Anda di halaman 1dari 19

BAB 1

PENDAHULUAN

1.1 LATAR BELAKANG

Statistika merupakan ilmu yang mempelajari bagaimana merencanakan,


mengumpulkan, menganalisis, menginterpretasi, dan mempresentasikan data. Secara
singkat statistika adalah ilmu yang berkenaan dengan data. statistika juga dapat
dikatakan sebagai ilmu yang digunakan untuk mengolah data yang ada sehingga
didapatkan hasil berupa informasi yang dapat diolah menjadi sebah keputusan yang
berdasar pada data yang sebenarnya.
Statistik memegang peranan yang penting dalam penelitian, baik dalam
penyusunan model, perumusan hipotesa, dalam pengembangan alat dan instrumen
pengumpulan data, dalam penyusunan desain penelitian, dalam penentuan sampel,
dan dalam analisa data. Dalam banyak hal, pengolahan dan analisa data tidak luput
dari penerapan teknik dan metode statistik tertentu, yang mana kehadirannya dapat
memberikan dasar bertolak dalam menjelaskan hubungan-hubungan yang terjadi.
Statistika memberikan alat analisis data bagi berbagai bidang ilmu. Kegunaannya
bermacam-macam: mempelajari keragaman akibat pengukuran, mengendalikan
proses, merumuskan informasi dari data, dan membantu pengambilan keputusan
berdasarkan data. Statistika, karena sifatnya yang objektif, sering kali merupakan
satu-satunya alat yang bisa diandalkan untuk keperluan-keperluan tersebut.
Statistika memberikan pengetahuan dan kemampuan untuk melakukan
evaluasi terhadap data. Pengetahuan statistika dapat membantu dalam menentukan
apakah kebenaran atau keberlakuan suatu data dapat diterima, diragukan ataukah
ditolak. Selain itu, Statistika juga bermanfaat karena akan banyak dipakai dalam
dunia kerja yang terkait dengan ilmu-ilmu sosial, ilmu alam, biologi maupun dunia
usaha dan industri. Dalam ilmu sosial dan ilmu alam statistika digunakan dalam
pengumpulan data (survei maupun eksperimen), pengujian hipotesis dan
pengembangan teori. Dalam dunia usaha dan industri statistika digunakan dalam
meramalkan penjualan, keuntungan maupun pengawasan kualitas (dengan
menggunakan data sampel).

1.2 Tujuan Praktikum

1.2.1 Statistika Deskriptif

Setelah melakukan praktikum pada modul statistika deskriptif , mahasiswa


diharapkan mempunyai kemampuan untuk :
1. Memahami pengertian dan manfaat statistika deskriptif
2. Mamu mengolah data dengan metode-metode statistika deskriptif
3. Memahai teknik pengumpulan data
4. Mengkaji, menilai, dan memperbaiki serta merancang suatu system kerja yang
berhubungan dengan manusia sebagai pemakai

1.2.2 Distribusi Probabilitas

A. Binomial dan Hipergeometri

Setelah melakukan praktikum pada modul binomial dan hipergeometri , mahasiswa


diharapkan mempunyai kemampuan untuk

1. Mengetahui definisi distribusi binomialdan distribusi hipergeometri


2. Mampu membedakan karakteristik distribusi binomial dan distribusi
hipergeometri
3. Mengetahui asumsi dan karakteristik percobaan binomial dam hipergeometri

B. Poisson dan Eksponensial


Setelah melakukan praktikum pada modul poisson dan eksponensial , mahasiswa
diharapkan mempunyai kemampuan untuk:

1. Mampu memahami karakteristik dari distribusi poisson dan eksponensial


2. Mampu melakukan pendekatan distribusi poisson terhadap distribusi binomial
3. Mampu mengenali masalah nyata dalam kehidupan sehari-hari yang berkaitan
dengan distribusi poisson dan distribusi eksponensial serta mampu mengenal
peranan ilmu statistika dalam memecahkan masalah tersebut
BAB II

