LAPORAN PRAKTIKUM KE - 2

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

1.1 Latar Belakang

Dalam kehidupan sehari-hari sebagian besar kita dilibatkan dalam
pertnyaan-pertanyaan atau pernyataan-pernyataan yang di dalamnya
berhubungan dengan suatu ketidakpastian dan kita mencoba
menyatakan sampai seberapa jauh kepastiannya. Umunya pernyataan
ketidakpastian tersebut dinyatakan dengan perkataan mungkin atau
kemungkinan. (Suntoyo Ys,1990)
Istilah kemungkinan tersebut digunakan untuk dua hal yang berbeda
yaitu pertama ukuran ketidak pastian (dinyatakan dengan kemungkinan
kecil sekali dan mungkinkah) dan kedua merupakan suatu alternatif
untuk memperoleh sesuatu bila terdpat lebih dari satu
jeni/kriteria/kategori. (Suntoyo Ys,1990)
Kemungkinan yang menyangkut ketidakpastian, kita namakan peluang
(probability), sedangkan yang bersifat umum kita sebut dengan
kemungkinan (possibility). Peluang kita gunakan untuk
menunjukkan/menyatakan ukuran atau derajat ketidakpastian atau
kepastiannya. (Suntoyo Ys,1990)
1.2 Tujuan

Tujuan dari praktikum ini adalah untuk

1. Melakukan langkah-langkah penghitungan peluang diskrit dengan

menggunakan software genstat
2. Menyelesaikan permasalahan yang berhubungan dengan peluang
diskrit, khususnya peluang Binomial , Poisson, dan Hipergeometri
3. Menginterpretasikan hasil penghitungan yang diperoleh

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)

Beberapa distribusi peluang diskrit adalah :

1. Distribusi seragam (Uniform)

Pada distribusi ini setiap peubah acak memiliki nilai peluang yang
sama. Jika y adalah adalah suatu peubah acak dengan nilai

masing-masing memiliki nilai peluang yang sama,

maka distribusi seragam dapat dituliskan:

f(y,n) =

Contoh distribusi seragam adalah distribusi peluang munculnya 1

angka dadu (1 hingga 6) ketika dilempar, yaitu

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) =

(Andi Hakim Nasution dan Barizi,1975)

Peluang terambilnya kartu As di setiap pengambilan satu kotak
kartu merupakan salah satu contoh percobaan Bernoulli.

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

Langkah-langkah melakukan penghitungan peluang diskrit dengan

menggunakan software Genstat adalah sebagai berikut :

Double klik pada ikon genstat di desktop

Kemudian akan muncul seperti ini, dan Klik Run Discovery

 Akan muncul kotak dialog Getting Started, kemudian klik Close

Setelah itu akan muncul tampilan seperti ini

 Untuk memasukkan data, pilih Data >Probability Calculations

Maka akan muncul kotak dialog seperti dibawah ini

 Pada kolom Distribution klik Discrete dan akan berubah seperti
berikut
Untuk soal nomor 1 menggunakan peluang Poisson
Untuk nomer 1a
Masukkan mean = 4 dan X = 6,pilih Individual Probability pada
kotak yang disediakan, centang pilihan Display in Spreadsheet
Kemudian klik Run
 Dan akan muncul hasilnya seperti ini

Untuk nomer 1b

Masukkan X=5 dan pilih Cumulative Lower Probabiliy karena

yang dicari adalah P(x5)

Kemudian klik Run

 Dan akan muncul hasilnya seperti ini

Untuk nomer 1c

Masukkan Range of values 4 dan 7 dan pilih Probability in Interval

karena yang dicari adalah P(4X7)

Kemudian klik Run

Dan akan muncul hasilnya seperti ini

 Untuk soal nomor 1 menggunakan peluang Hipergeometri

Masukkan Sample size (M) = 5, Population Size (N) = 9, Number

of Positive in Pop (L) = 5 dan pilih Individual Probability karena
yang dicari adalah P(Y=2) untuk tulip

Kemudian klik Run

Dan akan muncul hasilnya

 Masukkan Sample size (M) = 5, Population Size (N) = 9, Number
of Positive in Pop (L) = 4 dan pilih Individual Probability karena
yang dicari adalah P(Y=3) untuk daffodil

Kemudian klik Run

dan akan muncul hasilnya

 yang dicari adalah

Untuk soal nomor 3a menggunakan peluang Binomial

Masukkan Probability of Success (p) = 0.19, Number of Samples

(N) = 10 dan pilih Cumulative Lower Probability karena yang
dicari adalah P(Y4)

Kemudian klik Run

Dan akan muncul hasil

 Untuk soal nomor 3b menggunakan peluang Binomial

Masukkan Probability of Success (p) = 0.19, Number of Samples

(N) = 10 dan pilih Cumulative Upper Probability karena yang
dicari adalah P(Y>3)

Kemudian klik Run

Dan akan muncul hasilnya

 Untuk soal nomor 3c menggunakan peluang Binomial

Masukkan Probability of Success (p) = 0.19, Number of Samples

(N) = 10 dan pilih Probability in Intervaal karena yang dicari
adalah P(3Y5)

Kemudian klik Run

Dan akan muncul hasilnya

 BAB IV

HASIL dan PEMBAHASAN

1. Rata-rata banyaknya partikel radioaktif yang melewati suatu

penghitung selama 1 milidetik dalam suatu percobaan di
laboratorium adalah 4, dengan menggunakan sebaran peluang
Poisson hitunglah :
a. Peluang 6 partikel melewati penghitung dalam suatu milidetik
tertentu.
Hasil manual :

