Cover 131202071422 Phpapp01
Cover 131202071422 Phpapp01
Oleh:
Sandrea Willis Sandaru
(1312030049)
Arning susilawati
(1312030063)
Asdos:
Ary Miftakhul Huda
Jurusan Statistika
Fakultas Matematika dan Ilmu Pengetahuan Alam
Institut Teknologi Sepuluh Nopember
Surabaya
2012
BAB I
PENDAHULUAN
1.1 Latar Belakang
Generalisasi yang berkaitan dengan inferensia statistik mempunyai unsur
ketidakpastian, karena kita hanya mendasarkan pada informasi parsial yang
diperoleh dari sebagian saja dari keseluruhan yang menarik perhatian kita. Untuk
mengimbangi ketidakpastian itu, pemahaman teori sangatlah mendasar, agar kita
dapat menyusun model matematik yang secara teori dapat menjelaskan perilaku
populasi yang dibangkitkan oleh percobaan (Walpole,1995).
Sebaran (distribusi) peluang diskrit adalah sebuah tabel atau rumus yang
mencantumkan semua kemungkinan nilai suatu peubah acak diskrit. Macammacam distribusi diskit diantaranya yaitu distribusi poisson, distribusi binomial,
distribusi hipergeometri, distribusi geometri, dan distribusi binomial negatif.
Sebaran (distribusi) peluang kontinu tidak dapat disajikan dalam bentuk tabel
karena peubah acak kontinu berpeluang nol untuk mengambil tepat salah satu
nilainya. Macam-macam distribusi kontinu yaitu distribusi normal, distribusi
gamma, distribusi eksponensial, dan distribusi chi squere (Walpole,1995).
Dalam pembelajaran ini, kita dapat belajar melihat peluang dari
keseluruhan populasi yang diambil dari beberapa sampel dengan menggunakan
data primer yang kemudian data pembangkitan dari banyaknya populasi
dimasukkan ke dalam minitab. Dengan minitib kita bisa lebih jelas melihat
peluang randomnya yang hasil akhir dari random data minitab kemungkinan besar
sama dengan pengamatan data primer.
Praktikum ini adalah dasar dalam belajar menentukan peluang random tiap
permasalahan, dan akan sangat bermanfaat bagi mahasiswa yang tengah proses
pengerjaan tugas akhir untuk membandingkan hasil penelitian dengan teori.
1.2 Rumusan Masalah
Permasalahan yang muncul sebagai acuan untuk analisis adalah sebagai
berikut:
1 Bagaimana karakteristik pada masing-masing disrtibusi diskrit dengan
pembangkitan 1000 data pada :
a. Distribusi Poisson untuk =1, =2, =3, =4
b. Distribusi Binomial untuk (1) n=10 dengan p=0,3; p=0,5;
p=0,7; p=0,9 dan (2) n=10 dan n=15 dengan p=0,6
c. Distribusi Hipergeometri untuk (1) N=10 dan D=3,4 dengan
n=3 dan (2) N=10 dan D=4 dengan n=3 dan n=5
d. Distribusi Geometri untuk p=0,2; p=0,5; p=0,7
e. Distribusi Binomial Negatif untuk (1) n=10 dengan p=0,1; 0,2;
0,3; 0,4; 0,5; 0,6; 0,7; 0,8; 0,9 dan (2) n=10 dan n=15 dengan
p=0,1
2
dan
dan
BAB II
TINJAUAN PUSTAKA
2.1 Distribusi Paisson
Percobaan yang menghasilkan nilai-nilai bagi suatu peubah acak X, yaitu
banyaknya hasil percobaan yang terjadi selama suatu selang waktu tertentu atau
disuatu daerah tertentu. Sebaran peluang bagi peubah acak Paisson X, yang
menyatakan banyaknya hasil percobaan yang terjadi selama selang waktu atau
daerah tertentu, adalah :
(2.1)
untuk x = 1, 2, .....
sedangkan dalam hal ini adalah rata-rata banyaknya hasil percobaan yang terjadi
selama selang waktu atau dalam daerah yang dinyatakan, dan e = 2,71828...
(Salamah dan Susilaningrum, 2010).
