Anda di halaman 1dari 2

ABSTRAK

Setiap kejadian yang terjadi memiliki hasil yang belum diketahui, tetapi
bisa diketahui kemungkinan apa saja yang terjadi. Kemungkinan-kemungkinan
tersebut yang bisa diukur dan disebut sebagai peluang atau probabilitas. Untuk
mengetahui probabilitas kejadian tersebut bisa digunakan variabel random
diskrit. Saat suatu kejadian memiliki kemungkinan yang terlalu banyak, maka
bisa digunakan suatu metode distribusi. Dalam laporan ini menerapkan konsep
dari distribusi binomial, hipergeometrik, dan poisson.
Penggunaan distribusi binomial pada modul 3 dilakukan untuk
menentukan probabilitas pena yang cacat dan baik dalam setiap trial yang
dilakukan dan dilakukan perbandingan dengan teori serta digambarkan dalam
bentuk grafik. Sedangkan penggunaan distribusi poisson dilakukan untuk
menentukan probabilitas waktu kedatangan kendaraan per 20 detik serta
menghitung lambda dari kepulangan kendaraan tersebut. Pengambilan data
untuk modul ini dilakukan secara langsung dengan mengambil secara acak pena
dalam setiap trial dan diamati berapa pena yang cacat dan baik. Sedangkan
untuk distribusi poisson pengambilan data dilakukan dengan mengamati waktu
kepulangan kendaraan di jalan depan Kopma.
Setelah data dikumpulkan dan diolah menggunakan Microsoft Excel
peluang terambilnya pena cacat adalah berjumlah nol. Peluang terambilnya pena
cacat terbesar yaitu terambilnya 2 pena cacat dengan peluang sebesar 0.37 dan
untuk distribusi hipergeometrik peluang terbesar terambilnya pena cacat sebesar
0.35 yaitu saat terambilnya 2 pena cacat. Pengolahan data distribusi poisson
besar lambda mobil lebih besar dari sepeda motor yaitu besarnya berturut-turut
2.05 dan 1.09.
Kata kunci :

binomial, diskrit, distribusi,


probabilitas, random, trial

hipergeometrik,

poisson,

ABSTRACT

Every event that happens to have the results yet unknown, but it can be
known what happened possibilities. These possibilities can be measured and is
called the odds or probability. To determine the probability of occurrence
proficiency level can be used discrete random variables. When an event has the
possibility of too much, it can be used a method of distribution. In this report
applies the concept of the binomial distribution, hypergeometric, and poisson.
Use of binomial distribution on 3rd module was performed to determine the
probability of a defective pen and good in every trial is performed and the
comparison with theory and illustrated in the graph. While the use of the poisson
distribution was performed to determine the probability of the arrival time of
vehicles per 20 seconds and calculate the lambda of the return of the vehicle.
Collecting data for this module is done directly by taking random pen in each
trial and observed how the pen is defective and good. As for the Poisson
distribution of data retrieval is done by observing the time of the return of the
vehicle in front of Kopma.
Once the data is collected and processed using Microsoft Excel chances of
drawing pen is numbered zero defects. Opportunity drawing pen that is the
biggest flaw with the defects of drawing 2 pens at 0:37 and opportunities for
distribution hypergeometric biggest opportunity of drawing pen defects by 0:35
that 2 pens when drawing a disability. Data processing large lambda of the
Poisson distribution is larger than a car that is the size of the motorcycle
respectively 2:05 and 1:09.
Keywords :

binomial, discrete, distribution,


probability, random, trial

hypergeometric,

poisson,