Anda di halaman 1dari 19

BAB I

PENDAHULUAN

1.1 Latar Belakang Masalah


Peubah Acak adalah suatu fungsi yang mengubah setiap nilai anggota ruang
sampel menjadi suatu bilangan bernilai riil. Secara umum peubah acak dibai menjadi dua
yaitu :

Peubah Acak Diskrit : apabila nilai dari peubah acak adalah bilangan bulat atau
jika banyaknya titik sampel dari suatu ruang sampel berhingga banyaknya.
Sebagai contoh banyaknya rumah yang sedang dibangun disuatu lokasi atau

banyaknya orang yang di PHK.


Peubah Acak Kontinu : apabila nilai dari peubah acak adalah pecahan, bilangan
desimal atau bilangan riil. Atau bila banyaknya titik sampel dari suatu ruang
sampel tidak berhingga banyaknya. Sebagai contoh tinggi badan seseorang atau
berat dari suatu barang.
Probabilitas adalah harga atau angka yang menunjukkan seberapa besar

kemungkinan suatu peristiwa terjadi diantara keseluruhan peristiwa yang mungkin


terjadi. Distribusi probabilitas / peluang merupakan tabel, grafik atau rumus yang
memberikan nilai peluang dari sebuah peubah / variabel acak. Berdasarkan karakteristik
peubah acaknya, distribusi peluang dapat dibedakan menjadi dua, yaitu distribusi
peluang dan distribusi peluang kontinyu.

Distribusi Peluang Diskrit


Adalah distribusi peluang dimana peubah acaknya dapat dihitung atau
berhingga, misalnya peubah acak sebuah lemparan dadu bernilai 1 hingga 6.
Apabila himpunan pasangan terurut (x.f(x)) merupakan suatu fungsi peluang,
fungsi masa peluang, atau distribusi peluang peubah acak diskrit x maka
untukk setiap kemungkinan hasil x berlaku :
a) f(x) 0
b) f(x) = 1
c) P ( X = x ) = f(x)

Beberapa distibusi peluang diskrit antara lain :


1)
2)
3)
4)

Distribusi Seragam
Distribusi Binomial
Distribusi Hipergeometrik
Distribusi Poisson

Distribusi Peluang Kontinu


Adalah peubah acak yang dapat memperoleh semua nilai pada skala kontinu.
Ruang sampel kontinu adalah bila ruang sampel mengandung titik sampel
yang tak terhingga banyaknya. Syarat dari distribusi kontinu adalah apabila
fungsi f(x) adalah fungsi pada peluang peubah acak kontinu X yang
didefinisikan diatas himpunan semua bilangan rill R bila :
a) F(x) 0 untuk semua x R

b)

f ( x ) dx=1

c) P(a < X < b) =

f ( x ) dx

Beberapa contoh distribusi peluang kontinu antara lain :


1)
2)
3)
4)
5)

Distribusi Normal
Distribusi Eksponesial
Distribusi Gamma
Distribusi Chi Kuadrat
Distribusi Weibull

1.2 Perumusan Masalah


a. Bagaimana mengolah data kuisioner yang telah diperoleh dengan mencari prbabilitas
kemungkinan konsumen disuatu daerah untuk membeli produk Anda?
b. Bagaimana menentukan jumlah yang harus diproduksi untuk memenuhi permintaan
dengan memperhatikan cacat produk?

1.3 Tujuan Pratikum

a. Mengetahui dan memahami karakteristik data jika dilihat dari kecenderungan


distribusinya.
b. Mengetahui dan memahami aplikasi berbagai jenis distribusi tersebut dalam
menyelesaikan berbagai permasalahan yang terkait dengan peluang.
1.4 Pembatasan Masalah
Mengingat luasnya ruang lingkup dan pemahaman mengenai probabilitas dan
keterbatasan waktu untuk menyelesaikan laporan Praktikum Statistika dan Optimisasi,
maka kami membatasi masalah hanya pada:
1. Data kuisioner diolah hanya berdasarkan bagian 3 dengan pertanyaan no. 4
2. Produk yang digunakan hanya 3 mainan kereta kayu (kereta 2, kereta 3, dan
kereta 6) dengan data pengukuran diameter roda, diameter lubang as roda,
diameter bantalan chasis.
3. Pengolahan data menggunakan Software SPSS.
4. Analisis yang dilakukan terhadap data kuisioner menggunakan Distribusi
Binomial dan Distribusi Normal.

