Anda di halaman 1dari 7

Nama : Karina Dwi Lestari NIM : 105060702111007 Tugas 3 Pengendalian Kualitas DISTRIBUSI DISKRET a.

Distribusi Hipergeometrik Probabilitas kejadian suatu obyek dengan tanpa dikembalikan disebut sebagai distribusi hipergeometik. Distribusi ini memiliki ciri-ciri sebagai berikut: 1. 2. Sampel acak berukuran n diambil tanpa pengembalian dari N benda. Sebanyak k benda dapat diberi nama sukses sedangkan N k, diberi nama gagal.

Distribusi hipergeometrik nilainya dapat dinyatakan sebagai h (x; N, n, k).

Sumber : Fauzy (2008:111)

Dimana: N = Total populasi atau sampel. k = Jumlah benda yang diberi label berhasil yang tersedia n = Jumlah percobaan atau jumlah sampel yang dipilih. Sedangkan dalam populasi N benda terdapat lebih dari 2 jenis sampel yang berbeda, maka sebaran peluang bagi peubah acak hipergeometrik X, yang menyatakan banyaknya keberhasilan dalam contoh acak berukuran n, adalah:

Sumber: Hasan (208:63)

Dimana: N=N1 + N2 + N3 + + Nn x = x1 + x2 + x3 + + xn n = Jumlah sampel yang dipilih.

Gambar 1.1 Kurva Distribusi Hipergeometrik Sumber: Firman. 2010. http://upload.wikimedia.org/wikipedia/commons/thumb/7/75/ Binomial_ distribution_pmf.svg/300px-Binomial_distribution_pmf.svg.png

b.

Distribusi Binomial Distribusi binomial atau distribusi Bernoulli (ditemukan oleh James Bernoulli) adalah suatu

distribusi teoretis yang menggunakan variabel random diskrit yang terdiri dai dua kejadian yang berkomplemen, seperti sukses-gagal, ya-tidak, baik-cacat. Ciriciri distribusi binomial : 1. 2. 3. 4. Percobaannya terdiri atas n ulangan. Dalam setiap ulangan, hasilnya dapat digolongkan sebagai berhasil atau gagal. Peluang berhasil dinyatakan dengan p dan dalam setiap ulangan nilai p tetap. Peluang gagal dinyatakan dengan q = 1 - p. Ulangan-ulangan tersebut bersifat bebas satu sama lain.

Gambar 1.2 Kurva Distribusi Binomial Sumber: Tito. 2009. http://www.learner.org/courses/mathilluminated/images/units/11/2288.png

Rumus distribusi binomial terbagi menjadi dua, yaitu: 1. Rumus Binomial suatu peristiwa Secara umum rumus dari probabilitas binomial suatu peristiwa dituliskan :

P (X = x) = b(x; n, p) =
Sumber : Fauzy (2008:101)

Dimana : x = banyaknya peristiwa sukses n = banyaknya percobaan p = probabilitas peristiwa sukses q = 1 p = probabilitas peristiwa gagal 2. Probabilitas binomial kumulatif Probabilitas binomial kumulatif adalah probabilitas dari peristiwa binomial lebih dari satu sukses. Probabilitas binomial kumulatif dapat dihitung dengan menggunakan rumus : PBK = PBK P X 0 +P X 1 +P X 2 ++P X n
Sumber : Hasan (2008:59)

c.

Distribusi Poisson Distribusi Poisson disebut juga distribusi peristiwa yang jarang terjadi, ditemukan oleh S.D.

Poisson (1781-1841), seorang ahli matematika bangsa Prancis. Distribusi Poisson termasuk distribusi teoritis yang memakai variabel random diskrit. 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 di suatu daerah tertentu.

Gambar 1.3 Distribusi Poisson Sumber: Lestari. 2010. www.gesaf.files.wordpress.com/distribusi-poisson

1.

Rumus probabilitas Poisson suatu peristiwa Probabilitas suatu peristiwa yang berdistribusi Poisson dirumuskan : P (X = x) =
Sumber: Fauzy (2008:105)

Dimana : = rata-rata terjadinya suatu peristiwa e = bilangan alam = 2,71828 Probabilitas terjadinya suatu kedatangan yang mengikuti proses Poisson, dirumuskan: P (X = x) =
Sumber: Hasan (2008:65)

Dimana: = tingkat kedatangan rata-rata per satuan waktu t = banyaknya satuan waktu x = banyaknya kedatangan dalam t satuan waktu 2. Probabilitas distribusi Poisson kumulatif Probabilitas Poisson kumulatif adalah probabilitas dari peristiwa Poisson lebih dari satu. Probabilitas Poisson kumulatif dapat dihitung dengan rumus : PPK = PPK = PPK = 3. 0 + 1 + 2 + +
Sumber : Hasan (2008:68)

Distribusi Poisson sebagai pendekatan distribusi binomial Distribusi Poisson sebagai pendekatan distribusi binomial dirumuskan : P (X = x) =
Sumber : Hasan (2008:69)

Dimana : np = rata-rata distribusi binomial 4. Rata-rata distribusi Poisson

d.