LANDASAN TEORI

2.1 STATISTIKA DESKRIPTIF

2.1.1 Pengertian Statistika Deskriptif

Statistika deskriptif adalah bagian dari ilmu statistika yang hanya mengolah,
menyajikan data tanpa mengambil keputusan untuk populasi. Dengan kata lain hanya
melihat gambaran secara umum dari data yang didapatkan.Statistika adalah ilmu yang
mempelajari bagaimana merencanakan, mengumpulkan,menganalisis,
menginterpretasi, dan mempresentasikan data. Singkatnya, statistika adalahi lmu yang
berkenaan dengan data. Statistika deskriptif berfungsi menerangkan keadaan, gejala,
atau persoalan. Penarikan kesimpulan pada statistika deskriptif (jika ada) hanya
ditujukan pada kumpulan data yang ada.
Didasarkan pada ruang lingkup bahasannya statistik deskriptif mencakup
1. Distribusi frekuensi beserta bagian-bagiannya seperti :
a) Ukuran nilai pusat (rata-rata, median, modus, kuartil dansebagainya);
b) Ukuran dispersi (jangkauan, simpangan rata-rata, variasi, simpangan baku,
dan sebagianya);
c) Grafik distibusi (histogram, poligon frekuensi, dan ogif);
d) Kemencengan dan keruncingan kurva
2. Angka indeks
3.Times series/deret waktu atau berkala
4. Korelasi dan regresi sederhana.

2.1.2 Ukuran-ukura Statistika Deskriptif

Ukuran statistik deskriptif dapat digolongkan menjadi dua kelompok, yaitu ukuran
nilai tengah dan ukuran deviasi. Ukuran nilai tengah terdiri dari rata-rata (mean),
median, dan modus. Sedangkan ukuran deviasi terdiri dari varians, simpangan baku,
koefisien variasi, dan nilai jarak (range). Ukuran-ukuran statistik deskriptif tersebut
akan dijelaskan penggunaannya baik untuk data tunggal maupun data berkelompok.

1. Ukuran nilai tengah


a) Rata-rata (Mean)

Rata-rata ditulis dengan menggunakan simbol (dibaca:miu) untuk menyatakan

rata-rata populasi, dan (dibaca: x bar) untuk menyatakan rata-rata sampel. Secara
aljabar rata-rata dapat ditulis sebagai berikut:

untuk rata-rata populasi, dimana N adalah banyaknya populasi :

untuk rata-rata sampel, dimana n adalah banyaknya sampel

Rata-rata untuk data berkelompok

Apabila data sudah disajikan dalam data berkelompok seperti dalam bentuk tabel
frekuensi dimana observasi-observasi dikelompokan kedalam kelas-kelas yang
disebut frekuensi, maka rumus rata-ratanya adalah sebagai berikut:
b) Median

Ukuran nilai tengah lainnya yang mungkin dapat merupakan pilihan selain rata-
rata adalah median. Penentuan median bisa langsung didapat jika jumlah
observasinya adalah ganjil, namun jika jumlah observasinya adalah genap maka akan
didapat dua nilai tengah. Dalam situasi demikian, untuk mendapatkan mediannya
yaitu dengan merata-ratakan dua nilai tengah yang didapat. Prosedur untuk
mendapatkan median yaitu harus mengurutkan data dari yang terkecil hingga yang
terbesar terlebih dahulu sebelum mengambil nilai tengahnya. Dengan kata lain

median adalah data yang ke .

Median untuk data berkelompok

Untuk data yang sudah dikelompokkan dan disajikan dalam tabel frekuensi, maka
mediannya dapat dicari dengan rumus sebagai berikut:
Kelas median adalah kelas dimana terdapat nilai median di dalamnya. Untuk
menentukan kelas median bagilah seluruh observasi dengan dua artinya 50 % dari
seluruh observasi terletak sebelum median dan 50 % lainnya terletak sesudahnya.

c) Modus

Modus dari suatu kelompok observasi adalah nilai observasi yang mempunyai
frekuensi pemunculan paling banyak atau dengan kata lain yaitu nilai yang paling
banyak muncul. Konsep dari modus ini berhubungan dengan kemunculan yang
berulang-ulang dari suatu nilai observasi. Modus mungkin lebih sering digunakan
pada data yang mempunyai banyak variasi dalam ukurannya, itupun untuk jumlah
data yang besar. Sebagai contoh modus dari ukuran barang yang terjual sering
digunakan untuk mengetahui barang yang paling disenangi konsumen.

Suatu distribusi atau kelompok data mungkin tidak mempunyai modus atau mungkin
mempunyai modus lebih dari satu. Distribusi yang mempunyai satu modus disebut
Unimodus, yang mempunyai dua modus disebut Bimodus dan yang mempunyai
modus lebih dari dua disebut Multimodus.

Modus untuk data berkelompok

Apabila data sudah dikelompokkan dan disajikan dalam tabel frekuensi, maka
modusnya mempunyai rumus sebagai berikut:
Kelas modus adalah kelas dimana terdapat nilai modus di dalamnya.