BAB II
STUDI PUSTAKA

2.1 Distribusi Binomial


2.1.1 Definisi Distribusi Binomial
Distribusi Binomial adalah suatu distribusi probabilitas yang dapat
digunakan bilamana suatu proses sampling dapat diasumsikan sesuai dengan proses
Bernoulli. Misalnya, dalam perlemparan sekeping uang logam sebanyak 5 kali, hasil
setiap ulangan mungkin muncul sisi gambar atau sisi angka. Begitu pula, bila kartu
diambil berturut-turut, kita dapat memberi label berhasil bila kartu yang terambil
adalah kartu merah atau gagal bila yang terambil adalah kartu hitam. Ulanganulangan tersebut bersifat bebas dan peluang keberhasilan setiap ulangan tetap
sama,taitu sebasar ..(Ronald E. Walpole).
2.1.2 Syarat Distribusi Binomial
1. Jumlah trial merupakan bilangan bulat Contoh melambungkan coin 2 kali,
tidak mungkin2 kali.
2. Setiap eksperiman mempunyai dua outcome (hasil).
Contoh:sukses/gagal,laki/perempuan, sehat/sakit,setuju/tidaksetuju.
3. Peluang sukses sama setiap eksperimen.
Contoh: Jika pada lambungan pertama peluang keluar mata H/sukses adalah
, pada lambungan seterusnya juga . Jika sebuah dadu, yang diharapkan
adalah keluar mata lima, maka dikatakan peluang sukses adalah 1/6,
sedangkan peluang gagal adalah 5/6.Untuk itu peluang sukses dilambangkan
p, sedangkan peluang gagal adalah (1-p) atau biasa juga dilambangkan q, di
mana q = 1-p.

2.1.3 Ciri-Ciri Distribusi Binomial

Distribusi Binomial dapat diterapkan pada peristiwa yang memiliki ciri-ciri


percobaan Binomial atau Bernoulli trial sebagai berikut :
1. Setiap percobaan hanya mempunyai 2 kemungkinan hasil : sukses (hasil
yang dikehendakai, dan gagal(hasil yang tidak dikehendaki.
2. Setiap percobaan beersifat independen atau dengan pengembalian.
3. Probabilita sukses setiap percobaan harus sama, dinyatakan dengan p.
Sedangkan probabilita gagal dinyatakan dengan q, dan jumlah p dan q
harus sama dengan satu.
4. Jumlah percobaan, dinyatakan dengan n, harus tertentu jumlahnya.
2.1.4 Rumus Distribusi Binomial

x = 0, 1 , 2, ..., n
Dimana:
n :banyaknya ulangan
x : banyaknya keberhasilan dalam peubah acak x
p : peluang berhasil dalam setiap ulangan
q : peluang gagal, dimana q = 1-p dalam setia pulangan

2.2 Distribusi Normal


2.2.1 Definisi Distribusi Normal
Distribusi normal disebut juga Gausian distribution adalah salah satu fungsi
distribusi peluang berbentuk lonceng seperti gambar berikut:

Gambar 2.1

Kurva Distribusi

Normal

2.2.2

Ciri Ciri
Distribusi Normal
Berdasarkan gambar di aras, distribusi normal akan memiliki ciri ciri

diantaranya :
1. Kurvanya berbentuk garis lengkung yang halus dan berbentuk seperti genta.
2. Simetris terhadap ratan (mean).
3. Kedua ekor / ujungnya semakin mendekati sumbu absisnya tetapi tidak
pernah memotong.
4. Jarak titik belok kurva tersebut dengan sumbu simetrisnya sama dengan .
5. Luas daerah dibawah lengkungan kurva tersebut dari -~ sampai +~ sama
dengan 1 atau 100 %
Distribusi normal memiliki dua parameter yaitu rataan () dan simpangan baku
( ). Jika X merupakan peubah acak, maka fungsi padda X dengan distribusi normal
dinyatakan dengan :

Keterangan:
x = peubah acak kontinu
= rataan
= simpangan baku
= 3,14258
e = 271828
Kurva setiap distribusi kontinu dibuat sedemikian rupa.