Distribusi Pascal Jika ulangan suatu percobaan independen dapat menghasilkan outcome sukses dengan

probabilitas p dan outcome gagal dengan probabilitas q = 1 p, maka distribusi probabilitas variabel random X yaitu jumlah percobaan yang dibutuhkan sampai sukses ke-k terjadi.Distribusi ini memiliki ciri-ciri sebagai berikut: 1. 2. 3. 4. Eksperimen terdiri dari serangkaian percobaan yang saling bebas Setiap percobaan (trial) hanya dapat menghasilkan satu dari dua keluaran yang mungkin, sukses atau gagal Probabilitas sukses p, dan demikian pula probabilitas gagal q = 1 - p selalu konstan dalam setiap percobaan (trial) Eksperimen terus berlanjut (percobaan terus dilakukan) sampai sejumlah total k sukses diperoleh, dimana k berupa bilangan bulat tertentu dengan rumus umum: ( ) , dimana x = k, k + 1, k + 2, .

Sumber:www.docs.google.com/distribusi-diskrit-1

Gambar 1.4 Kurva Distribusi Pascal (Binomial Negatif) Sumber: Yayan. 2009. http://www.boost.org/doc/libs/1_35_0/libs/math/doc/sf_and_dist/ graphs/neg_binomial_pdf2.png

DISTRIBUSI KONTINYU a. Distribusi Normal Distribusi probabilitas normal adalah distribusi probabilitas kontinyu yang simetrik dan mesokurtik. Dua parameter yang menentukan suatu bentuk kurva normal adalah rata-rata dan standard deviasi. Suatu variabel x dikatakan berdistribusi Normal dengan rata-rata (mean) dan variansi 2, apabila x mempunyai fungsi densitas probabilitas :

Sumber : Hasan (2008:70)

Ditulis dengan : x ~ berdistribusi N (,2)

Gambar 1.5 Kurva Normal Sumber: Kountur,2006

Grafik fungsi densitas normal sering disebut dengan kurva normal dengan rata-rata dan standar deviasi . Sifat-sifat kurva normal: a. b. c. d. e. b. Harga modus terletak pada x = Simetris terhadap sumbu vertikal yang melalui Mempunyai titik belok di x = Memotong sumbu mendatar secara asimtotis Luas daerah di bawah kurva = 1 Distribusi Lognormal Distribusi log-normal sama seperti distribusi normal memiliki 2 distribusi parameter. Jika variabel random = ln x ~ berdistribusi Normal (n ; n2), Maka variabel random x dikatakan berdistrbusi Lognormal (n ; n2) f(x) = f(x) =

;x>0 e;x>0

f(x) = 0 ; untuk x yang lain


Sumber : Wiyono. 2009. Uji Statistik.pdf

Fungsi Densitas Komulatif : P(x < k) = P dengan Z ~ Normal (0;1)

Sumber : Wiyono. 2009. Uji Statistik.pdf

Gambar 1.6 Kurva Distribusi Lognormal Sumber: Soleh. 2008. http://solehpunya.files.wordpress.com/2008/03/00kuliah-03-02-distribusi-probabilitas-kontinyu-teoritis.pdf

c.

Distribusi Eksponensial Jika kejadian sukses bersifat kontinyu dan distribusi probabilitas juga bersifat kontinyu

(dalam kurun waktu tertentu), maka distribusi probabilitas tersebut dinamakan distribusi probabilitas eksponensial. 1 Nilai harapannya adalah:

Gambar 1.7 Kurva Distribusi Eksponensial Sumber:http://zoonek2.free.fr/UNIX/48_R/07.html

d.

Distribusi Gamma Tidak selamanya distribusi normal dapat digunakan untuk memecahkan masalah teknik

dan sains. Contohnya dalam teori antrian dan keandalan, kurang tepat bila digunakan pendekatan dengan distribusi normal, distribusi Gamma lebih tepat menjadi solusinya. Fungsi Gamma didefinisikan oleh: Bila = n , maka 1 1

(n) = (n 1)! .
1 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 0 1 2 3 4 x 5 6 fG(x;1,1) fG(x;2,1) fG(x;1,2) fG(x;2,2) fG(x;2,1/2)

Sumber : staff.ui.ac.id/internal/130891107/material/bab07.ppt

fG (x; a,)

Gambar 1.8 Fungsi Kepadatan Probabilitas Distribusi Gamma Sumber:staff.ui.ac.id/internal/130891107/material/bab07.ppt

Jika parameter skala sebuah distribusi gamma = 1 diperoleh suatu distribusi gamma standard. Maka, jika X adalah variable acak kontinyu dari distribusi gamma standard fungsi kepadatan probabilitasnya adalah: { x0

Sedangkan fungsi distribusi kumulatif gamma standard adalah:


Sumber : Fauzy (2008:130) e. Distribusi Weibull

Distribusi Weibull ini diperkenalkan oleh ahli fisikawan swedia Waloddi Weibull pada tahun 1939. Grafik distribusi Weibull untuk dan berbagai nilai parameter dilukiskan pada gambar di bawah ini.

Distribusi Weibull

f(x)

0.0
0.0

0.5

1.0

1.5

2.0

0.5

1.0 x

1.5

2.0

2.5

Gambar 1.9 Distribusi Weibull Sumber: 2529_Bab_6_Distribusi_kontinyu.ppt

Perubah acak kontinyu X terdistribusi Weibull dengan parameter, jika fungsi padatnya berbentuk: { 0 n 0 n

Dengan a>0 dan >0

Sumber : Aprisia. 2011. 2529_Bab_6_Distribusi_kontinyu.ppt

Jika =1, maka distribusi weibull menjadi distribusi eksponensial. Jika >1, maka kurvanya mirip lonceng dan menyerupai kurva normal tetapi agak menceng.