MODUL TATAP MUKA II DISTRIBUSI TEORETIS

Distribusi teoretis merupakan alat bagi kita untuk menentukan apa yang dapat kita harapkan, apabila asumsi-asumsi yang kita buat benar. Distribusi frekuensi dapat digunakan sebagai dasar pembanding dari suatu hasil observasi/eksperimen dan sering juga digunakan sebgaai pengganti distribusi sebenarnya. Hal ini penting sekali oleh karena distribusi sebenarnya yang harus diperoleh melalui eksperimen biasanya selain sangat mahal juga karena sesuatu hal seringkali tidak dapat dilakukan. Distribusi teoretis memungkinkan para pembuat keputusan memperoleh dasar logika yang kuat dalam membuat keputusan, dan sangat berguna sebagai dasar pembuatan ramalan (forecasting/prediction) berdasarkan informasi yang terbatas atau pertimbangan-pertimbangan teoretis, dan berguna pula untuk menghitung probabilitas terjadinya suatu kejadian. Pengertian mengenai beberapa distribusi yang utama akan meningkatkan kemampuan seseorang untuk memba a dan mengartikan hasil karya ilmiah di semua bidang. !etiap kejadian yang dapat dinyatakan sebagai perubahan nilai suatu variabel umumnya mengikuti suatu distribusi teoretis tertentu dan apabila sudah diketahui dengan jelas jenis distribusinya, kita akan dapat dengan mudah berapa probabilitas kejadian tersebut. "isalnya# berapa probabilitas bah$a seorang alon presiden %& akan terpilih menggantikan presiden yang lama. 'ita hanya akan membahas beberapa distribusi teoretis yang penting, antara lain# distribusi binomial, distribusi poisson, distribusi hipergeometrik, distribusi multinomial. Distribusi normal sebagai satu teoretis penting akan dibahas pada modul berikutnya.

1. DISTRIBUSI BINOMIAL Distribusi (inomial digunakan untuk data diskrit (bukan data kontinu) yang dihasilkan dari eksperimen (ernouli, menga u kepada matematika$an )a ob (ernouli. Peristi$a pelemparan mata uang (koin) yang dilakukan beberapa kali adalah ontoh dari proses bernouli, dan hasil (outcomes) dari tiap-tap pengo okan dapat dinyatakan sebagai distribusi probabilitas binomial. 'ejadian

PUSAT PENGEMBANGAN BAHAN AJAR-UMB

Hayuning Anggrahita M.S.M.

STATISTIKA II

sukses atau gagal alon pega$ai dalam psikotest merupakan ontoh lain dari proses (ernouli. !ebaliknya distribusi frekuensi hidupnya lampu neon di pabrik anda harus diukur dengan skala kontinu dan bukan dianggap sebagai distribusi binomial. !e ara formal, suatu eksperimen dapat dikatakan eksperimen binomial jika memenuhi empat persyaratan# *. (anyaknya eksperimen merupakan bilangan tetap (fi+ed number of trial) ,. !etiap ekperimen selalu mempunyai dua hasil -!ukses- dan -.agal-. /idak ada 0daerah abu-abu0. Dalam praktiknya, sukses dan gagal harus didefinisikan sesuai keperluan, "isal# 1ulus (sukses), tidak lulus (gagal) !etuju (sukses), tidak setuju (gagal) (arang bagus (sukses), barang sortiran (gagal) Puas (sukses), tidak puas (gagal)

2. Probabilitas sukses harus sama pada setiap eksperimen. 3. 4ksperimen tersebut harus bebas satu sama lain, artinya satu eksperimen tidak boleh berpengaruh pada hasil eksperimen lainnya. 5ontoh *# Perhatikan suatu proses bernoulli (eksperimen binomial) yang terdiri dari pengambilan satu bola a ak (random) dari kotak yang berisi 67 bola merah ("867) dan 67 bola putih (P867). 9 adalah variabel a ak dengan nilai sebagai berikut#

P(") 8 p 8 probabilitas untuk mendapat bola merah (sukses) 8 76 P(P) 8 : 8 (*-p) 8 probabilitas untuk mendapat bola putih (gagal) 8 7,6 )ika kita menginginkan tiga kali pengambilan se ara a ak dengan hasil sukses , bola merah terambil dalam sekali pengambilan. 'ita dapat menjabarkan pernyataan ini dengan simbol matematis# .r 8 jumlah hasil sukses yang diinginkan (number of successes desired) 8 , .n 8 jumlah per obaan yang dilaksanakan (number of trials undertaken) 8 2

PUSAT PENGEMBANGAN BAHAN AJAR-UMB

Hayuning Anggrahita M.S.M.