2. Ukuran disperse

a) Varians

Dengan ukuran nilai tengah saja kita tidak akan pernah cukup untuk memberikan
ringkasan karakteristik dari sebuah set data. Pada kenyataannya nilai-nilai observasi
suatu populasi ada yang lebih besar dari rata-rata dan ada yang lebih kecil dari rata.
Informasi ini yang biasanya merupakan keterangan tambahan mengenai karakteristik
dari satu set data yaitu informasi mengenai jumlah penyimpangan dalam data.
Biasanya kita tertarik dengan penyimpangan nilai-nilai observasi dalam data terhadap
rata-ratanya yaitu selisihnya. Rata-rata dari selisih kuadrat tersebut merupakan suatu
ukuran penyimpangan yang biasa disebut dengan varians dari observasi. Simbol

varians pada ukuran populasi adalah (dibaca: sigma kuadrat) dan pada ukuran
sampel adalah s2.

b) Simpangan baku

Akar dari varians dinamakan standar deviasi atau simpangan baku. Standar deviasi
merupakan ukuran simpangan yang sering digunakan dalam analisa. Nilai standar
deviasi pada dasarnya menggambarkan besaran sebaran suatu kelompok data
terhadap rata-ratanya atau dengan kata lain gambaran keheterogenan suatu kelompok
data. Formula standar deviasi adalah sebagai berikut:

Varians untuk data berkelompok

Formula varians untuk data berkelompok adalah sebagai berikut:

c) Koefisien variasi

Standar deviasi dapat mengukur keheterogenan atau variasi suatu kelompok data.
Namun jikaingin membandingkan dua kelompok data yang mempunyai ukuran yang
berbeda, standar deviasi tidak dapat digunakan artinya standar deviasi yang lebih
besar tidak selalu berarti kelompok data tersebut lebih heterogen Untuk keperluan
perbandingan dua kelompok data tanpa melihat ukuran satuannya, maka dapat
digunakan suatu ukuran variasi yang dinamakan koefisien variasi (CV). Rumus CV
dituliskan sebagai berikut:

Jika CV1 > CV2 berarti kelompok data pertama lebih bervariasi atau lebih heterogen
dari pada kelompok kedua.

d) Ukuran nilai jarak (Range)

Ukuran dispersi yang paling sederhana pada suatu data numerik mungkin dengan cara
menghitung selisih nilai terbesar (nilai maksimum) dengan nilai terkecil (nilai
minimum). Cara ini dikenal dengan sebutan Range.

Range = Nilai maksimum Nilai minimum.

e) Ukuran Range untuk data berkelompok

Untuk data berkelompok, nilai range dihitung berdasarkan selisih antara nilai tengah
kelas terakhir dengan nilai tengah pertama atau selisih batas atas kelas terakhir
dengan batas bawah kelas pertama.

Range = Nilai tengah kelas terakhir Nilai tengah kelas pertama.

3. Grafik Distribusi

Data yang sudah dikelompokkan dalam bentuk table distribusi frekuensi dapat
disajikan dalam bentuk grafik supaya menjadi lebih menarik dan informative.
a) Histogram

Histogram adalah salah satu cara menyatakan daftar ditribusi frekuensi atau distribusi
frekuensi relatif. Pada histogram, variable ditulis pada sumbu horizontal, dan
frekuensi (ataupun frekuensi relatif) digambarkan sebagai panjang dari persegi
panjang. Lebar persegi panjang adalah lebar dari kelas interval sehingga antara
persegi panjang yang satu dengan yang lain tidak memiliki jarak.

b) Poligon Frekuensi

Poligon frekuensi merupakan salah satu cara untuk menggambarkan distribusi


frekuensi. Untuk memperoleh distribusi frekuensi, kita tempatkan titik di tengah sisi
lebar dari setiap persegi panjang. Kemudian, titik-titik tersebut dihubungkan sehingga
kita memperoleh grafik garis yang kita sebut dengan poligon frekuensi.

Untuk data berkelompok, harus dicari titik tengah setiap kelas dan tentukan posisinya
pada garis horizontal. Tinggi frekuensi setiap kelas ditentukan pada sumbu vertikal.

c) Ogive

Kurva distribusi frekuensi kumulatif disebut ogive. Ogive dibuat dengan cara
menempatkan titik-titik limit kelas bawah pada sumbu horizontal dan pada sumbu
vertikal ditempatkan frekuensi kumulatif. Kemudian titik-titik tersebut dihubungkan
sehingga kita mendapatkan kurva yang mulus yang terus meningkat.

