Anda di halaman 1dari 22

NISRINA NURZUHAIDA

31601200647
TUGAS SIMULASI KOMPUTER

Selain distribusi normal, salah satu distribusi yang banyak


digunakan dalam statistika, khususnya proses stokastik,
adalah distribusi eksponensial. Distribusi eksponensial
adalah salah satu kasus khusus dari distribusi gamma.
Definisi 1:
Fungsi gamma didefinisikan oleh:

P x 1e x dx

untuk > 0
0
Fungsi gamma ini adalah fungsi rekursif di mana P(n) = (n-1)!

Pada saat = 1, distribusi gamma mengambil suatu


bentuk khusus yang dikenal sebagai distribusi eksponensial.
Distribusi eksponensial digunakan dalam teori keandalan dan
waktu tunggu atau teori antrian.

Variabel random kontinu X memiliki sebuah distribusi


eksponensial, dengan parameter , jika fungsi densitas
(pdf)-nya diberikan oleh:
1 x /
,
e

untukx 0

lainnya

f (x )
di mana > 0.

Karakteristik operasi sistem antrian terbagi


menjadi dua bagian besar yaitu distribusi
probabilitas waktu antar kedatangan dan waktu
pelayanan. Untuk permasalahan sistem antrian
yang real, distribusi tersebut hampir digunakan
dalam semua bentuk (masalah dibatasi dengan
nilai negatif tidak akan terjadi).

Meskipun persamaan model dari sistem antrian


hanya mewakili beberapa bentuk permasalahan
yang real, karena itu penting bagi kita untuk
mengasumsi beberapa bentuk dari distribusi
tersebut. Lebih baik lagi jika asumsi yang kita
gunakan adalah asumsi yang suffisien realistik
yang membuktikan bahwa penaksiran model
tersebut beralasan disamping itu harus sufisien
sederhana yang menurut pada hukum
matematika. Dan karena itulah sebagaian besar
sistem antrian menggunakan distribusi
eksponensial.

Jika variabel random T mewakili waktu antar kedatangan


atau waktu pelayanan (kita harus menandai kejadian
tersebut waktu antar kedatangan atau waktu pelayanana
sebagai kejadian). Variabel random T dikatakan memiliki
distribusi eksponensial dengan parameter , jika
probabilitas ini memiliki fungsi densitas sebagai berikut:

*f (t)= e-t, untuk t0 dan f (t)=0, untuk t<0>

Komulatif distribusinya sebagai berikut:

*P(Tt)=1-e-t, t>0

; P(T>t)= e-t, t>0

Sedangkan nilai ekspektasi dari T dan varians T


adalah:

*E(T)=1/ dan Var(T)=1/2

Ada enam syarat yang menunjukkan apakah sistem


antrian menggunakan distribusi eksponensial. Syaratsyarat tersebut dapat kita lihat sebagai berikut:
1. f (t) adalah fungsi menurun t (untuk t0)
Akibat dari syarat 1 tersebut adalah untuk semua nilai
positif dari t dan . Meskipun tidak hanya
memungkinkan tetapi juga secara relatif seperti T
akan mengambil sebuah nilai yang kecil dan dekat
dengan nol.

2. Kekurangan memori (lack of memory)


Syarat ini dapat ditunjukkan sebagai
untuk semua postif t dan . Dengan kata lain
distribusi probabilitas dari waktu yang tersisa
sampai kejadian terjadi selalu sama, tanpa
memperhatikan berapa banyaknya yang berjalan,
sehingga dapat ditulis dalam model matematik

3. Paling sedikit variabel random eksponensial


memiliki distribusi eksponensial.
Jika T1, T2, ..., Tn adalah variabel random
eksponensial dengan parameter 1, 2, ... n.
Jika U adalah variabel random yang mengambil
nilai minimum dari T1, T2, ..., Tn maka U=min{ T1,
T2, ..., Tn}

4. Berhubungan dengan distribusi poisson


Syarat ini berguna untuk menjelaskan
peluang tingkah laku ketika waktu antar
kedatangan mempunyai distribusi eksponensial
dengan parameter . Dalam kasus ini, X(t) adalah
angka kedatangan yang berlalu dalam waktu t,
dimana = yang disebut rata-rata angka
kedatangan (mean arrival rate)

5. Untuk semua nilai positif dari t,


T dapat mewakili waktu antar kedatangan
dan waktu pelayanan dalam sistem antrian,
syarat ini menunjukkan penaksiran peluang
kejadian pada kejadian dengan interval yang
bernilai kecil. Syarat ini diambil dari penaksiran
yang tepat dari limit =0

6. Tidak memiliki pengaruh dari pengumpulan


data (aggregation) dan yang tidak mengumpul
(dissaggregation)
Syarat ini relevan untuk dipakai jika proses input
berdistribusi poisson, meskipun secara langsung
menunjukkan bahwa kejadian tersebut
berdistribusi eksponensial (lihat syarat 4)

Teorema :
Mean dan variansi distribusi gamma adalah:

= dan 2 = 2
Korolari :
Mean dan variansi distribusi eksponensial adalah:

= dan 2 = 2

CONTOH.
Hari-hari antara kecelakaan pesawat terbang
1948-1961 berikut distribusi eksponensial
dengan rata-rata 44 hari antara setiap
kecelakaan. Jika satu terjadi pada 1 Juli
setiap tahun tertentu:

a. Apa probabilitas dari yang lain seperti


kecelakaan dalam sebulan?

b. Apa varians dari waktu antara kecelakaan di


tahun tersebut?

Jawaban:
Distribusi eksponensial tidak memiliki memori,
maka sebuah kecelakaan di bulan tertentu
tidak memiliki bantalan pada setiap periode
waktu lainnya. Jadi:
a) probabilitas kecelakaan selama 31 hari
adalah P (31) = 1 - e ^ (-31/44) = 0,506
b) varians dari distribusi eksponensial adalah
(1 / 44) = 0,00052

* Distribusi Poisson termasuk distribusi teoretis yang


memakai variabel random diskrit.

* Distribusi Poisson adalah distribusi nilai-nilai bagi suatu

variabel random X, yaitu banyaknya percobaan yang


terjadi dalam suatu interval waktu tertentu atau di suatu
daerah tertentu.

Pr( x )

x e
x!

Dimana :
= rata-rata distribusi
= 0, 1, 2, 3, .
e = konstanta 2, 71828

* Rata-rata:

E(X) = = = n . p
* Varians:

E(X - )2 = 2 = n . P
* Simpangan Baku :

=n.p

Pada suatu kejadian yang mengikuti proses Poisson, waktu antar


kejadian (atau waktu kejadian pertama atau ke-1 dari kejadian
terakhir, karena sifatnya yang memoryless) tersebut akan
berdistribusi eksponensial. Sedangkan waktu sampai terjadinya
kejadian ke- akan berdistribusi gamma.