STATISTIKA II

(erapa probabilitas dari r sukses dalam n per obaan (trial); <ntuk menja$ab pertanyaan ini kita dapat menggunakan =ormula (inomial# Probalility of r su esses in n trials 8 n> r> (n ? r)> Probabilitas , sukses dari 2 per obaan 8 2> ,> (2-,)> 8 2+,+* (,+*)(*+*) 8 @/, (7,,6) (7,6) 8 7,2A6 )adi, probabilitas mendapatkan dua bola merah dalam tiga kali per obaan adalah 7,2A6. 5ontoh ,# !ekarang mari kita bahas ontoh yang Blebih serius0. Cnda adalah manajer sebuah perusahaan pasta gigi DDD1 &DD1. Cnda mempunyai mesin yang didesain bekerja efisien dan beroperasi dengan akurasi tinggi. "esin seperti ini dapat mengisi tube pasta gigi sampai 7,* ons dengan level of desired E7F. !eorang inspector pabrik anda bertanya berapa kemungkinan bah$a setengah karton dari tube tersebut (* karton 8 @ tube) akan berisi tepat 7,* ons pada desired level; )a$ab# (erdasarkan atatan perusahaan, E dari *7 tubes akan se ara tepat terisi dengan 7,* ons pasta gigi (kejadian sukses). )ika kita ingin menghitung probabilitas mendapatkan 2 tube yang tepat terisi dari @ tube, kita dapat menyimbolkan sebagai berikut# p 8 7,E : 8 * ? 7,E 8 7,, r82 n8@ 'emudian kita gunakan formula binomial sebagai berikut# Probabilitas 2 sukses dari @ 8 @> 2> (@-2)> (7,E) 2 (7,,) @ ? 2 (7,6) , (7,6) (7,6) , (7,6)* p r : n?*

PUSAT PENGEMBANGAN BAHAN AJAR-UMB

Hayuning Anggrahita M.S.M.

STATISTIKA II

8 @+6+3+2+,+* (2+,+*) (2+,+*)

(7,E) 2 (7,,) 2

8 A,7/@ (7,E) 2 (7,,) 2 8 7,7EG*G, !. DISTRIBUSI POISSON !eperti distribusi binomial, distribusi poisson juga menggunakan data diskrit, bukan data kontinu. Penamaan distribusi poisson ((a a# po-a-song) dilakukan untuk menghormati sang penemu yaitu !imeon Dennis Poisson, ahli matematika berkebangsaan peran is yang menghabiskan sisa hidupnya untuk mengembangkan distribusi ini dari riset-risetnya. Distribusi poisson digunakan untuk menjelaskan jumlah proses, sebagai ontoh distribusi panggilan telepon melalui sistem s$it h, permintaan (demand) pasien terhadap jasa kesehatan, kedatangan kendaraan pada pintu toll, dan jumlah ke elakaan pada persimpangan jalan. 5ontoh- ontoh diatas semuanya punya karakteristik umum yang terlihat# mereka dapat didijelaskan dengan variabel a ak diskrit ( random di reate variable) yang mengikuti aturan bilangan integer (7,*,,,2,3, dst). )umlah pasien pada praktek dokter yang datang dalam interval $aktu tertentu adalah 7,*,,,2,3, atau bilangan integer lainnya. Kara"t#ri$ti" %an Pr&$#$ Di$tri'u$i P&i$$&n )umlah kendaraan yang melintas pintu tol tunggal di jalan bebas hambatan pada $aktu jam sibuk dapat digambarkan dengan distribusi poisson, sebagai berikut# *. %ata-rata kendaraan (mean) kendaraan yang le$at pada jam sibuk dapat diketahui dari data-data lalu lintas terdahulu (past data) ,. 'alau jam-jam sibuk itu kita bagi kedalam detik, maka kita akan memperoleh# a. 'emungkinan mendapatkan tepat sebuah kendaraan akan le$at setiap satu detik, dan seterusnya selang satu detik. b. 'emungkinan dua atau lebih kendaraan akan le$at dalam tiap interval satu detik adalah begitu ke il sehingga kita dapat menganggap sebagai nilai 7. . (anyaknya kendaraan yang le$at pada suatu detik tertentu tidak ada hubungannya dengan kendaraan yang le$at pada tiap detik saat jam sibuk d. (anyaknya kendaraan yang le$at pada suatu detik tidak tegantung pada banyaknya kendaraan yang le$at pada detik yang lainnya.

PUSAT PENGEMBANGAN BAHAN AJAR-UMB

Hayuning Anggrahita M.S.M.