BAB III
PENGUMPULAN DAN PENGOLAHAN DATA

3.1 Pengumpulan Data


3.1.1 Data Kereta
Kami mengumpulkan data dengan cara mengukur 3 sampel mainan kereta kayu
(kereta 2, kereta 3, dan kereta 6). Bagian yang diukur yaitu terdiri dari Lubang Roda yang
berjumlah 36, As Roda berjumlah 36, Lubang Bantalan Chasis berjumlah 36.. Maka
jumlah keseluruhan chasis adalah 108. Berikut ini adalah data hasil pengukuran yang
kami dapatkan:
Kereta 2

Kereta 3

Lubang Roda
6.50

As Roda
6.80

Bantalan Chasis
8.75

6.50

6.80

8.75

6.55

6.85

7.85

6.55

6.85

7.85

6.10

6.45

7.70

6.10

6.45

7.70

6.10

6.45

7.70

6.10

6.45

7.70

5.95

6.25

8.10

5.95

6.25

8.10

6.05

6.20

8.10

6.05
Lubang Roda
6.45

6.20
As Roda
7.35

8.10
Bantalan Chasis
7.85

6.45

7.35

7.85

6.75

7.25

7.60

6.75

7.25

7.60

8.80

9.95

10.00

8.80

9.95

10.00

8.70

9.00

9.30

8.70

9.00

9.30
7

Kereta 6

6.25

6.30

7.50

6.25

6.30

7.50

6.45

7.00

6.75

6.45
Lubang Roda
8.00

7.00
As Roda
10.00

6.75
Bantalan Chasis
11.00

8.00

10.00

11.00

8.00

10.00

11.00

8.00

10.00

11.00

8.00

10.00

11.00

8.00

10.00

11.00

8.00

10.00

11.00

8.00

10.00

11.00

8.00

10.00

11.00

8.00

10.00

11.00

8.00

10.00

10.00

10.00

10.00

8.00
*pengukuran dalam satuan milimeter (mm)

Tabel 3.1 Pengukuran Kereta

Statistics
Diameter_Lubang_R Diameter_As_ Diameter_Lubang_Bantalan_
oda
N

Valid
Missing

Roda
36
0
7.1472
.16450
.98698
5.95
8.80

Mean
Std. Error of Mean
Std. Deviation
Minimum
Maximum

36
0
8.1028
.27417
1.64503
6.20
10.00

Chasis
36
0
9.0111
.24902
1.49414
6.75
11.00

Tabel 3.2 Rata-Rata, Std. Deviasi, Min, Max Kereta

Total nilai responden/sampel:


16
30 = 0,533
Demand 0,533 x 1000 = 533,334 (533)
Demand LR, As Roda, LBC 12 x 533 = 6396

3.1.2 Responden Kuisioner Pertanyaan No. 4 Bagian III


Probabilitas
Mungkin

Angka
3.00

Sangat Mungkin

4.00

Sangat Mungkin

4.00

Sangat Mungkin

4.00

Mungkin

3.00

Mungkin

3.00

Mungkin

3.00

Mungkin

3.00

Mungkin

3.00

Mungkin

3.00

Mungkin

3.00

Mungkin

3.00

Mungkin

3.00

Mungkin

3.00

Mungkin

3.00

Sangat Mungkin

4.00

Mungkin

3.00

Mungkin

3.00

Mungkin

3.00

Mungkin

3.00

Mungkin

3.00

Mungkin

3.00

Mungkin

3.00

Mungkin

3.00

Mungkin

3.00

Mungkin

3.00

Mungkin

3.00

Mungkin

3.00

Mungkin

3.00
9

Mungkin

3.00
Tabel 3.2 Responden Pertanyaan No. 4

Statistics
Probabilitas
N
Valid
Missing

30

Mean

0
3.1333

Std. Error of Mean

.06312

Std. Deviation

.34575

Minimum

3.00

Maximum

4.00

Tabel 3.3 Rata-Rata, Std. Deviasi, Min, Max Responden

Total nilai responden/sampel:


4
30 = 0,133
Demand 0,133 x 1000 = 133.334

3.2 Pengolahan Data


3.2.1 Distribusi Binomial
Distribusi binomial digunakan untuk mengetahui probabilitas kemungkinan
konsumen untuk membeli produk. Kami menggunakan analisis keputusan kondisi
optimis, yaitu pada pertanyaan nomor 4 yang pasti membeli hanyalah yang mengisi
sangat mungkin. Pada kuisioner kami, yang mengisi sangat mungkin ada 4 orang.
Dari data kuisioner kami, didapatkan peluang yaitu sebagai berikut :
P=

4
=0,13
30

Kami menggunakan program SPSS untuk menyelesaikan masalah ini, dimana


langkah-langkahnya adalah sebagai berikut:

Ketik sembarang angka di sembarang kolom data view


Klik Transform > Compute Variable sehingga kotak dialog compute
variable akan muncul

