DAFTAR ISI1
BAB I PENDAHULUAN.2
1.1
Latar Belakang2
BAB II PEMBAHASAN
2.1
Distribusi Poisson3
2.2
2.3
2.4
2.5
2.6
2.7
Kesimpulan...8
DAFTAR PUSTAKA.9
BAB I
PENDAHULUAN
1
namun
reputasinya
sebagai
matematikawan
terkemuka
diakui
oleh
para
matematikawan mancanegara. Rupanya ide-ide Poisson menular kepada mereka. Poisson sendiri
mendarmabaktikan diri sepenuhnya untuk matematika, seperti yang ditulis oleh Arago,
Kehidupan ini indah hanya dalam dua hal: mempelajari matematika dan mengajarkannya.
BAB II
PEMBAHASAN
2
Distribusi
Poisson termasuk distribusi teoritis yang memakai variable random (variable acak)
diskrit. Distibusi Poisson merupakan distribusi probabilitas untuk variabel diskrit acak yang
mempunyai nilai 0, 1, 2, 3 dst. Distribusi Poisson adalah distribusi nilai-nilai bagi suatu variabel
random X (X diskrit), yaitu banyaknya hasil percobaan yang terjadi dalam suatu interval waktu
tertentu atau disuatu daerah tertentu.
fungsi distribusi probabilitas diskrit yang sangat penting dalam beberapa aplikasi praktis.
Poisson memperhatikan bahwa distribusi binomial sangat bermanfaat dan dapat menjelaskan
dengan sangat memuaskan terhadap probabilitas Binomial b(Xn.p) untuk X= 1,2,3 n. namun
demikian, untuk suatu kejadian dimana n sangat besar (lebih besar dari 50) sedangkan
probabilitas sukses (p) sangat kecil seperti 0,1 atau kurang, maka nilai binomialnya sangat sulit
dicari. Suatu bentuk dari distribusi ini adalah rumus pendekatan peluang Poisson untuk peluang
Binomial yang dapat digunakan untuk pendekatan probabilitas Binomial dalam situasi tertentu.
Hasil percobaan pada suatu selang waktu dan tempat tidak tergantung dari hasil percobaan
diselang waktu dan tempat yang lain yang terpisah.
Peluang terjadinya suatu hasil percobaan sebanding dengan panjang selang waktu dan luas
tempat percobaan terjadi.Hal ini berlakuhanya untuk selang waktu yang singkat dan luas
daerah yang sempit.
Peluang lebih dari satu hasil percobaan akan terjadi pada satu selang waktu yang singkat dan
luasan tempat yang sama diabaikan.
Probabilitas sebuah keluaran tunggal akan terjadi selama suatu selang waktu yang singkat atau
dalam suatu daerah kecil sebanding dengan lama waktu/ukuran daerah itu dan tidak bergantung
pada jumlah keluaran yang terjadi diluar selang waktu atau daerah ini
Probabilitas (v) bahwa lebih dari satu keluaran akan terjadi didalam suatu selang waktu yang
singkat atau jatuh pada suatu daerah yang kecil semacam itu dapat diabaikan.
2.4 Penggunaan Distribusi Poisson
Distribusi poisson banyak digunakan dalam hal:
a). menghitung Probabilitas terjadinya peristiwa menurut satuan waktu, ruang atau isi, luas,
panjang tertentu, saeperti menghitung probabilitas dari:
Kemungkinan kesalahan pemasukan data atau kemungkinan cek ditolak oleh bank
Jumlah pelanggan yang harus antri pada pelayanan rumah sakit, restaurant cepat saji atau antrian
yang panjang bila ke ancol.
banyaknya bintang dalam suatu area acak di ruangangkasa atau banyaknya bakteri dalam 1 tetes
atau 1 liter air.
jumlah salah cetak dalam suatu halaman ketik
Banyaknya penggunaan telepon per menit atau banyaknya mobil yang lewat selama 5 menit di
suatu ruas jalan.
distribusi bakteri di permukaan beberapa rumput liar di ladang.
Semua contoh ini merupakan beberapa hal yang menggambarkan tentang suatu distribusi
Poisson.
b). Menghitung distribusi binomial apabila nilai n besar (n 30) dan p kecil (p<0,1).