STATISTIKA II

!ehingga se ara umum kondisi di atas dapat terjadi pada setiap proses. Cpabila kondisi di atas ditemui pada suatu kasus, maka kita dapat menggunakan rumus distribusi poisson sbb# P ()* + ) e - ), Dimana# P(+) 8 probabilitas tepat terjadinya + H e + 8 rata-rata distribusi 8 7,*,,,2, dst 8 konstanta Iaperian 8 ,,A*E,E 8 kejadian yang akan dihitung (diminta soal)

5ontoh 2# "isalkan kita akan menginvestigasi tingkat keselamatan persimpangan yang berbahaya, (erdasarkan data masa lalu yang dimiliki kepolisian mengindikasikan terjadinya rata-rata (mean) 6 ke elakaan setiap bulan pada persimpangan tersebut. )umlah ke elekaan didistribusikan menurut distribusi poisson, dan Divisi 'eselamatan )alan %aya ingin menghitung probabilitas pada bulan apa saja bah$a tepat terjadi 7,*,,,2 atau 3 ke elakaan )a$ab# P (7) 8 (6) 7 (e - 6) 8 * . (7,77@A3) 7> * 8 7,77@A3

Di$tri'u$i P&i$$&n $#'agai a-r&"$i.a$i (-#n%#"atan* untu" Di$tri'u$i Bin&.ia/. 'adang kala, kita menginginkan menghindari penggunaan rumus matematis distribusi binomial, kita dapat menggunakan rumus poisson sebagai penggantinya, tapi hanya dalam kondisi tertentu. 'ondisi tersebut adalah apabila n adalah besar, dan p adalah ke il, yaitu ketika number of trial (jumlah per obaan) besar, dan probabilitas sukses ke il. Cturan yang paling banyak dipakai oleh para ahli statistik adalah bah$a poisson adalah aproksimasi yang baik untuk distribusi binomial ketika n /#'ih '#$ar atau $a.a %#ngan !0 %an /#'ih "#1i/ atau $a.a %#ngan 0 02. Dalam kondisi ini kita dapat mensubstitusi mean (rata-rata) dari distribusi binomial yaitu (np) sebagai pengganti rata-rata distribusi poisson yaitu lamda. !ehingga rumusnya adalah#

PUSAT PENGEMBANGAN BAHAN AJAR-UMB

Hayuning Anggrahita M.S.M.

STATISTIKA II

P()* + (n-*) # -n), 3atatan P#nting4 Penggunaan satu distribusi sebagai aproksimasi untuk distribusi lainnya adalah hal yang biasa dalam statistik. &de dasarnya adalah ketika satu distribusi (seperti poisson) yang lebih mudah dihitung hasilnya, sementara itu hasil tersebut nilainya mendekati distribusi lainnya (seperti distribusi binomial) yang lebih sukar dihitung se ara matematis. 'ita Bmenukar0 akurasi perhitungan dengan kemudahan perhitungan. 5ontoh lainnya adalah distribusi normal dapat dipakai sebagai aproksimasi untuk distribusi binomial. 5. DISTRIBUSI HIPERGEOMETRIK Distribusi hipergeometrik sangat erat kaitannya dengan distribusi binomial. Perbedaan distribusi hipergeometrik dengan distribusi binomial adalah bah$a pada distribusi hipergeometrik per obaan atau eksperimen tidak bersifat bebas, artinya antara per obaan satu dengan yang lain saling terkait. !elain itu probabilitas !ukses berubah (tidak sama) dari satu per obaan ke per obaan lainnya. Iotasi yang biasa digunakan dalam distribusi hipergeometrik adalah r # menyatakan jumlah unit/ elemen dalam populasi berukuran I yang dikategorikan atau diberi label J!<'!4!I ? r # menyatakan jumlah unit/ elemen dalam populasi yang dikategorikan atau diberi label J.C.C1-. I # ukuran sample yang diambil dari populasi se ara a ak tanpa pengembalian (without replacement). + # jumlah unit/ elemen berlabel J.C.C1- di antara n unit/elemen <ntuk men ari probabilitas + sukses dalam ukuran sample n, kita harus memperoleh r sukses dalam populasi, dan n ? + gagal dari I ? r gagal. !ehingga fungsi probabilitas hipergeometrik dapat dituliskan sebagai berikut# - ()* + Di mana, p (x) 8 probabilitas x sukses (jumlah sukses sebanyak x) dalam n per obaan n I r 8 jumlah per obaan 8 jumlah elemen dalam populasi 8 jumlah elemen dalam populasi berlabel J!<'!4!r

3)

N6r N

3 n6) 0 7 ) 7 r

3n

PUSAT PENGEMBANGAN BAHAN AJAR-UMB

Hayuning Anggrahita M.S.M.

