METODE STATISTIKA I
SEBARAN PELUANG DISKRIT
OLEH :
NAMA : MELATI SUKMA AYU RAHMANSYAH
NIM : 165090507111014
ASISTEN : 1. DEVY INTAN KUMALASARI
2. CITRA REGITA PERMATA ADI
LABORATORIUM STATISTIKA
PROGRAM STUDI STATISTIKA
JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS BRAWIJAYA
MALANG
2016
BAB I
PENDAHULUAN
BAB II
TINJAUAN PUSTAKA
2.1 Distribusi Peluang
Distribusi peluang diskrit adalah distribusi peluang dimana semesta
peubah acaknya dapat dihitung atau berhingga, misalnya peubah
acak sebuah lemparan dadu bernilai 1 hingga 6. Apabila himpunan
pasangan terurut (x, f(x)) merupakan suatu fungsi peluang, fungsi
masa peluang, atau distribusi peluang peubah acak diskrit x maka
untuk setiap kemungkinan hasil x berlaku:
a. f(x)
b.
c. P(X=x) = f(x)
f(y,n) =
2. Distribusi Binomial
Distribusi Binomial merupakan distribusi peluang yang dihasilkan
dari proses Bernoulli yang memiliki empat karakteristik utama,
yaitu:
1) Percobaan dilakukan pengulangan sebanyak n kali.
2) Tiap percobaan memiliki dua hasil saja yakni:sukses/gagal.
3) Peluang sukses (p) pada setiap percobaan adalah konstan.
4) Pengulangan percobaan harus bebas (independent) satu sama
lain, artinya hasil eksperimen yang satu tidak mempengaruhi hasil
eksperimen yang lainnya.
Sebuah percobaan Bernoulli dengan peluang sukses p dan peluang
gagal q = (1-p) , maka distribusi peluang peubah acak binomial X
(jumlah kejadian sukses dalam n kali percobaan) dapat dituliskan:
P(Y=y) =
3. Distribusi Hipergeometrik
Cara sederhana untuk membedakan distribusi Hipergeometrik
dengan distribusi Binomial adalah dengan melihat proses penarikan
sampelnya. Pada distribusi Binomial, antar percobaan bersifat
bebas sedangkan pada distribusi Hipergeometrik peluang sukses
percobaan saat ini bergantung pada hasil percobaan sebelumnya.
Percobaan Hipergeometrik memiliki sifat berikut:
1) Sampel acak ukuran n diambil tanpa pengembalian dari N benda
2) Sebanyak k benda dapat diberi nama sukses sedangkan sisanya,
N-k, diberi nama gagal, sehingga distribusi peluang peubah acak
Hipergeometrik y (banyaknya sukses dalam sampel acak ukuran n
yang diambil dari N benda yang mengandung k bernama sukses
dan N-k bernama gagal ialah:
Pengunaan distribusi Hipergeometrik terdapat banyak bidang,
antara lain pada penerimaan sampel, pengujian elektronik dan
pengendalian mutu.
4. Distribusi Poisson
Eksperimen Poisson adalah eksperimen yang menghasilkan nilai
dari suatu peubah acak y, yaitu jumlah keluaran yang terjadi selama
satu selang waktu atau di antara suatu daerah. Misalkan, jumlah
panggilan telepon per jam yang diterima oleh suatu kantor,
banyaknya hari sekolah di tutup karena banjir, banyaknya kertas
rijek karena salah ketik dll.
Percobaan Poisson berasal dari proses Poisson yang memiliki sifat
sebagai berikut:
1) Jumlah keluaran yang muncul dalam suatu rentang waktu atau
suatu daerah tidak dipengaruhi (independent) terhadap jumlah
keluaran yang terjadi di rentang waktu atau daerah yang lain yang
terpisah.
2) Peluang bahwa yang satu keluaran akan muncul dalam selang
waktu yang sangat pendek atau daerah yang kecil adalah
proporsional dengan panjang selang waktu atau luas dari daerah.
3) Peluang muncul lebih dari satu keluaran dalam selang waktu
yang amat pendek atau daerah yang kecil dapat diabaikan.
Distribusi peluang acak Poisson Y yang menyatakan banyaknya
sukses yang terjadi diberikan oleh:
(Andi Hakim Nasution dan Barizi,1975)
dimana menyatakan banyaknya sukses yang terjadi, sedangkan e
= 2,71
Distribusi Poisson dianggap sebagai pendekatan pada distribusi
Binomial apabila n (banyaknya percobaan) adalah besar, sedangkan
p (probabilitas sukses) sangat kecil.
2.2 Program Genstat
Pada zaman sekarang, teknologi semakin canggih. Terdapat banyak
solusi cepat yang muncul, seperti komputer sangat besar
manfaatnya. Salah satunya adalah membantu penyelesaian analisis
data secara cepat dan efektif. The Windows menciptakan suatu
program yaitu GenStat. GenStat adalah sistem statistik yang
memungkinkan kita untuk meringkas,menampilkan,dan
menganalisi data. Bahasa pemograman GenStat begitu sederhana
sehingga mudah dipahami dan mudah dipelajari.
BAB III
METODOLOGI
3.1 Langkah langkah menggunakan GenStat
Untuk nomer 1b
Untuk nomer 1c
Hasil GenStat :
Hasil GenStat :
c. Peluang 4 sampai 7 partikel melewati penghitung dalam suatu
milidetik tertentu
Hasil manual :
.5154
Hasil GenStat :
=2
Hasil Genstat :
=3
Hasil GenStat :
3. Suatu perusahaan lampu listrik memproduksi lampu-lampu pijar.
Telah diselidiki, bahwa menurut bag quality control terdapat 19
rusak dari setiap memproduksi 100 lampu. Jika perusahaan
mengepak lampu tersebut dalam doos yang berisi 10.
a. Berapa kemungkinannya, bahwa dalam satu doos tertentu
terdapat kurang dari 4 yang rusak ?
