1.

NAMA

: RIZKI SYAHFINA.B

NIM

: 4133240028

KELAS

: FISIKA ND 2013

MATA KULIAH

: PENGOLAHAN DATA EXPERIMEN

Apa yang dimaksud dengan distribusi?

Distribusi ialah penyaluran (pembagian,pengiriman) kepada beberapa orang
atau kebeberapa tempat.
Sedangkan distribusi data ialah penyebaran data menurut karakteristiknya dari
frekuensi (banyaknya item atau case) setiap nilai data.

2.

Tuliskan jenis-jenis distribusi beserta bentuk grafik, persamaan dan

penggunaannya

1. Distribusi Peluang Diskrit

Distribusi peluang diskrit adalah suatu ruang contoh yang mengandung
jumlah titik contoh yang terhingga atau suatu barisan unsur yang tidak pernah
berakhir tetapi yang sama banyaknya dengan bilangan cacah (Walpole,1993).
Syarat dari distribusi diskrit adalah apabila himpunan pasangan terurut (x,
f(x)) merupakan suatu fungsi peluang atau distribusi peluang peubah acak diskrit x
bila, untuk setiap kemungkinan hasil x
1. f(x) > 0
2. f ( x) 1
3. P (X=x) = f(x)
Macam macam distribusi peluang diskrit antara lain :

Distribusi Peluang Binomial

Suatu percobaan dimana pada setiap perlakuan hasilnya hanya ada dua
kemungkinan yaitu proses dan gagal dalam n ulangan yang bebas (Walpole,1993).
Ciri ciri distribusi peluang binomial adalah sebgai berikut :

1.
2.
3.
4.

Percobaan terdiri dari atas n ulangan

Dalam setiap ulangan, hasilnya digolongkan dalam sukses dan gagal
Peluang sukses dilambangkan dengan p, sedangkan gagal 1-p atau q
Ulangan ulangan tersebut bersifat saling bebas satu sama lain.
Distribusi peluang binomial dilambangkan dengan :

()

b ( x ; n ; p ) = n p x q nx untuk x = 0,1,2,3 . . . ,n
x
Keterangan :
n = banyaknya data
x = banyak keberhasilan dalam peubah acak X
p = peluang berhasil pada setiap data
q = peluang gagal (1 p) pada setiap data
Rata-rata dan ragam distribusi peluang binomial
=n. p

2=n . p . q
Keterangan:

= rata-rata

2 = ragam
n = banyak data
p = peluang keberhasilan pada setiap data
q = peluang gagal = 1 p pada setiap data
distribusi binomial dapat digunakan bilamana suatu proses sampling dapat
diasumsikan sesuai dengan proes bernoulli.

Distribusi Peluang Hipergeometrik

Bila dalam N populasi benda, k benda diberi label berhasil dan N-k benda
lainnya diberi label gagal, maka distribusi peluang bagi peubah acak
hipergeometrik X yang menyatakan banyaknya keberhasilan dalam contoh acak
berukuran n (Walpole,1993).
k N k
(
x )( nx )
h ( x ; N , n , k )=
( Nn )

untuk x = 0,1,2, . . .,k

Keterangan :
N = ukuran populasi
n = ukuran contoh acak
k = banyaknya penyekatan / kelas
x = banyaknya keberhasilan
Rata rata dan ragam distribusi peluang hipergeometrik
=

2=

nk
N

N n k
k
n
1
N 1 N
N

Keterangan :
= rata-rata
2 = ragam
N = ukuran populasi
n = ukuran contoh acak
k = banyaknya penyekatan/kelas
penggunaan distribusi hipergeometrik biasanya digunakan dalam pengujian
terhadap barang. Apabila barang yang kita uji mengalami kerusakaan atau
sebagainya maka barang tersebut tidak bisa dikembalikan. Contohnya dalam
pengujian elektronik dan pengendalian mutu.
Distribusi Peluang Poisson

