Nama

: Cindy Rahayu

NIM

: 11140910000079

Kelas

: TI.5.A

Tugas

: 03

Matkul

: PEMODELAN DAN SIMULASI SISTEM

Soal
Jelaskan implementasi dari jenis-jenis distribusi probabilistik seperti dalam buku
"Pemodelan dan Simulasi" mulai halaman 93. Ingat, bukan definisi yang
ditanyakan, tetapi implementasi dari distribusi probabilistik tersebut.
Jawab :
1. Implementasi Distribusi Poisson
Distribusi poisson dapat digunakan untuk menentukan probabilitas dari
sejumlah sukses yang ditentukan. Kejadian-kejadian terjadi dalam ruang
kontinyu. Proses poisson seperti proses Bernoulli, hanya berbeda pada sifat
kontinuitasnya saja (Haryono, 1994). Distribusi poisson banyak digunakan
dalam hal berikut:
1. Menghitung probabilitas terjadinya peristiwa menurut satuan waktu, ruang,
luas, atau panjang tertentu, seperti menentukan probabilitas dari:
a. Banyaknya penggunaan telepon per menit atau banyaknya mobil yang lewat
selama 5 menit di suatu ruas jalan.
b. Banyaknya bakteri dalam 1 tetes atau 1 liter air.
c. Banyaknya kesalahan ketik per halaman sebuah buku.
d. Banyaknya kecelakaan mobil di jalan tol selama minggu pertama pada bulan
April.

Menghitung distribusi binomial apabila nilai n besar (n 30) dan p kecil (p <
0,1).

Percobaan poisson adalah percobaan yang menghasilkan peubah acak

X yang bernilai numerik,yaitu banyaknya sukses selama selang waktu
tertentu atau dalam daerah tertentu. Selang waktu tertentu dapat berupa
sedetik, semenit, sejam, sehari, seminggu maupun sebulan. Daerah tertentu
dapat berupa satu meter, satu kilometer persegi dan lain-lain. Distribusi
peluang peubah acak poisson X, yang menyatakan banyaknya sukses yang
terjadi dalam suatu selang waktu atau daerah tertentu.

Keterangan:
x : 0,1,2,
: Rata-rata banyaknya sukses.
e : Bilangan alam (2,71828).
Suatu proses atau peristiwa kedatangan yang terjadi dalam suatu
interval waktu tertentu dapat digolongkan sebagai proses keatangan poisson
jika memenuhi beberapa kriteria tertentu. Berikut ini adalah beberapa
kriteria pada peristiwa kedatangan dalam distribusi poisson.
1. Tingkat kedatangan rata-rata setiap unit waktu adalah konstan.
2. Jumlah kedatangan pada interval waktu tidak bergantung pada apa yang
terjadi di interval waktu yang sudah berlalu. Hal ini memiliki makna bahwa
3.

kesempatan dari sebuah kedatangan di waktu berikutnya adalah sama.

Probabilitas untuk peristiwa lebih dari satu kedatangan akan semakin
mendekati nol jika interval semakin pendek. Misalnya, jumlah pengunjung
suatu restoran tidak mungkin lebih dari satu orang yang dapat melalui pintu
masuk dalam waktu satu detik.

Proses perhitungan secara manual dapat digunakan untuk menentukan

probabilitas suatu kedatangan yang berdistribusi poisson. Perobabilitas
kedatangan yang sesuai dengan kriteria distribusi poisson dapat dihitung
dengan menggunakan rumus berikut:

Keterangan:
: Tingkat kedatangan rata-rata tiap unit waktu.
t : Jumlah unit waktu.
x : Jumlah kedatangan dalam t unit waktu.

2. Implementasi Distribusi eksponensial

Distribusi eksponensial berguna dalam mencari selisih waktu yang terjadi dalam suatu
peluang pada daerah tertentu. Dalam aplikasinya distribusi eksponensial ini sangat berperan
sekali, seperti: untuk mengukur selisih waktu antara orang 1 dan ke-2 dlam suatu antrean.
Selanjutnya distribusi ini juga berguna untuk mengukur tingkat kegagalan yang mungkin terjadi
dalam suatu peluang.
Kemudian distribusi eksponensial juga berguna dalam mencari peubah acak kontinu x, dengan
menggunakan variabel random (bilangan acak).
Distribusi probabilitas eksponensial merupakan pengujian yang dilakukan untuk
melakukan perkiraan atau prediksi dengan hanya membutuhkan perkiraan rata-rata populasi,
karena distribusi eksponensial memiliki standar deviasi sama dengan rata-rata. Distribusi ini
termasuk ke dalam distribusi kontinyu. Ciri dari distribusi ini adalah kurvanya mempunyai ekor

di sebelah kanan dan nilai x dimulai dari 0 sampai tak hingga. Distribusi eksponensial
merupakan model waktu (atau panjang atau area) antara kejadian Poisson. Dengan fungsi pdf
dan cdf sebagai berikut :

Sedangkan mean dan varians dari distribusi eksponensial adalah sebagai berikut :

Gambar kurva distribusi eksponensial berbeda-beda tergantung dari nilai x dan sebagai
berikut :

3. IMPLEMENTASI DISTRIBUSI ERLANG

Distribusi Erlang dikembangkan oleh A. K. Erlang untuk menguji jumlah
panggilan telepon yang mungkin dilakukan dalam satu waktu pada suatu switching
station milik operator. Distribusi ini bekerja pada perencanaan trafik telepon yang
pemakaiannya meluas agar dapat menghitung waktu tunggu dalam system antrian secara
umum. Distribusi Erlang kini digunakan dalam proses stochastic.
Berikut ini merupakan probability density function dari distribusi Erlang :

Sedangkan mean dan varians dari distribusi Erlang adalah sebagai berikut :
Rataan (Mean) :
Varians :

Contoh Kurva Distribusi Erlang :

4. IMPLEMENTASI DISTRIBUSI HIPER-EKSPONENSIAL

Distribusi Hiper-Eksponensial terjadi dalam teori antrian ketika waktu pelayanan untuk
satu unit berdistribusi eksponensial dengan jumlah parameter lebih dari satu. Berikut ini
merupakan probability density function dari distribusi Hiper-Eksponensial :

5. IMPLEMENTASI DISTRIBUSI NORMAL