Hasil manual :
p=0,19
q=0.81
n=10
P(Y=y) =
P(Y4) =
P(Y=y) =
P(Y=y) =
\
BAB V
PENUTUP
4.1 Kesimpulan
Penghitungan peluang diskrit lebih mudah dan lebih cepat
menggunakan software genstat dibandingkan menggunakan cara
Hasil yang diperoleh lebih akurat dan lebih terperinci apabila
menggunakan software genstat
Tingkat kesalahan yang terjadi lebih kecil dibandingkan dengan
penghitungan secara manual
Waktu pengerjaan yang dibutuhkan jauh lebih cepat menggunakan
software daripada penghitungan secara manual
Berikut adalah perbandingan hasil perhitungan manual dengan GenStat:
NO MANUAL GENSTAT
1a 0.1042 0.1042
1b 0.7851 0.7851
1c 0.5154 0.5154
2 0.3175 0.3175
0.3175 0.3175
3a 0.9734 0.9734
3b 0.1039 0.1039
3c 0.2873 0.2873
Interpretasi : perbandingan hasil perhitungan manual dengan GenStat
relatif sama.
4.2 Saran
Saat menginput data diharapkan lebih teliti agar hasil output tidak
keliru
Penggunaan software dipublikasikan agar masyarakat umum bisa
menggunakan dalam penghitungan jumlah besar
Buku panduan software genstat diperbanyak agar tidak terjadi
kebingungan saat melakukan mengolahan data
DAFTAR PUSTAKA
Nasoetion, Andi Hakim dan Barizi. 1975. Metode Statistika. Jakarta : PT.
Gramedia
https://www.google.co.id/url?
sa=t&source=web&rct=j&url=http://industri.ums.ac.id/web/sites/default/fil
es/materi/Praktikum%2520statistik%2520MODUL
%2520II.pdf&ved=0ahUKEwib-
YjQ39vPAhVIpI8KHbjNDKkQFggtMAg&usg=AFQjCNGwPNEHqyhvO
NKZq4gqImC6-r_lxQ
LAMPIRAN
Output
1 %CD 'C:/Users/Owner/Documents'
2 DELETE [REDEFINE=yes] _Prob
3 CALC _Prob = PRPOISSON(6;4)
4 PRINT [IP=*] ' Poisson Individual Probability = ',_Prob;F=1;SKIP=0
Input
%CD 'C:/Users/Owner/Documents'
DELETE [REDEFINE=yes] _Prob
CALC _Prob = PRPOISSON(6;4)
PRINT [IP=*] ' Poisson Individual Probability = ',_Prob;F=1;SKIP=0
DELETE [REDEFINE=yes] _XDev_
CALC _XDev_ = 6
FSPREADSHEET _XDev_,_Prob
DELETE [REDEFINE=yes] _Prob
CALC _Prob = CLPOISSON(5;4)
PRINT [IP=*] ' Poisson Cumulative Lower Probability =
',_Prob;F=1;SKIP=0
DELETE [REDEFINE=yes] _XDev_
CALC _XDev_ = 5
FSPREADSHEET _XDev_,_Prob
DELETE [REDEFINE=yes] _Prob
CALC _Prob = CLPOISSON(7;4)-CLPOISSON(3;4)
PRINT [IP=*] ' Poisson Probability in Interval = ',_Prob;F=1;SKIP=0
DELETE [REDEFINE=yes] _XLower_,XUpper_
CALC _XLower_,XUpper_ = 3,7
FSPREADSHEET _XLower_,XUpper_,_Prob
DELETE [REDEFINE=yes] _Prob
CALC _Prob = PRHYPERGEOMETRIC(2;5;5;9)
PRINT [IP=*] ' Hypergeometric Individual Probability =
',_Prob;F=1;SKIP=0
DELETE [REDEFINE=yes] _XDev_
CALC _XDev_ = 2
FSPREADSHEET _XDev_,_Prob
DELETE [REDEFINE=yes] _Prob
CALC _Prob = PRHYPERGEOMETRIC(3;4;5;9)
PRINT [IP=*] ' Hypergeometric Individual Probability =
',_Prob;F=1;SKIP=0
DELETE [REDEFINE=yes] _XDev_
CALC _XDev_ = 3
FSPREADSHEET _XDev_,_Prob
DELETE [REDEFINE=yes] _Prob
CALC _Prob = CLBINOMIAL(4;10;0.19)
PRINT [IP=*] ' Binomial Cumulative Lower Probability =
',_Prob;F=1;SKIP=0
DELETE [REDEFINE=yes] _XDev_
CALC _XDev_ = 4
FSPREADSHEET _XDev_,_Prob
DELETE [REDEFINE=yes] _Prob
CALC _Prob = CUBINOMIAL(3;10;0.19)
PRINT [IP=*] ' Binomial Cumulative Upper Probability =
',_Prob;F=1;SKIP=0
DELETE [REDEFINE=yes] _XDev_
CALC _XDev_ = 3
FSPREADSHEET _XDev_,_Prob
DELETE [REDEFINE=yes] _Prob
CALC _Prob = CLBINOMIAL(5;10;0.19)-CLBINOMIAL(2;10;0.19)
PRINT [IP=*] ' Binomial Probability in Interval = ',_Prob;F=1;SKIP=0
DELETE [REDEFINE=yes] _XLower_,XUpper_
CALC _XLower_,XUpper_ = 2,5
FSPREADSHEET _XLower_,XUpper_,_Prob