BAB I PENDAHULUAN Pengertian Distribusi Dikrit Distribusi Diskrit yaitu distribusi dimana perubahnya secara teoritis tidak dapat

t menerima sembarang nilai diantara dua nilai yang diberikan. Sering lebih mudah bila semua peluang suatu peubah acak x dinyatakan dalam suatu rumus. Tetapi juga tidak menutup kemungkinan apabila distribusi diskrit dinyatakan dalam bentuk grafik atau pun dalam bentuk tabel. Macam-Macam Distribusi Diskrit Distribusi Uniform X seragam diskret (a, b) yaitu distribusi paling sederhana, dimana variabel randomnya mempunyai probabilitas yang sama. f(x;k)=x/k dengan x=x1,x2,.xn dan k=1,2,3,4,..

Distribusi Bernoulli Pada suatu percobaan yang hanya ada dua hasil yang mungkin yaitu sukses atau gagal. Percobaan yang demikian juga disebut percobaan Bernoulli. Distribusi Binomial Pada percobaan Bernouli yang diulang n kali. Distribusi Geometrik pada percobaan Bernoulli yang dilakukan hingga mencapai sukses yang pertama Distribusi Poisson

Digunakan untuk menentukan peluang sebuah peristiwa yang dalam area kesempatan tertentu diharapkan terjadinya sangat jarang. dll

Bagan 1 : Bagan hubungan antara distribusi diskrit Distribusi Bernoulli Percobaan hanya menghasilkan dua kejadian yang mungkin, sukses atau gagal Probabilitas sukses adalah p (probabilitas gagal, 1 p) Variabel random yang menyatakan munculnya sukses atau gagal merupakan variabel random Bernoulli

Distribusi Binomial Distribusi Binomial adalah distribusi yang mengacu pada dua kemungkinan hasil yaitu sukses atau gagal. Syarat distribusi Binomial: Percobaan terdiri atas n usaha yang berulang. Tiap usaha memberi hasil yang dapat ditentukan dengan sukses atau gagal. Peluang sukses, dinyatakan dengan p, tidak berubah dari usaha yang satu ke yang berikutnya. Tiap usaha bebas dengan usaha yang lainnya. Distribusi Geometrik Percobaan terdiri atas n usaha yang saling independen Tiap usaha hanya terdiri dari dua kejadian yang mungkin, sukses atau gagal. Probabilitas tiap sukses untuk tiap usaha adalah tetap, yaitu p ( probabilitas gagal, 1 p) Variabel random yang menyatakan banyaknya usaha agar terjadi sukses pertama merupakan variabel random geometris Distribusi Poisson Distribusi Poisson adalah ditribusi peluang peubah acak poisson x, yang menyatakan banyaknya sukses yang terjadi dalam suatu selang waktu atau daerah tertentu. Panjang selang waktu tersebut boleh berapa saja, semenit, sehari, seminggu, sebulan atau malah setahun. Daerah yang dimaksud dapat berupa sepotong garis, suatu luas, suatu volume atau pun barangkali suatu benda .

BAB II DESKRIPSI KERJA Kasus : 1) Dalam suatu proses produksi yang menghasilkan barang dari gelas. Terjadi gelembung atau cacat yang kadang-kadang menyebabkan barang tsb sulit dipasarkan. Diketahui bahwa rata-rata 1 dari 1000 barang yang di hasilkan mempunyai satu atau lebih gelembung. Berapakah peluang bahwa sample acak sebesar 8000 barang akan berisi kurang dari 7 yang bergelembung? 2) unif(12,27) tentukan : a. P(x15) b. P(x17) c. Q1,Q2 dan b(x,n,p) Q3 pada distribusi ini. Solusi kasus 1 : Pada kasus 1 dapat dilihat bahwa solusi yang tepat untuk menyelesaikan permasalahan tersebut digunakan distribusi poisson. Hal ini dikarenakan p sangat kecil(hampir mendekati 0). p = 1:1000 ; p = 0.001mendekati 0. Dengan =8000 x 0.001; =8. klik kode di jendela session .

Open bangkitkan data

; Karena di soal ingin mengetahui peluang barang akan berisi kurang dari 7 yang bergelembung, maka peluang yang di cari x=0,1,2,3,4,5,6. Sehingga bangkitkan data 0 sampai 6.