2.2 Distribusi Binomial
Suatu percobaan dimana pada setiap perlakuan hasilnya hanya ada dua
kemungkinan yaitu sukses dan gagal dalam n ulangan yang bebas. Bila suatu
ulangan binomial mempunyai peluang keberhasilan p dan peluang kegagalan q =
1 p, maka sebaran peluang bagi peubah acak binomial X, yaitu banyaknya
keberhasilan dalan n ulangan yang bebas, adalah :
(2.2)
untuk x = 0, 1, 2, ... n (Walpole,1995).
Mean : = n.p
Varians : 2 = n.p.q (Salamah dan Susilaningrum, 2010).
2.3 Distribusi Hipergeometri
Bila dalam N populasi benda, k benda diantaranya diber label berhasil dan
N-k benda lainnya diberi label gagal, maka distribusi peluang bagi peubah acak
hopergeometri X yang menyatakan banyaknya keberhasilan dalam contoh acak
berukuran n, adalah :
(2.3)
untuk x = 0, 1, ..., k
mean dan varians dari distribusi hipergeometri ini adalah :
Binomial
n : number of trials
p : event probability
Hipergeometrik
Geometri
Binomial Negatif
Normal
Gamma
8
9
Eksponensial
Chi Squere
n : number of trials
k (M) : event count in popolation
n : sampel size
p : event probability
p : event probability
k : event count in popolation
: mean
: standart deviation
: shape parameter
: scale parameter
: mean
Df (v) : degrees of freedom
BAB III
METODOLOGI PENELITIAN
3.1 Sumber Data
Sumber data yang digunakan dalam praktikum kali ini adalah data
bangkitan dengan memasukkan karakteristik distribusi distrik dan kontinu pada
minitab. Sumber untuk melakukan penelitian ini kami ambil pada hari Minggu, 21
Oktober 2012 di Gebang Lor 74.
3.2Variabel Penelitian
Variabel penelitian meliputi :
1. Distribusi poisson dengan membangkitkan 1000 data.
2. Distribusi binomial dengan membangkitkan 1000 data.
3. Distribusi hipergeometri dengan membangkitkan 1000 data.
dan
Selesai
BAB IV
ANALISIS DAN PEMBAHASAN
4.1 Distribusi Poisson
Berikut ini adalah hasil dari percobaan distribusi Poisson pada minitab
dengan membangkitkan 1000 data untuk =1, =2, =3, =4 :
Variable
Poisson1
Poisson2
Poisson3
Poisson4
0.4
Mean StDev
1.018 0.9750
2.002 1.401
3.068 1.761
4.082 1.987
Density
0.3
0.2
N
1000
1000
1000
1000
0.1
0.0
6
Data
10
12
0.4
Mean StDev
2.984 1.532
5.06 1.620
6.998 1.416
8.962 0.9857
Density
0.3
N
1000
1000
1000
1000
0.2
0.1
0.0
10
Data
Dan berikut ini juga adalah hasil dari percobaan distribusi Binomial pada
minitab dengan membangkitkan 1000 data untuk n==10 dan n=15 dengan p=0,6 :
Variable
Binomial5
Binomial6
0.25
Mean StDev
N
6.008 1.588 1000
9.079 1.956 1000
Density
0.20
0.15
0.10
0.05
0.00
8
Data
10
12
14
Variable
Hypergeometrik1
Hypergeometrik2
0,6
Mean StDev
N
0,894 0,6627 1000
1,225 0,7569 1000
0,5
Density
0,4
0,3
0,2
0,1
0,0
Data
Variable
Hypergeometrik3
Hypergeometrik4
0.5
Mean StDev
N
1.185 0.7357 1000
1.967 0.7978 1000
Density
0.4
0.3
0.2
0.1
0.0
2
Data
0.5
Mean StDev
N
4.714 4.031 1000
2.033 1.517 1000
1.398 0.7656 1000
Density
0.4
0.3
0.2
0.1
0.0
-4.8
0.0
4.8
9.6
14.4
Data
19.2
24.0
0.4
Variable
BinomialNegatif1
BinomialNegatif2
BinomialNegatif3
BinomialNegatif4
BinomialNegatif5
BinomialNegatif6
BinomialNegatif7
BinomialNegatif8
BinomialNegatif9
Density
0.3
0.2
Mean
99.99
49.75
25.34
24.98
20.06
16.63
14.31
12.50
11.10
0.1
0.0
30
60