10

Pada function group, pilih PDF & Noncentral PDF dan pada function and

special variables, pilih Pdf. Binom


Pindahkan fungsi tersebut dengan mengklik panah atas ke kotak Numeric
expression. Kotak tersebut akan tertulis PDF. BINOM (?,?,?) kemudian

tanda Tanya diubah menjadi (q,n,p) secara berurutan, dimana:


q = kuantitas = 4
n = sampel = 30
p = probabilitas = 0,13
Tulis binomial pada kotak target variable

Gambar 3.1 Windows Compute Variable

Klik Ok sehingga akan muncul hasil sebagai berikut:

Gambar 3.2 Hasil Distribusi Binomial

3.2.2 Distribusi Normal


Distribusi normal digunakan untuk mengetahui jumlah bagian produk yang
cacat sehingga jumlah produksi dapat menutupi jumlah permintaan akibat adanya
barang yang cacat.

11

Kami menggunakan program SPSS untuk menghitung jumlah barang yang


cacat menggunakan distribusi normal. Langkah-langkahnya sama seperti distribusi
binomial, hanya saja fungsi yang digunakan yaitu CDF &Noncentral CDF>CDF.
NORMAL (q, mean, stddev) dimana:
q

= kuantitas

mean = rata-rata
stddev = simpangan baku
Pada kuantitas, kami menggunakan rentang antara pengukuran terkecil dan
pengukuran terbesar.
-

Perhitungan Lubang Roda


Caranya sama dengan binomial namun dalam Functions and Special
Variabel pilih Cdf.Normal.
Pindahkan fungsi tersebut dengan mengklik panah atas ke kotak
Numeric expression. Kotak tersebut akan tertulis CDF. NORMAL
(?,?,?) kemudian tanda tanya diubah menjadi (q,mean,stddev) secara
berurutan, dimana:
q
= 8,80
q
= 5,95
mean = 7,14
mean = 9,57
stddev = 0,98
stddev = 0,98
Tulis Normal_LR pada kotak target variable

Klik Ok sehingga akan muncul hasil sebagai berikut

12

Untuk mencari peluang barang cacat, maka 1 dikurang dari hasil di atas.
1-0,84254 = 0,15746
Dari hasil diatas maka bisa kita ketahui barang yang cacat untuk lubang roda
dengan dikali demand lubang roda.
0,15746 * 6396 = 1007,11 (1007)
Jadi, jumlah semua lubang roda yang cacat untuk memenuhi kebutuhan
sebesar 533 + 1007 = 1540 pcs.

Perhitungan As Roda
Caranya sama dengan binomial namun dalam Functions and Special
Variabel pilih Cdf.Normal.
Pindahkan fungsi tersebut dengan mengklik panah atas ke kotak
Numeric expression. Kotak tersebut akan tertulis CDF. NORMAL
(?,?,?) kemudian tanda tanya diubah menjadi (q,mean,stddev) secara
berurutan, dimana:
q
= 10
q
= 6,20
mean = 8,10
mean = 8,10
stddev = 1,64
stddev = 1,64
Tulis NormalAsRoda pada kotak target variable

13

Klik Ok sehingga akan muncul hasil sebagai berikut

Untuk mencari peluang barang cacat, maka 1 dikurang dari hasil di


atas.
1-0,75335 = 0,24665
Dari hasil diatas maka bisa kita tau barang yang cacat untuk as roda
dengan dikali demand as roda
0,24665 * 6396 = 1577,57 (1578)
Jadi, jumlah semua as roda yang cacat untuk memenuhi kebutuhan
sebesar 533 + 1576 = 2111 pcs.

Perhitungan Lubang Bantalan Chasis


Caranya sama dengan binomial namun dalam Functions and Special
Variabel pilih Cdf.Normal.
14

Pindahkan fungsi tersebut dengan mengklik panah atas ke kotak


Numeric expression. Kotak tersebut akan tertulis CDF. NORMAL
(?,?,?) kemudian tanda tanya diubah menjadi (q,mean,stddev) secara
berurutan, dimana:
q
= 11
q
= 6,75
mean = 9,01
mean = 9,01
stddev = 1,49
stddev = 1,49
Tulis NormalLBC pada kotak target variable