2.2 DISTRIBUSI PROBABILITAS

2.2.1 Distribusi Binomial

A. Definisi Distribusi Binomial


Distribusi Binomial adalah suatu distribusi probabilitas yang dapat digunakan
bilamana suatu proses sampling dapat diasumsikan sesuai dengan proses Bernoulli.
Misalnya, dalam perlemparan sekeping uang logam sebanyak 5 kali, hasil setiap
ulangan mungkin muncul sisi gambar atau sisi angka. Begitu pula, bila kartu diambil
berturut-turut, kita dapat memberi label berhasil bila kartu yang terambil adalah
kartu merah atau gagal bila yang terambil adalah kartu hitam. Ulangan-ulangan
tersebut bersifat bebas dan peluang keberhasilan setiap ulangan tetap sama,taitu
sebasar ..(Ronald E. Walpole).

B. Syarat Distribusi Binomial

Percobaan binomial merupakan suatu percobaan yang memenuhi empat syarat


berikut:

1. Terdapat n kali percobaan.

2. Masing-masing percobaan hanya dapat menghasilkan dua kemungkinan, atau


hasil yang diperoleh dapat disederhanakan menjadi dua kemungkinan. Hasil
yang diperoleh tersebut dapat dianggap sebagai hasil yang sukses atau gagal.

3. Hasil dari masing-masing percobaan haruslah saling bebas.

4. Peluang untuk sukses harus sama untuk setiap percobaan

Suatu percobaan binomial dan hasilnya memberikan distribusi peluang khusus yang
disebut sebagai distribusi binomial. Hasil-hasil percobaan binomial dan peluang yang
bersesuaian dari hasil tersebut dinamakan distribusi binomial.

C. Ciri-ciri Distribusi Binomial.


Distribusi Binomial dapat diterapkan pada peristiwa yang memiliki ciri-ciri
percobaan Binomial atau Bernoulli trial sebagai berikut :
1. Setiap percobaan hanya mempunyai 2 kemungkinan hasil : sukses(hasil
yang dikehendakai, dan gagal(hasil yang tidak dikehendaki)
2. Setiap percobaan beersifat independen atau dengan pengembalian.
3. Probabilita sukses setiap percobaan harus sama, dinyatakan dengan p.
Sedangkan probabilita gagal dinyatakan dengan q, dan jumlah p dan q
harus sama dengan satu.
4. Jumlah percobaan, dinyatakan dengan n, harus tertentu jumlahnya.

D. Penerapan Distribusi Binomial


Beberapa kasus dimana distribusi normal dapat diterapkan yaitu:
1. Jumlah pertanyaan dimana anda dapat mengharapkan bahwa terkaan anda
benar dalam ujian pilihan ganda.
2. Jumlah asuransi kecelakaan yang harus dibayar oleh perusahaan asuransi.
3. Jumlah lemparan bebas yang dilakukan oleh pemain basket selama satu
musim.

E. Rumus Distribusi Binomial


Rumus ditribusi binomial

n : banyaknya ulangan
x : banyaknya keberhasilan dalam peubah acak x
p : peluang berhasil dalam setiap ulangan
q : peluang gagal, dimana q = 1-p dalam setiap ulangan
Rata rata = n . p
Ragam 2 = n . p . q

2.2.2 Distribusi Hypergeometri

A. Definisi Distribusi Hipergeometrik

Distribusi hipergeometrik adalah distribusi probabilitas diskrit dari sekelompok


objek yang dipilih tanpa pengembalian. Sampling dilakukan tanpa pengembalian dari
kejadian sampling yang diambil dari populasi dengan kejadian-kejadian terbatas,
maka proses Bernoulli tidak dapat digunakan karena ada perubahan secara sistematis
dalam probabilitas sukses seperti kejadian-kejadian yang diambil dari populasi.
Distribusi hipergeometrik juga termasuk distribusi teoritis seperti halnya distribusi
binomial. Perbedaan yang utama antara distribusi binomial dan distribusi
hipergeometrik adalah pada cara pengambilan sampelnya. Pada distribusi binomial
pengambilan sampel dilakukan dengan pengembalian, sedangkan pada disribusi
hipergeometrik pengambilan sampel dilakukan tanpa pengembalian. Distribusi
hipergeometrik merupakan distribusi data diskrit. Probabilitas suatu peristiwa pada
suatu percobaan akan menghasilkan dua macam peristiwa dependen yang
menghasilkan probabilitas peristiwa yang berbeda pada setiap percobaan. Kondisi ini
biasanya muncul pada percobaan yang dilakukan tanpa pengembalian dengan
populasi terbatas. distribusi hipergeometrik adalah bentuk probabalitas tanpa
pengembalian, yaitu setiap pencuplikan data yang telah diamati tidak dimasukkan
kembali dalam populasi semula.