90
120
Data
150
180
StDev
29.30
14.33
6.412
6.312
4.512
3.251
2.499
1.738
1.118
N
1000
1000
1000
1000
1000
1000
1000
1000
1000
210
Dan berikut ini adalah hasil dari percobaan distribusi Binomial Negatif
pada minitab dengan membangkitkan 1000 data untuk n=10 dan n=15 dengan
p=0,1 :
0,014
Variable
BinomialNegatif10
BinomialNegatif11
0,012
Mean StDev
N
99,46 29,98 1000
149,8 36,11 1000
Density
0,010
0,008
0,006
0,004
0,002
0,000
40
80
120
160
Data
200
240
280
0,4
Mean StDev
N
10,04 1,905 1000
10,05 1,003 1000
Density
0,3
0,2
0,1
0,0
10
Data
12
14
16
Variable
Normal1
NormalBaku
0,4
Mean StDev
N
10,04 1,905 1000
-0,01906 1,015 1000
Density
0,3
0,2
0,1
0,0
-3
6
Data
12
15
250
219
Frequency
200
150
120
109
109
99
100
70
66
50
39
31 34
16 19 13
11 13
12
15
Gamma
12
18
21
24
250
200
Frequency
176
150
150
122
93
100
67
50
38
27 27
13
12
18
24
Eksponensial
30
36
112
111
105
100
90
86
82
Frequency
80
69
65
60
56
52
40
35
28
19
20
17 18 15
12
16
ChiSquare
20
24
28
BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Pada distribusi poisson emakin besar mean dan standart deviasi semakin
kecil maka kurva akan terbentuk dengan density paling tinggi dan paling
sempit landainya, begitu pula sebaliknya, serta dengan standart deviasi
yang semakin besar maka density menunjukkan yang paling rendah.
Pada distribusi Binomial n sama, p beda maka tinggi density dan lebar
landai bergantung pada mean yang semakin besar dan standart deviasi
yang semakin kecil sedangkan jika p sama, n beda maka semakin besar
mean dan standart deviasi maka kurva akan memiliki density yang paling
tinggi dan landainya semakin kecil .
Pada distribusi geometri semakin besar mean dan standart deviasi maka
kurva akan akan melebar landainya dan density semakin rendah sebaliknya
semakin kecil mean dan standart deviasi maka kurva akan mengecil
landainya dan density semakin tinggi.
Pada distribusi normal semakin besar mean maka kurva akan semakin
mengecil landainya untuk distribusi Normal sama beda dan distribusi
Normal dan beda, sedangkan semakin kecil mean maka kurva akan
semakin melebar landainya untuk distribusi Normal sama beda dan
distribusi Normal dan beda. Semakin besar standart deviasi pada
distribusi Normal sama beda maka kurva menunjukkan density paling
rendah, sedangkan semakin besar standart deviasi pada distribusi Normal
Pada distribusi gamma semakin kecil data maka frekuensi akan tinggi dan
semakin besar data maka menghasilkan frekuensi yang paling rendah.
Pada distribusi chi squere semakin kecil data maka frekuensi akan tinggi
dan semakin besar data maka menghasilkan frekuensi yang paling rendah.
5.2 Saran
Menggunakan minitab dalam menentukan peluang distribusi akan sangat
berguna karena dalam hal ini minitab dapat mempermudah dalam menentukan
kesimpulan yang random. Gunakan minitab dengan benar dan masukkan data
dengan benar dan sesuai pada tempatnya, serta bacalah grafik dengan seksama
agar mendapatkan hasil yang benar.
DAFTAR PUSTAKA
Wallpole. 1995. Pengantar Statistika Edisi ke-3. Jakarta: Gramedia.
Salamah, M dan Distri Susilaningrum. 2010. Modul Praktikum Praktikum
Penghantar Metode Statistika. Surabaya: Jurusan Statistika ITS.