Sehingga pada worksheet akan muncul data 0 sampai 6

tampilan worksheet Selanjutnya cari nilai PDF mencari nilai probability distribution function dari c1 yang diletakkan di c2 Selanjutnya cari nilai CDF mencari nilai comulatif distribution function dari c1 yang diletakkan di c3 OUTPUT 1 Solusi kasus 2 : Open
klik kode di jendela session.

MTB > random 27 c1; SUBC> uniform 12 27; SUBC> end

Maka akan muncul 27 data random pada kolom c1 OUTPUT 2a

Untuk mendapakan nilai kuartil(Q1,Q2 dan Q3) dari data yang ada :

MTB > Name c4 = 'Q1_1' MTB > Statistics 'DATA'; SUBC> QOne 'Q1_1' MTB > Name c5 = 'Median1' MTB > Statistics 'DATA'; SUBC> Median 'Median1'. MTB > Name c6 = 'Q3_1' MTB > Statistics 'DATA'; SUBC> QThree 'Q3_1'.

OUTPUT 2B

BAB III PEMBAHASAN 1. Analisis kasus 1 OUTPUT 1 :

menunjukkan jumlah gelas gelas cacat/ bergelembung menunjukkan peluang komulatif dari gelas yang mengandung gelembung/cacat

yang akan di cari peluang nya.

menunjukkan peluang masing-masing gelas yang mengandung gelembung/cacat

dari

Pada kolom x menyatakan jumlah gelas yang cacat yang nantinya akan di cari peluangnya. Sedangkan pada kolom pdf merupakan besar peluang secara individual/ masingmasing gelas yang cacat. Misalnya peluang dari tidak ada gelas yang cacat dari 8000 gelas adalah 0.000335 atau 0.0335 % dan peluang terdapat 5 gelas yang cacat dari 8000 gelas adalah 0.091604 atau 9.1604 % begitu pula seterusnya. Selain itu terdapat pula kolom cdf yang merupakan peluang komulatif dari gelas yang mengandung gelembung/cacat. Misalnya peluang komulatif satu gelas yang cacat adalah 0.003019 atau 0.3019 %, jadi pada nilai peluang ini merupakan peluang x=0 dan x= 1 (peluang tidak ada yang cacat dan peluang terdapat 1 buah yang cacat). Jawaban : Dari kolom CDF dapat diketahui bahwa peluang terdapat peluang bahwa sample acak sebesar 8000 barang akan berisi kurang dari 7 yang bergelembung adalah :
x 0 1 2 3 pdf 0.000335 0.002684 0.010735 0.028626 cdf 0.000335 0.003019 0.013754 0.042380

4 5 6

0.057252 0.091604 0.122138

0.099632 0.191236 0.313374

P(X<7)= 0.313374 ; yaitu cukup dengan melihat tabel CDF nya. Jadi, peluang terdapat kurang dari 7 gelas yang cacat dari 8000 gelas adalah 31.3374 %. Untuk mencari nilai peluang 7 gelas yang cacat ini juga dapat melihat peluang gelas yang cacat pada kolom PDF. Yaitu dengan menambahkan dari masing-masing peluangnya yaitu: P(X<7)= P(X=1)+ P(X=2)+ P(X=3)+ P(X=4)+ P(X=5)+ P(X=6) P(X<7)= 0.000335+ 0.002684 +0.010735+0.028626+ 0.057252+0.091604 P(X<7)= 0.313374 Penjelasan kode minitab (kasus 1):
MTB > set c1 DATA> 0:6 DATA> end

Kode diatas digunakan untuk membangkitkan data. Dalam hal ini, membangkitkan jumlah gelas yang cacat yaitu 0,1,2,3,4,5 dan 6 yaitu kode DATA>0:6 sedangkan MTB>set c1 maksudnya adalah membangkitkan data pada kolom c1. Untuk mengakhirinya yaitu dengan kode end, maka nantinya pada lembar worksheet akan muncul angkat 0 sampai 6.
MTB > pdf c1 c2; SUBC> poisson 8; SUBC> end

Kode diatas digunakan untuk mencari peluang masing-masing dengan data yang ada pada kolom c1 dan diletakkan pada kolom c2, menggunakan distribusi poisson dengan = 8 dan diakhiri dengan end. maka nantinya pada lembar worksheet akan muncul peluang masing-masing gelas yang cacat 0 sampai 6.
MTB > cdf c1 c3; SUBC> poisson 8; SUBC> end

Kode diatas digunakan untuk mencari peluang komulatif dengan data yang ada pada kolom c1 dan diletakkan pada kolom c3, menggunakan distribusi poisson dengan = 8 dan diakhiri dengan end. maka nantinya pada lembar worksheet akan muncul peluang secara komulatif dari gelas yang cacat 0 sampai 6.