STATISTIKA II

Perhatikan bah$a terdapat dua persyaratan yang harus dipenuhi oleh sebuah distribusi hipergeometrik# *. Per obaan diambil dari suatu populasi yang terbatas dan per obaan dilakukan tanpa pengembalian (without replacement). ,. <kuran sample n harus lebih besar dari 6F dari populasi I (6F dari I) 5ontoh 3# !ebuah anggota komite terdiri dari 6 orang, dimana 2 adalah $anita dan , pria. "isalkan , orang dari 6 anggoat tersebut dipilih untuk me$akili delegasi dalam sebuah konvensi atau pertemuan. a. (erapa probabilitas bah$a dari pemilihan se ara a ak didapat , orang $anita; b. (erapa probabilitas dari , orang yang terpilih adalah * pria dan * $anita; )a$ab# <ntuk menja$ab pertanyaan di atas, kita dapat menggunakan distribusi hipergeometrik, dengan n 8 ,, I 8 6, r 8 2, + 8 , (jumlah $anita terpilih) p (+) 8 a. p (+) 8
r

5+ 5,

I?r I

5 n?+ 5 , ? , 8 (2>/,>.*>) (,>/,>. 7>) 8 2/*7 8 7,2 (6>/,>. 2>)

5n 5,

6?2 6

)adi probabilitas , orang $anita terpilih 8 7,2

b.

p (+) 8

5*

6?2 6

5 , ? , 8 (2>/*>.,>) (,>/,>. 7>) 8 2 + , /*7 8 7,@ (6>/,>. 2>)

5,

)adi probabilitas terpilih * orang $anita dan * pria 8 7,@ 8. DISTRIBUSI MULTINOMIAL 'alau pada distribusi binomial hasil sebuah per obaan hanya dikategorikan , ma am yaitu J!<'!4!- dan J.C.C1-, maka dalam distribusi multinomial, sebuah per obaan akan menghasikan beberapa kejadian (lebih dari ,) yang saling meniadakan atau saling lepas (mutually exclusive) . "isalkan ada sebanyak k kejadian dalam sebuah per obaan, katakan (*,(,,(2,...,(3. )ika per obaan diulang sebanyak n kali dan peluang terjadinya setiap kejadian ( konstan/tetap dari setiap per obaan dengan P((i) 8 Pi untuk i 8 *,,,2, ... k, dan

PUSAT PENGEMBANGAN BAHAN AJAR-UMB

Hayuning Anggrahita M.S.M.

STATISTIKA II

K*, K,, K2,..., Kk menyatakan jumlah terjadinya kejadian (i (i 8 *,,, ..., k) dalam n per obaan, maka fungsi distribusi multinomial ditulis sebagai berikut# p(+*, +,, +2, ....+k) 8 n> +*>, +,>, +2>, ...., +k> 5ontoh 6# Proses pembuatan pensil dalam sebuah pabrik melibatkan banyak buruh dan proses tersebut terjadi berulang-ulang. Pada suatu pemeriksaan terakhir yang dilakukan telah memperlihatkan bah$a E6F produksinya baik, *7F tidak baik tetapi masih bisa diperbaiki, dan 6F tidak baik dan rusak. )ika sebuah sample a ak dengan ,7 unit dipilih. (erapa peluang jumlah unit baik sebanyak *E, unit tidak baik tetapi bisa diperbaiki sebanyak , dan unit rusak tidak ada. )a$ab# Proses tersebut merupakan proses dari distribusi multinomial karena suatu per obaan menghasilkan lebih dari , kejadian (dalam hal ini 2 kejadian). 'ita misalkan# K* 8 banyaknya unit Jbaik- 8 *E K, 8 banyaknya unit Jtidak baik tetapi bisa diperbaiki- 8 , K* 8 banyaknya unit yang Jrusak- dan harus dibuang 8 7 Dimana # p* 8 7,E6, p, 8 7,*, p2 8 7,76, maka# p(*E, ,,7) 8 ,7> *E>, ,>, 7> 8 *G7 (7,E6)*E (7,7*) 8 7,*7, (7,E6)*E (7,*), (7,76)7 p*+* p, +, p2 +2 .... pk+k

HAYUNING ANGGRAHITA 081387717274 / 93660292 hayuning_a@yahoo. o!

PUSAT PENGEMBANGAN BAHAN AJAR-UMB

Hayuning Anggrahita M.S.M.

STATISTIKA II