Jika kita menghitung sejumlah benda acak dalam suatu daerah tertentu T, maka proses
penghitungan ini dilakukan sebagai berikut :
a. jumlah rata-rata benda di daerah S T adalah sebanding terhadap ukuran S, yaitu ECount(S)=
S. Di sini melambangkan ukuran S, yaitu panjang, luas, volume, dan lain lain. Parameter > 0
menggambarkankan intensitas proses.
b. menghitung di daerah terpisah adalah bebas.
c. kesempatan untuk mengamati lebih dari satu benda di dalam suatu daerah kecil adalah sangat
kecil, yaitu P(Count(S)2) menjadi kecil ketika ukuran menjadi kecil.
Contoh Soal :
Jumlah emiten di BEJ ada 150 perusahaan. Probabilitas perusahaan memberikan deviden pada
tahun 2002 hanya 0,1. apabila BEJ meminta laporan dari emiten sebanyak 5 perusahaan, berapa
probabilitas
perusahaan
tersebut
adalah
perusahaan
yang
membagikan
deviden?
Jawab:
n = 150, X = 5, dan p = 0,1 (ini merupakan cirri distribusi Poisson, n > 50 dan p kecil yaitu )
= n . p = 150 x 0,1 = 15
Jadi probabilitas 5 perusahaan sample membagikan deviden hanya 0,002 atau 0,2%
Sebagai ilustrasi, misalkan pada hari Senin ini adalah jam kerja yang sibuk pada suatu
bank, dan kita tertarik oleh jumlah nasabah yang mungkin datang selama jam kerja tersebut,
dengan ketertarikan kita sebenarnya terletak pada interval waktu dan jumlah kedatangan dalam
interval waktu jika proses kedatangannya mempunyai karakteristik sebagai berikut:
1.
Dalam ilustrasi tadi dapat berarti bahwa jika tingkat kedatangan rata rata untuk periode jam
adalah, misalkan 72 kedatangan setiap jam, maka tingkat ini melambangkan interval waktu pada
jam kerja tadi : yaitu tingkat yang dapat dirubah kepada rata rata yaitu 36 kedatangan setiap
jam atau 1.2 kedatangan setiap menit.
2.
Jumlah kedatangan pada interval waktu tidak bergantung pada ( bebas apa yang terjadi di
interval waktu yang sudah lewat. Dalam ilustrasi tadi, dapat berarti bahwa kesempatan dari
sebuah kedatangan di menit berikutnya adalah sama.
3.
Tidak memiliki kesamaan bahwa akan lebih dari satu kedatangan dalam interval pendek,
semakin pendek interval, semakin mendekati nol adalah probabilitas yang lebih dari satu
kedatangan. Dalam ilustrasi tadi, bisa berarti bahwa adalah tidak mungkin untuk lebih dari satu
nasabah yang dapat melawati jalan masuk dalam waktu satu detik.
Rumus proses poisson :
P ( x ) = e . t . ( . t ) x
X! Dimana : = Tingkat rata rata kedatangan tiap unit waktu
t = Jumlah unit waktu
x = Jumlah kedatangan dalam t unit waktu
Contoh soal :
Jika rata rata kedatangan = 72 setiap jam, berapakah peluang dari x = 4 kedatangan dan t = 3
menit. Gunakan proses poisson.!
Jawab :
Dik : = 72 kedatangan setiap jam atau 72 / jam maka 1 jam atau 60 menit adalah unit
waktunya. Berarti 3 menit adalah 3 / 60 = 1 / 20 unit waktu maka t t = 1 / 20 dan x = 4
P ( x ) = e . t . ( . t ) x
6
X!
P ( x ) = e 72 . ( 1/ 20 ) . ( 72 . 1 / 20 ) 4
4!= 0.191 atau 19.1 %
BAB III
PENUTUP
3.1 Kesimpulan :
1. Distribusi Poisson merupakan distribusi probabilitas untuk variabel diskrit acak yang
mempunyai nilai 0, 1, 2, 3, dst. Distribusi Poisson adalah nilai-nilai bagi suatu variabel
random X (X diskrit), yaitu banyaknya hasil percobaan yang tejadi dalam suatu interval waktu
tertentu atau disuatudaerah tertentu
2. Distribusi Poisson mengkalkulasi distribusi probabilitas dengan kemungkinan sukses p sangat
kecil dan jumlah eksperimen n sangat besar.
DAFTAR PUSTAKA
-
Dra. Kustini, M.Pd dan Dra. Etty Tejo Dwi Cahyowati, M.Pd. 1994.
Statistika Matematika I . Jakarta: Universitas TerbukaDepdikbud
Prof. Dr. Sudjana, M.A., M.Sc. 1975. Metoda Statistika. Bandung: Tarsito
http://www.wahana-statistika.com/index.php/Ilmu-Probabilita/distribusi- peluang.html