B. Ciri-ciri Percobaan Hipergeometrik

Suatu percobaan hipergeometrik bercirikan dua sifat berikut:

1. Suatu contoh acak berukuran n diambil dari populasi yang berukuran N


2. k dari N benda diklasifikasikan sebagai berhasil dan N-k benda
diklasifikasikan sebagai gagal
C. Rumus Distribusi Hipergeometrik

Distribusi Hipergeometri

Jumlah cara/hasil dari memilih nelemen dari Nobyek adalah kombinasi :

atau

Jumlah cara/hasil dari memilih/memperoleh xsukses dan (nk) gagalm dari suatu
populasi yang terdiri dari ksukses dan (N k) gagal adalah.
Fungsi Padat Peluang

x = jumlah terambil dari kelompok sukses


N = Jumlah sampel populasi
n = jumlah sampel
k = jumlah sukses.
Beberapa ukuran statistik deskriptif distribusi hipergeometrik.
Mean (Nilai Harapan):

Varians

Kemencengan (skewness)

Keruncingan (kurtosis)

Dimana M = k
2.2.3 Distribusi Poisson

A. Definisi Distribusi Poisson

Distribusi poisson adalah distribusi peluang acak poisson x,yang menyatakan


banyaknya sukses yang terjadi dalam suatu selang waktu atau daerah tertentu.
Bilangan x yang menyatakan banyaknya hasil percobaan dalam suatu percobaan
poisson disebut peubah acak poisson dan sebaran peluangnya disebut sebaran
poisson.

Distribusi poisson ini hampir sama dengan distribusi binomial, hanya saja jumlah
percobaan yang diulang (sampel) sangat besar dan probabilitasnya terjadi peristiwa
sukses sangat kecil. Distribusi poisson paling tepat untuk menggambarkan struktur
probabilitas dari variabel random yang mencakup rentang yang cukup panjang.

Distribusi poisson sebagai suatu bentuk pembatasan distribusi binomial pada


saat n besar, sedangkan p mendekati 0 , dan np konstan. Sehingga bila n besar dan p
mendekati 0, distribusi poisson dapat digunakan untuk memperkirakan probabilitas
binomial, dengan l = n.p. Dalam menyatakan distribusi poisson dari sebuah variabel
random perlu diperhatikan hal-hal sebagai berikut:

1. Nilai peluang atau relasi matematika untuk menyatakan peluang.


2. Variabel berikut daerahnya.
Variabel adalah nilai yang ingin diproleh dari pengamatan. Daerah
variabel adalah semua nilai-nilai variabel yang didapat atau diperoleh dari
pengamatan.
3. Parameter-parameter dan daerahnya.

Variabel random merupakan fungsi yang bernilai real yang harganya ditentukan oleh
tiap anggota dalam ruang sampel. Dengan demikian suatu distribusi poisson dapat
saja membangkitkan pengamatan pengamatan bagi peubah acak x pada selang waktu
tertentu. Bilangan x yang menyatakan banyaknya hasil percobaan dalam suatu
percobaan/distribusi poisson dinamakan peubah acak poisson. Selain dari itu ragam
pada distribusi poisson dapat ditunjukkan sama dengan nilai tengahnya.
B. Karakteristik dan Sifat Distribusi Poisson
Karakteristik distribusi poisson diantaranya:
1. Banyaknya hasil percobaan yang terjadi dalam suatu selang waktu atau suatu
daerah tertentu, tidak tergantung 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 atau dalam suatu daerah yang kecil, sebanding dengan panjang selang
waktu tersebut atau besarnya derah tersebut tidak tergantung 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 terkecil tersebut, dapat
diabaikan
Sifat dari distribusi poisson, diantaranya :