Percobaan yang menghasilkan nilai-nilai bagi suatu peubah acak X, yaitu

banyaknya hasil percobaan yang terjadi selama suatu selang waktu tertentu atau
distribusi daerah tertentu (Walpole,1993). Distribusi poisson digunakan untuk
menghitung probabilitas jumlah kedatangan. Misalnya, probabilitas untuk jumlah
kedatangan nasabah pada suatu bank pada jam kantor. Distribusi peluang poisson
memiliki ciri ciri sebagai berikut :
1. Banyaknya hasil percobaan yang terjadi dalam suatu selang waktu atau suatu
daerah tertentu, tidak langsung pada banyaknya hasil percobaan yang terjadi pada
selang waktu atau daerah lain yang terpisah.
2. Peluang terjadinya satu hasil percobaan selama suatu selang waktu yang singkat
sekali atau dalam suatu daerah yang kecil, sebanding dengan panjang selang waktu
tersebut, dan tidak bergantung pada banyaknya hasil percobaan yang terjadi diluar
selang waktu atau daerah tersebut.
3. Peluang bahwa lebih dari satu hasil percobaan akan terjadi dalam selang waktu
yang singkat tersebut atau dalam daerah yang kecil tersebut, dapat diabaikan.
Bilangan X yang menyatakan banyaknya daerah hasil percobaan dalam suatu
distribusi poisson disebut peubah acak poisson.
Karena nilai nilai peluangnya hanya bergantung pada maka dirumuskan :
e x
(
)
p x; =
x!

untuk x =1,2, . . .

Keterangan :
x = banyak keberhasilan dalam peubah acak X
= rata-rata banyak sukses yang terjadi per satuan waktu
e = 2,71828...
Rata rata dan ragam distribusi poisson p(x;) keduanya sama dengan

Distribusi Peluang Geometrik

Percobaan yang mengandung tindakan yang bebas dan berulang ulang
dapat menghasilkan keberhasilan dengan peluang q = 1 p, maka distribusi
peluang bagi peubah acak X, yaitu banyaknya ulangan sampai munculnya
keberhasilan yang pertama (Walpole,1993).
x1
g ( x ; p )= p . q
untuk x = 1,2,3, . . .
Keterangan
p = peluang sukses
q = peluang gagal
Rata rata dan ragam distribusi peluang geometrik
1
=
p
2

1 p
p2

Distribusi geometrik diaplikasikan dalam percobaan bernoulli diulang beberapa kali

sampai mendapatkan sukses yang pertama.
Distribusi Peluang Binomial Negatif
Percobaan yang mengandung ulangan yang bebas dan berulang ulang
dapat menghasilkan keberhasilan dengan peluang p dan kegagalan dengan peluang
q = 1 p, maka distribusi peluang bagi peubah acak X, yaitu banyaknya ulangan
sampai terjadinya k keberhsilan (Walpole,1993).
b( x ; k ; p ) = x1 p k q xk untuk x = k, k+1, k+2, . ..
k1

( )

Rata rata dan ragam distribusi peluang binomial negatif

q
=k
p
2

k .q
1 2
=+
2
k
p

Distribusi binomial negatif merupakan distribusi hasil percobaan bernoulli yang

diulang sampai mendapatkan sukses ke-k.
2. Distribusi Peluang Kontinu

Distribusi peluang kontinu adalah suatu ruang contoh mengandung tak

terhingga banyaknya titik contoh yang sama dengan banyaknya titik pada sebuah
garis (Walpole,1993).
Syarat dari distribusi kontinu adalah apabila fungsi f(x) adalah
fungsi padat peluang peubah acak kontinu Xt yang didefinisikan diatas
himpunan semua bilangan real Rt bila:
1. F(x) > 0 untuk semua x R

2.

f ( x)dx 1

f ( x)dx

3. P(a<X<b) =

Macam macam distribusi peluang kontinu antara lain :

Distribusi Peluang Normal
Percobaan yang peubah acak X nya ditentukan oleh parameter dan 2. Jika
X merupakan peubah acak normal dengan rataan dan 2 ragam (Walpole,1993).
1
n ( x ; , )=
e
2

1 x
2

( )

untuk < x<

Keterangan:
x = peubah acak kontinu normal
= mean,

= standar deviasi

= 3,14159
e = 2,71828
merupakan distribusi probabilitas yang paling banyak digunakan dalam

berbagai analisis statistika. Data populasi akan berdistribusi normal jika rata-rata
nilainya sama dengan modus dan sama dengan mediannya. Artinya sebagian nilai
mengumpul pada tengah, sedangkan frekuensi nilai yang rendah dan tinggi
menunjukkan kondisi yang semakin mengecil dan seimbang. Oleh karena

penurunan frekuensi nilai rendah dan tinggi seimbang maka penurunan garis kurva
ke kanan dan kekiri akan seimbang.

0 .3

d n o rm (x , 5 , 1 )

0 .2

0.2

0 .1

kurva normal dengan simpangan baku sama

0 .0

0.1

Kurva normal

0.0

-4

-2

10

Distribusi Peluang Gamma

Percobaan yang seubah acaknya adalah lamanya waktu seseorang
menunggu sampai sejumlah n kejadian dengan parameter (,) (Walpole,1993).