Klik Ok sehingga akan muncul hasil sebagai berikut

Untuk mencari peluang barang cacat, maka 1 dikurang dari hasil di atas.
1-0,84449 = 0,15551
Dari hasil diatas maka bisa kita ketahui barang yang cacat untuk lubang
bantalan chasis dengan dikali demand lubang bantalan chasis.
0,15551* 6396 = 994,64 (995)
Jadi, jumlah semua lubang bantalan chasis yang cacat untuk memenuhi
kebutuhan sebesar 533 + 995 = 1528 pcs.
15

BAB IV
ANALISA

1. Mengajukan kuisioner kepada 30 responden.


2. Menghitung probabilitas menggunakan distribusi binomial pada soal nomor 1.
3. Menentukan jumlah yang diproduksi untuk memenuhi permintaan pada soal nomor 2
menggunakan distribusi normal.
16

4. Setelah kami hitung menggunakan software SPSS, kami mendapatkan hasil bahwa
kemungkinan konsumen akan membeli produk perahu kami sebesar 0,20946 atau
21%.
5. Dengan q = 4, n = 30, dan p = 0,13
6. q adalah data kuisioner bahwa 4 orang akan sangat mungkin membeli.
7. n adalah seluruh orang yang kami berikan kuisioner.
8. P adalah peluang akan membeli produk kami (P = q/n).
Sangat mungkin

= 4 poin

Mungkin

= 3 poin

Tidak Mungkin

= 2 poin

Sangat Tidak Mungkin

= 1 poin

Jawaban berdasarkan responden yang kami peroleh :


Jawaban mungkin sebanyak 26 responden
Jawaban sangat mungkin sebanyak 4 responden
9. Data kuisioner menunjukan jumlah responden Mungkin lebih banyak dari jumlah
responden Sangat Mungkin, sehingga menggunakan analisis keputusan kondisi
Pesimis, untuk perhitungan demand :
Jumlah Sangat Mungkin

: 4 x 4 = 16

Dengan jumlah 16 kemudian 16 30 = 0,533 , akhirnya demand didapat: 0,533 x


1000 = 533,334 (533)
10. Peluang barang cacat pada lubang roda adalah 1-0,84254 = 0,15746
Dari hasil diatas maka bisa kita ketahui barang yang cacat untuk lubang roda dengan
dikali demand lubang roda: 0,15746 * 6396 = 1007,11 (1007)
Jadi, jumlah semua lubang roda yang cacat untuk memenuhi kebutuhan sebesar 533 +
1007 = 1540 pcs.
11. Peluang barang cacat pada as roda adalah 1-0,75335 = 0,24665
Dari hasil diatas maka bisa kita tau barang yang cacat untuk as roda dengan dikali
demand as roda: 0,24665 * 6396 = 1577,57 (1578)
17

Jadi, jumlah semua as roda yang cacat untuk memenuhi kebutuhan sebesar 533 +
1576 = 2111 pcs.
12. Peluang barang cacat pada lubang bantalan chasis adalah 1-0,84449 = 0,15551
Dari hasil diatas maka bisa kita ketahui barang yang cacat untuk lubang bantalan
chasis dengan dikali demand lubang bantalan chasis: 0,15551* 6396 = 994,64 (995)
Jadi, jumlah semua lubang bantalan chasis yang cacat untuk memenuhi kebutuhan
sebesar 533 + 995 = 1528 pcs.

BAB V
KESIMPULAN

Dalam menyelasaikan laporan probabilitas ini kami dapat menyelesaikan soal-soal


yang telah diberikan dalam modul tersebut. Pada soal nomor 1 kami menggunakan distribusi
binomial, karena dengan parameter yang ada sesuai pada karakteristik dalam data kuesioner
kelompok kami. Kemungkinan konsumen yang akan membeli produk mainan kereta kayu
dengan menggunakan distribusi binomial adalah 0,20946 atau 21%.
Jika sampel yang ada tidak banyak dan probabilitasnya masih dapat memenuhi kami
dapat menyelesaikannya dengan distribusi binomial, akan tetapi jika sampel yang kami
punyak banyak dan nilai probabilitas yang kecil kami harus menggunakan distribusi poisson.
Dalam soal nomor 2 kami menggunakan distribusi normal karena dengan menggunakan
distribusi normal kami dapat menentukan jumlah yang harus diproduksi untuk memenuhi
kebutuhan permintaan. Sehingga jumlah produk mainan kereta kayu yang harus diproduksi

18

untuk memenuhi permintaan dengan menggunakan distribusi normal adalah 1540 untuk
lubang roda, 2111 untuk as roda, dan 1528 untuk lubang bantalan chasis.

19