecelakaan di suatu ruang jalan pada bulan
tertentu
Banyaknya salah ketik setiap halaman
Dsb.
5
DISTRIBUSI POISSON

Rumus

Rata-rata

Deviasi standar

e = 2,718281828
X = variabel random diskrit 0, 1, 2, 3,
! x
e .
) X ( P
x

=
p . n =
p . n = o
6
DISTRIBUSI POISSON
Pendekatan pada distribusi binomial sangat
baik untuk n yang sangat besar dan p kecil
= n . p nilainya tetap
Berlaku:
n.p 5
p 0.1

7
Contoh 1
Seorang Kepala Bagian Kredit suatu Bank
beranggapan bahwa 4% nasabah merasa tidak puas
dengan pelayanan bank. 50 orang nasabah dipilih
sebagai sampel secara acak. Hitunglah: p(x), dengan
x = 0, 1, 2, 3, dst.
Diketahui:
n = 50 = np = 50.0,04 = 2
Dihitung dengan rumus Poisson
! x
e .
) X ( P
x

=
8
Contoh 2
Rata-rata banyaknya tanker yang tiba tiap hari
di suatu pelabuhan 10. Pelabuhan hanya
mampu menerima paling banyak 15 tanker
sehari. Berapa peluang suatu hari tertentu
tanker terpaksa ditolak karena pelabuhan tak
mampu melayani?
Rata-rata, = 10
9
lanjutan .....
Jawab:
X jumlah tanker yang tiba tiap hari
P(X) adalah peluang sejumlah X tanker tiba di pelabuhan
Kapasitas pelabuhan maks adalah 15, peluang kapal ditolak:
0487 0
9513 0 1
15 1
15 1
15
0
,
,
) ; X ( p
) X ( P
x
=
=
=
s =

=
10
Contoh 3
Agen alat listrik; mengeluarkan 5 unit trafo
dari gudang untuk dijual ke pedagang besar
(grosir). Distribusi peluang penjualan trafo?
Dalam satuan waktu tertentu dijual 5 trafo yang
diambil dari gudang yang berisi banyak trafo
(asumsi)
Nilai pengeluaran trafo rata-rata 5 unit per
Probabilitas dihitung dengan distribusi
Poisson dimana nilai rata-rata, = 5
11
lanjutan .....
Probabilitas menjual 0, 1, 2 atau 3
= p(0) + p(1) + p(2) + p(3) = 0,26503
probabilitas penjualan paling banyak 3 trafo

Misal tinggal punya 3 unit trafo, ingin diketahui
probabilitas permintaan lebih dari stock
p(3 ke atas) = 1 p(3 ke bawah)
p(3 ke bawah) = p(0)+p(1)+p(2)+p(3)
p(3 ke atas) = 1 p(3 ke bawah)
= 1 0,26503 = 0,73497 atau 73,5 %
angka cukup besar, perlu dipertimbangkan
untuk menambah persediaan
12
Rata-rata dan varians
o


=
=

2
0
! x
e .
x
x
x
Rata-rata
Standar deviasi
13
Distribusi Binomial
Poisson dapat digunakan untuk mendekati
distribusi binomial untuk n besar dan p kecil
) x n ( x
q p
r
N
) x ( p

|
|
.
|

\
|
=
x = 0, 1, 2, 3, ..., n
14
DISTRIBUSI BINOMIAL
0,0000
0,0200
0,0400
0,0600
0,0800
0,1000
0,1200
0,1400
0,1600
0,1800
0,2000
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
n = 500
p = 0.01
15
DISTRIBUSI BINOMIAL
0,0000
0,0200
0,0400
0,0600
0,0800
0,1000
0,1200
0,1400
0,1600
0,1800
0,2000
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
n = 100
p = 0,05
16
DISTRIBUSI BINOMIAL
0,0000
0,0500
0,1000
0,1500
0,2000
0,2500
0,3000
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
N = 10
P = 0,5
17
DISTRIBUSI BINOMIAL
0,0000
0,0500
0,1000
0,1500
0,2000
0,2500
0,3000
0,3500
0,4000
0,4500
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
N = 10
P = 0,1
18
DISTRIBUSI BINOMIAL
0,0000
0,1000
0,2000
0,3000
0,4000
0,5000
0,6000
0,7000
0,8000
0,9000
1,0000
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
N = 10
P = 0,01
19
DISTRIBUSI BINOMIAL
0,0000
0,1000
0,2000
0,3000
0,4000
0,5000
0,6000
0,7000
0,8000
0,9000
1,0000
0 2 4 6 8 10 12 14 16
n = 500 dan p = 0.01
n = 100 dan p = 0.05
n = 10 dan p = 0.5
n = 10 dan p = 0.1
n = 10 dan p = 0.01
20
DISTRIBUSI POISSON
0,0000
0,0200
0,0400
0,0600
0,0800
0,1000
0,1200
0,1400
0,1600
0,1800
0,2000
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
= 5
21
DISTRIBUSI POISON
0,0000
0,0500
0,1000
0,1500
0,2000
0,2500
0,3000
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
= 2
22
DISTRIBUSI POISON
0,0000
0,0500
0,1000
0,1500
0,2000
0,2500
0,3000
0,3500
0,4000
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
= 1
23
DISTRIBUSI POISON
0,0000
0,1000
0,2000
0,3000
0,4000
0,5000
0,6000
0,7000
0,8000
0,9000
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
= 0.2
24
DISTRIBUSI POISON
0,0000
0,1000
0,2000
0,3000
0,4000
0,5000
0,6000
0,7000
0,8000
0,9000
1,0000
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
= 0.1
25
DISTRIBUSI POISSON
0,0000
0,1000
0,2000
0,3000
0,4000
0,5000
0,6000
0,7000
0,8000
0,9000
1,0000
0 2 4 6 8 10 12 14 16
= 5
= 2
= 1
= 0.2
= 0.1
26
Contoh 4
Berdasar pengalaman, rata2 jumlah ikan
mati dalam 1 kolam 3 ekor setiap 1000
benih. Apabila dalam 1 kolam ditabur 400
benih, berapa probailitas:
Tidak ada ikan yang mati
2 ekor ikan mati
Antara 4 dan 6 ekor ikan mati
Kurang dari 3 ekor ikan mati
27
Jawab:
Diketahui: n = 400, p = 0,003, q = 1- p = 0,997
= np = 400.0,003 = 1,2
Lihat EXCEL
p(0) = 0,30119
p(2) = 0,21686
p(4)+p(5)+p(6) = 0,00335
p(0)+p(1)+p(2) = 0,8795


28
TERIMA KASIH