Hasil GenStat :

b. Peluang kurang dari 5 partikel melewati penghitung dalam

suatu milidetik tertentu
Hasil manual :

Hasil GenStat :
 c. Peluang 4 sampai 7 partikel melewati penghitung dalam suatu
milidetik tertentu
Hasil manual :

=4) + =5) + =6) + =7)

.5154
Hasil GenStat :

2. Seseorang hendak menanami halaman belakang dan depan

rumahnya dengan tanaman bunga. Dari sebuah kotak yang berisi 5
umbi tulip dan 4 umbi daffodil. Ia mengambil 5 umbi untuk
ditanam di halaman depan, dan sisanya ditanam di halaman
belakang. Berapa peluang ketika musim bunga tiba di halaman
depan berbunga 2 tulip dan 3 daffodil
Hasil manual :
N=9
n=5
5

=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=0) + P(Y=1) + P(Y=2) + P(Y=3)]

P(Y4) =

P(Y4) = 0.1216 + 0.2852 + 0.3010 + 0.1883 +0.0773

= 0.9734
Hasil GenStat :
b. Berapa kemungkinannya, bahwa dalam doos yang kita pilih
terdapat paling sedikit 3 yang rusak ?
Hasil manual :

P(Y=y) =

P(Y>3) =1- P(x3)

P(Y>3) = [P(Y=0) + P(Y=1) + P(Y=2]
P(Y>3) = 1-
P(Y>3) = 1- (0.1216 + 0.2852 + 0.3010 + 0.1883)
= 0.1039
Hasil GenStat :

c. Berapa kemungkinannya, bahwa dalam doos yang kita pilih

terdapat paling banyak 5 yang rusak dan paling sedikit 3 yang
rusak ?
Hasil manual :

P(Y=y) =

P(3Y5) = P(x>3) + P(x>4) + P(x>5)

P(3Y5)=
P(3Y5) = 0.1883 + 0.0773 + 0.0217
= 0.2873
Hasil GenStat :

\
 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

Yitnosumarto, Suntoyo. 1990. Dasar-dasar Statistika. Jakarta : CV.

Rajawali

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

GenStat Discovery Edition 4

GenStat Procedure Library Release PL18.2
________________________________________

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

Poisson Individual Probability = 0.1042

 5 DELETE [REDEFINE=yes] _XDev_
6 CALC _XDev_ = 6
7 FSPREADSHEET _XDev_,_Prob
8 DELETE [REDEFINE=yes] _Prob
9 CALC _Prob = CLPOISSON(5;4)
10 PRINT [IP=*] ' Poisson Cumulative Lower Probability =
',_Prob;F=1;SKIP=0

Poisson Cumulative Lower Probability = 0.7851

11 DELETE [REDEFINE=yes] _XDev_

12 CALC _XDev_ = 5
13 FSPREADSHEET _XDev_,_Prob
14 DELETE [REDEFINE=yes] _Prob
15 CALC _Prob = CLPOISSON(7;4)-CLPOISSON(3;4)
16 PRINT [IP=*] ' Poisson Probability in Interval = ',_Prob;F=1;SKIP=0

Poisson Probability in Interval = 0.5154

17 DELETE [REDEFINE=yes] _XLower_,XUpper_

18 CALC _XLower_,XUpper_ = 3,7
19 FSPREADSHEET _XLower_,XUpper_,_Prob
20 DELETE [REDEFINE=yes] _Prob
21 CALC _Prob = PRHYPERGEOMETRIC(2;5;5;9)
22 PRINT [IP=*] ' Hypergeometric Individual Probability =
',_Prob;F=1;SKIP=0

Hypergeometric Individual Probability = 0.3175

 23 DELETE [REDEFINE=yes] _XDev_
24 CALC _XDev_ = 2
25 FSPREADSHEET _XDev_,_Prob
26 DELETE [REDEFINE=yes] _Prob
27 CALC _Prob = PRHYPERGEOMETRIC(3;4;5;9)
28 PRINT [IP=*] ' Hypergeometric Individual Probability =
',_Prob;F=1;SKIP=0

Hypergeometric Individual Probability = 0.3175

29 DELETE [REDEFINE=yes] _XDev_

30 CALC _XDev_ = 3
31 FSPREADSHEET _XDev_,_Prob
32 DELETE [REDEFINE=yes] _Prob
33 CALC _Prob = CLBINOMIAL(4;10;0.19)
34 PRINT [IP=*] ' Binomial Cumulative Lower Probability =
',_Prob;F=1;SKIP=0

Binomial Cumulative Lower Probability = 0.9734

 35 DELETE [REDEFINE=yes] _XDev_
36 CALC _XDev_ = 4
37 FSPREADSHEET _XDev_,_Prob
38 DELETE [REDEFINE=yes] _Prob
39 CALC _Prob = CUBINOMIAL(3;10;0.19)
40 PRINT [IP=*] ' Binomial Cumulative Upper Probability =
',_Prob;F=1;SKIP=0

Binomial Cumulative Upper Probability = 0.1039

41 DELETE [REDEFINE=yes] _XDev_

42 CALC _XDev_ = 3
43 FSPREADSHEET _XDev_,_Prob
44 DELETE [REDEFINE=yes] _Prob
45 CALC _Prob = CLBINOMIAL(5;10;0.19)-CLBINOMIAL(2;10;0.19)
46 PRINT [IP=*] ' Binomial Probability in Interval =
',_Prob;F=1;SKIP=0

Binomial Probability in Interval = 0.2873

47 DELETE [REDEFINE=yes] _XLower_,XUpper_

48 CALC _XLower_,XUpper_ = 2,5
49 FSPREADSHEET _XLower_,XUpper_,_Prob

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