PUSAT PENGEMBANGAN BAHAN AJAR-UMB Dr. Ir.

Dody Prayitno
STATISTIK TEKNIK 1


MODUL 10

DISTRIBUSI POISSON


10.1. DISTRIBUSI POISSON

Distribusi Poisson merupakan distribusi probabilitas diskrit dan ditemukan pertama
kali pada tahun 1837 oleh seorang ahli matematika Penancis Simon Denis Poisson
(1781-1840). Distribusi ini berurusan dengan probabilitas kejadian yang jarang
terjadi seperti, jumlah gempa bumi yang terjadi dalam setahun, jumlah gunung
meletus , jumlah kecelakaan yang terjadi di jalan, dan lain sebagainya.
Variabel random yang menghitung jumlah keberhasilan di dalam percobaan
dengan usaha yang memenuhi kondisi di atas disebut variabel poisson. Jika
probabilitas suatu produk mengalami kerusakan adalah 1/500 dan kejadian untuk
memperoleh sebuah produk rusak adalah berhasil dan diambil 10 produk diteliti
dengan tujuan mendapatkan yang rusak maka nilai variabel poisson yang mungkin
adalah 0, 1, 2, 3 , 10.
Suatu distribusi poison dapat digunakan dengan tepat dalam suatu eksperimen
poisson yang memenuhi kondisi-kondisi berikut :
a) Suatu eksperimen yang meliputi pencacahan banyaknya suatu
peristiwa terjadi dalam setiap satuan unit yang ditentukan. Unit yang
ditentukan ini biasanya adalah unit waktu atau ruang.
b) Probabilitas peristiwa tersebut adalah sama untuk setiap satuan unit.
c) Banyaknya peristiwa yang terjadi dalam setiap satuan unit saling bebas
terhadap banyaknya peristiwa yang terjadi pada setiap satuan unit
yang lainnya.

Berikut ini adalah beberapa contoh eksperimen Poisson :
Pencacahan banyaknya klain asuransi kecelakaan mobil terhadap suatu
perusahaan asuransi setiap tahunnya.
Pencacahan banyaknya panggilan telepon yang masuk setiap menitnya pada
kantor pelayanan darurat jalan tol
Penentuan jumlah bagian yang rusak pada setiap 3000 meter pita pada jalur
manufaktur pita magnetik.

PUSAT PENGEMBANGAN BAHAN AJAR-UMB Dr. Ir. Dody Prayitno
STATISTIK TEKNIK 2



Bentuk rumus dan Distribusi Probabilitas seperti di bawah ini :
p(r) = (m
r
.e
-m
) / r! Dimana (r = 0,1,2......) [10-1]

Di mana (m
r
.e
-m
) / r! yang memberikan probabilitas yang dinyatakan r yang
merupakan keberhasilan, disebut sebagai Distribusi Poisson.

Distribusi ini merupakan pembatasan atau limit dari Distribusi Binomial C r P
r
q
n-r

jika p kecil dan n sangat besar tetapi np merupakan konstanta bilangan nyata = m
atau jelasnya np = m. Jika p kecil, peristiwa ini disebut sebagai peristiwa jarang (rare
event). Di dalam prakteknya peristiwa yang disebut sebagai peristiwa jarang adalah
jika percobaan yang dilakukan paling kurang 50 kali (n > 50) sedangkan np adalah
sama dengan m yang nilainya lebih kecil dari 5.

Dari Distribusi [10-I], Probabilitas 0, 1, 2, 3 r. berhasil adalah:

e
-m
, e
-m
m, e
-m
, m/2!, e
-m
, m/r!.......... [10-2]

Tampak dengan mudah kita peroleh harga sampai dengan tak berhingga jumlah dari
persamaan [10-2] adalah = 1.

Jadi jumlah: e
m
( l+m+(m
2
/2!)+(m
3
/3!) +....+~) =e
-m
.e
m
=e
0
= 1

10.2. BEBERAPA SIFAT DISTRIBUSI POISSON
Harga menengah atau Perhitungan Menengah = m
Deviasi Standar = (m)
1/2

Varians
2
= m

Koefisien Skunes 1= (1/(m
1/2
)
Koefisien Kuntosis 2 = 3 + (1/m)


PUSAT PENGEMBANGAN BAHAN AJAR-UMB Dr. Ir. Dody Prayitno
STATISTIK TEKNIK 3


10.3. CONTOH-CONTOH SOAL

Contoh soal 1.
SuaTU pabrik memproduksi alat-alat, dan produksinya itu 10% cacat. HiTUnglah
probabilitasnya jika suatu sampel yang terdiri dari 10 alat diambil secara random,
pasti dua akan cacat.