1. Nilai Tengah
2. Variansi
3. Simpangan Baku 4. Koefisien momen Kemencengan
4. Koefisien momen kurtosis

D. Kegunaan Aplikasi Distribusi Poisson

Kegunaan distribusi poisson untuk mengukur probabilitas dari variabel random


yang mencakup rentang yang cukup panjang. Kemudian selain dari pada itu distribusi
poisson juga berguna untuk mengukur peluang yang mungkin terjadi dalam waktu
atau daerah tertentu.Kemudian selain dari pada itu,distribusi poisson juga digunakan
untuk menghitung distribusi binominal dengan mean dari distribusi Distribusi poisson
memiliki aplikasi, terutama dalam menghitung atau mengolah suatu
data.Diantaranya,aplikasi distribusi poisson ini adalah digunakan dalam menghitung
data antrean yang terjadi selama selang waktu atau daerah tertentu.Sebagai contoh
pada RS. Yos Sudarso dalam menghitung peluang terjadinya antrean pada kasir
dengan selang waktu 3 menit dan 4 menit. Kemudian dalam menghitung peluang
terjadinya kesuksesan, sebagai contoh rata-rata 4 orang yang lulus dari 400
mahasiswa yang gagal seminar.Jadi dengan menggunakan distribusi poisson ini kita
dapat mengetahui peluang yang terjadi pada selang waktu atau daerah
tertentu.poisson ditetapkan sesuai dengan nilai mean n.p dari distribusi binominal
yang telah diketahui

E. Hubungan Distribusi Poisson dengan Distribusi Binomial


Distribusi poisson sebagai suatu bentuk pembatasan distribusi binomial pada
saat n besar,sedangkan p mendekati 0, dan np konstan.Sehingga bila n besar dan p
mendekati 0, distribusi poisson dapat digunakan untuk memperkirakan probabilitas
binomial,dengan l = np Dalam suatu proses produksi yang menghasilkan barang dari
gelas, terjadi gelembung atau cacat yang menyebabkan barang tersebut sukar
dipasarkan. Rata-rata 1 dari 1000 barang yang dihasilkan mempunyai satu atau lebih
gelembung.Hitung probabilitas dalam sampel random sebesar 8000 barang akan
berisi kurang dari 7 yang bergelembung.
F. Hubungan Distribusi Poisson dengan Distribusi Normal
Distribusi normal merupakan perkiraan terhadap distribusi binominal dan
poisson.Bila jumlah percobaan binominal besar dan mean dari distribusi poisson
besar,maka perhitungan probabilitas untuk variabel-variabel random tersebut amat
sulit. Namun dengan adanya control limit Theorem bisa dilakukan perkiraan normal
terhadap distribusi ini.
Variabel random x menggambarkan jumlah kemunculan kejadian dalam
interval waktu tertentu dan x jumlah kemunculan yang diharapkan,atau mean interval
waktu tersebut. Bila jumlah kemunculan l,besar dari interval waktu dipecahkan dalam
sub interval yang sama panjang, maka jumlah total kemunculan adalah jumlah
banyaknya kemunculan untuk tiap sub interval. Dengan demikian sesuai dengan
Central Limit Theorem, dapat disimpulkan bila l besar,maka distribusi variabel
random.Sehingga untuk distribusi poisson hasil tersebut dapat digunakan untuk
memperkirakan probabilitas,dan bila l hanya berukuran sedang akan dibutuhkan
koreksi kontinuitas

2.2.4 Distribusi Eksponensial

A. Definisi Distribusi Eksponensial

Salah satu distribusi yang banyak digunakan dalam statistika,khususnya proses


stakastik,adalah distribusi eksponensial. Distribusi eksponensial adalah salah satu
kasus khusus dari distribusi gamma. Peubah acak kontinu berdistribusi eksponensial
dengan para meter l, sehingga distribusi eksponensial juga disebut dengan distribusi
gama dengan a = 1.Distribusi eksponensial merupakan suatu distribusi yang berguna
untuk mencari selisih waktu yang terjadi dalam suatu peluang tertentu. Perhitungan
pada distribusi eksponensial menggunakan 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 bilamana berupa suatu nilai manapun dalam
suatu interval.

B. Karakteristik Distribusi Eksponensial

Karakeristik distribusi eksponensial adalah sebagai berikut :

1. Mempunyai nilai variansi:


2. Mempunyai nilai mean:
3. Pencarian pada distribusi eksponensial menggunakan variabel random.
4. Peluang yang terjadi pada suatu percobaan mempengaruhi selisih waktu yang
terjadi pada percobaan tersebut.
5. Mempunyai nilai b > 0.

C. Kegunaan dan Aplikasi Distribusi Eksponensial

Distribusi eksponensial berguna dalam mencari selisih waktu yang terjai


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).