ANALISIS KASUS 2 Output 2a: DATA 15.5924 23.5608 13.5755 15.006 21.482 24.8783 24.7784 25.7478 22.7609 17.6232 14.1305 26.367 14.2939 16.9296 23.2833 17.9568 16.8426 13.2107 15.9743 17.7393 15.6392 17.928 16.5564 17.0967 18.9379 24.3436 26.1421 Data disamping merupakan hasil data random yang berdistribusi uniform f(12;27). Pada distribusi uniform masing-masing peluang variabel randomnya adalah sama. Sehingga peluang dari masingmasing data random diatas adalah : f(x;27)= 1/27 f(x;27)= 0.037037 Sehingga : unif(12,27) P(x15) = 0.037037 x 15 P(x15) = 0.555556 atau dapat dikatakan bahwa peluang x15 adalah 55.5556 % P(x17) = 0.037037 x 10 P(x17) = 0.37037 atau dapat dikatakan bahwa peluang x17 adalah 37.037 %

output 2b: Q1_1 15.6392 Median1 17.7393 Q3_1 23.5608

Output diatas merupakan hasil dari kuartil (Q1,Q2, dan Q3) data random berdistribusi uniform. Q1=15.6392 dan Q3= 23.5608 dan median atau disebut juga Q2= 17.7392. Q1=15.6392 ; Q3= 23.5608 ; Q2= 17.7392.

Penjelasan kode kasus 2 kode 2a: MTB > random 27 c1; SUBC> uniform 12 27; SUBC> end Kode disamping memerintahkan untuk menginput data secara random pada kolom c1 dengan distribusi uniform f(12;27) dan diakhiri dengan kode end.s

MTB > Name c4 = 'Q1_1' MTB > Statistics 'DATA'; SUBC> QOne 'Q1_1'

Kode MTB >Name c4 = 'Q1_1' artinya memerintahkan memberi nama kolom c4 menjadi Q1_1 , MTB > Statistics 'DATA'; yaitu data yang di gunakan adalah data pada kolom DATA dalam hal ini adalah C1.

MTB > Name c5 = 'Median1' MTB > Statistics 'DATA'; SUBC> Median 'Median1'.

SUBC>

QOne 'Q1_1' artinya, memerintahkan untuk

mencari nilai Q1 atau kuartil 1. Sehingga kesatuan kode ini adalah memerintahkan untuk membangkitkan nilai kuartil 1 dari data kolom DATA atau c1 yang

MTB > Name c6 = 'Q3_1' MTB > Statistics 'DATA'; SUBC> QThree 'Q3_1'.

nantinya di letakkan pada kolom 4 dengan nama Q1. Begitu pula dengan kode untuk Q2 dan Q3.

Jadi : 2) unif(12,27) a. P(x15) = 0.555556 ; atau dapat dikatakan bahwa peluang x15 adalah 55.5556 % b. P(x17) = 0.37037; atau dapat dikatakan bahwa peluang x17 adalah 37.037 % c. Q1,Q2 dan Q3 pada distribusi ini.. Q1=15.6392 ; Q2= 17.7392.; Q3= 23.5608

BAB IV KESIMPULAN

DAFTAR PUSTAKA

Fauzy,Akhmad Prof,Ph.D, M.Si,S.Si .2008. STATISTIKA INDUSTRI. Erlangga : Jakarta. Fauzy,Akhmad Prof,Ph.D, M.Si,S.Si .2010. Modul Praktikum:Komputasi Statistika.UII : Yogyakarta. Sitepu , Robinson. 2010. Hubungan Antara Distribusi Diskrit yang Bervariabel Satu: Jurnal Penelitian Sains Edisi Khusus Desember 2009 (A) 09:12-02 Jurusan Matematika FMIPA, Universitas Sriwijaya, Sumatera Selatan, Indonesia. 18

http://jpsmipaunsri.files.wordpress.com/2010/08/0210-12-a-robinson-ganjil.pdf Oktober 2011. Suprayogi.2008. DISTRIBUSI PROBABILITAS DISKRET

TEORITIS.

http://solehpunya.files.wordpress.com/2008/03/00-kuliah-03-01-distribusiprobabilitas-diskret-teoritis.pdf. 19 Oktober 2011.