1
x 1 ex/ , x >0 ( ) = x 1 ex dx

( )
0

F(X) =

0, x oleh
0 :
Mean dan varians ditentukan
= dan 2 = 2
Distribusi gamma diaplikasikan dalam lamanya waktu untuk menyelesaikan
pekerjaan. Distribusi gamma sering diterapkan dalam teori antrian dan teori
reabiliti.

0.6
0.2

0.4

f(x)

0.8

1.0

1.2

Distribusi Gamma

0.0

dnorm(x)

0.3

0 .4

0 .5

0.4

Distribusi Normal

10

Distribusi Peluang Eksponensial

Distribusi eksponensial merupakan bentuk khusus dari distribusi gamma
dengan =1. Peubah acak kontinu yang fungsi kepekatan peluangnya diberikan
oleh:

F(X) =

1
e

,x>0

Rataan dan variasi eksponensial

0, adalah
x0 :
2
2
= dan =
Sebaran eksponensial di dalam praktek sering muncul sebagai sebaran
lamanya waktu suatu kejadian tertentu terjadi. Misalnya, lamanya waktu (mulai
sekarang) sampai terjadi gempa bumi.
Distribusi eksponensial juga merupakan suatu distribusi yang berguna untuk
mencari selisih waktu yang terjadi dalam suatu peluang tertentu.
Dalam distribusi eksponensial ini digunakan pencarian atau pengolahan data
dengan menggunakan variabel random. Dimana variabel random itu sendiri
adalah variabel yang berupa nilai atau angka yang merupakan outcome dari
eksperimen random. Variabel random bersifat diskrit bila hanya berupa nilai
tertentu yang dapat dihitung. Namun variabel random bersifat kontinu bila mana
berupa suatu nilai manapun dalam suatu interval.

Distribusi Peluang Chi-Square

Distribusi peluang chi-square merupakan distribusi khusus gamma dengan

v
2

, = 2. Distribusi ini banyak dipakai untuk pengujian hipotesis (teori)

sebagai rumus dari statistik uji dengan hipotesis tertentu. Dimana fungsi
peluangnya dipengaruhi oleh parameter v atau disebut juga db ( derajat bebas).
Distribusi chi-square dapat didefinisikan melalui rumus seperti berikut :
v

F(X) =
2

v
v

2 2

()

x 2 e 2 , x >0

x : 0
Mean dan varians distribusi ini0,
oleh
= v dan 2 = 2v
Adapun kegunaan dari uji Chi-Square, adalah :
1. Ada tidaknya asosiasi antara 2 variabel (Independent test)
2. Apakah suatu kelompok homogen atau tidak (Homogenity test)
3. Uji kenormalan data dengan melihat distribusi data (Goodness of fit test)

0.0

0.1

0.2

0.3

0.4

0.5

Distribusi Chi-square

10

Distribusi weibull
Distribusi Weibull biasanya digunakan untuk menyelesaikan masalahmasalah yang menyangkut lama waktu (umur) suatu objek yang mampu bertahan
hingga akhirnya objek tersebut tidak berfungsi sebagaimana mestinya (rusak atau
mati).
Distribusi Weibull memilik parameter dan , dimana dan lebih besar dari 0.
Bentuk distribusinya adalah sebagai berikut.

Rataan dan varian:

1.0
0.0

0.5

f(x)

1.5

2.0

Distribusi Weibull

0.0

0.5

1.0

1.5

2.0

2.5

3.

Tuliskan cara-cara mendistribusikan data!

Seringkali data yang telah tertumpuk tersedia dalam jumlah yang sangat
besar sehingga kita mengalami kesulitan untuk mengenali ciri cirinya. Oleh karena
itu, data yang jumlahnya besar perlu ditata atau diorganisir dengan cara meringkas
data tersebut kedalam bentuk kelompok data sehingga dengan segera dapat diketahui
cirinya dan dapat dengan mudah dianalisis sesuai dengan kepentingan kita.
Pengelompokan data tersebut dilakukan dengan cara mendistribusikan data. Cara
mendistribusikan data yakni :
1. Mendistribusikan data dengan grafik
Yakni mentabulasi data kemudian menentukan grafik distribusinya ,
dari grafik kita dapat melihat distribusi apa yang cocok untuk data
kita.
2. Uji statisitik

untuk mengukur apakah data yang didapatkan memiliki karekteristik

distribusi-distribusi yang ada sehingga dapat dipakai dalam statistik
parametrik (statistik inferensial).

4.

Berapakah minimal data agar dapat didistribusikan?

Agar data menjadi normal dan dapat didistribusikan, data yang kita
butuhkan minimal 2 data. Karena jika kita hanya mempunyai 1 data kita
tidak dapat menentukan distribusi apa yang dimiliki oleh data tersebut.