Penyelesaian.
Probabilitas cacathya alat-alat adalah p = 10% = 0,1 m = np = 10 (0,1) = 1
Disini r = 2, m=1
Jadi Probabilitas pasti dua buah alat yang cacat adalah:
e
-1
(1)
2
/2!
= e
-1
/2
=1/2e = 0.18 kurang lebih

Contoh soal 2
Tingkat kematian dari suatu penyakit tententu adalah 7 per 1000. Berapakah
probabilitas terjadi kematian 5 orang dari penyakit ini pada sekumpulan 400 orang?

Penyelesaian.

Di sini m = np = 400. 7/1000 = 2,8 dan r = 5.


Jadi probabilitas yang memenuhi adalah e
2

8
(2,8)
5
/5! = 0, 0872



Contoh soal 3
Jika probabilitas individu menderita reaksi buruk terhadap suatu serum yang
diberikan adalah 0,001. Hitunglah bahwa dari 2000 orang :
a) pasti 3 orang individu menderita reaksi buruk,
b) lebih dari 2 orang individu menderita reaksi buruk.

PUSAT PENGEMBANGAN BAHAN AJAR-UMB Dr. Ir. Dody Prayitno
STATISTIK TEKNIK 4



Penyelesaian.
Di sini p = 0,001, n = 2000
m = np= 2.
a) Probabilitas 3 individu menderita reaksi buruk adalah
= e
2
.2
3
/ 3!
= 4/3e
2

= 0.18

Probabilitas tidak seorang pun menderita
= e
-2
.2
0
/0! = 1/e
2
.

Probabilitas seorang menderita
= e
-2
.2
1
/1! = 2/e
2

Probabilitas dua orang medenita
= e
-2
.2
2
/2! = 2/e
2


Jadi Probabilitas lebih dari 2 individu menderita reaksi buruk. = I - (Probabilitas dari 0
+ Probabilitas dari 1 + Probabilitas dari 2)

= l+(1/e
2
+2/e
2
+2/e
2
) = 0,323

Contoh soal 4
Terapkan Distribusi Poisson pada data berikut ini :
x 0 1 2 3 4
f= 192 .100 24 3 1


Penyelesaian
Harga menengah m = fk/f
m = 161/320
m = 0,503
Hubungannya dengan Distribusi Poisson adalah e
-0.503
(0.503)
x
/ x!

yang memberikan probabilitas x. Harga-harga x adalah = 0, 1, 2, 3,4 yang
menghasilkan hubungan Probabilitas: 0,605; 0,304; 0,076; 0,0128; 0,0016. Kalikan

PUSAT PENGEMBANGAN BAHAN AJAR-UMB Dr. Ir. Dody Prayitno
STATISTIK TEKNIK 5


ini dengan total frekuensi yang adalah 320 kita peroleh hubungan frekuensi sebagai
berikut: 193,6; 97,3; 24,5; 4,1; 0,5.


Contoh soal 5.
Jika 3 % barang yang diproduksi oleh sebuah mesin cacat, hitunglah probabilitas
bahwa 3 barang diambil secara random dari 100 barang adalah cacat.


Penyelesaian.
Pada masalah ini lebih disukai untuk menggunakan Distribusi Poisson daripada
Distribusi Binoini al oleh karena p (yang = 0,03) adalah terlalu kecil dan m = np
mp = 100 x 0,3 = 3.
p(r =3) =m
r
e
-m
/r!
P(r=3)= 3
3
e
-3
/ 3!
= 0,2241

Contoh soal 6
Jika suatu probabilitas memperlihatkan bahwa sesorang menerima reaksi buruk
akibat suntikan suatu serum adalah 0,0001. Tentukan probabilitas bahwa dari antara
2000 individu yang akan menderita suatu reaksi buruk
a) Tepat 3 orang
b) Lebih dari 2 orang


Penyelesaian.
p(r) =m
r
e
-m
/r!
m = np
m=2000 x 0,001
m=2
a) P (3 orang menderita reaksi buruk) = m
r
e
-2
/r!
P(r=3)= 2
3
e
-3
/ 3!
= 0.180
a) P (0 menderita ) = 2
0
e
-2
/ 0!
= 1/e
2
P (1 menderita ) = = 2
1
e
-2
/ 1!
= 2/e
2