Anda di halaman 1dari 33

PROSES POISSON

MAKALAH
UNTUK MEMENUHI TUGAS MATAKULIAH
Proses Stokastik
yang dibina oleh Bapak Dr. Swasono Rahardjo, S.Pd, M.Si

Disusun oleh:
Acika Karunila (140312604858)
Alfonsa Maria Gita M (130312602889)
Meytika Islamia W (140312602792)

UNIVERSITAS NEGERI MALANG


FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
JURUSAN MATEMATIKA
Maret 2017
BAB I
PENDAHULUAN
1.1 Latar Belakang
Secara umum pemodelan yang berkembang saat ini bisa
dikategorikan kedalam dua proses yaitu proses poisson dan proses
deterministik.Pada proses stokastik banyak fenomena di alam yang bisa
dibawa kearah proses poisson. Proses antrian merupakan contoh nyata
proses Poisson yang banyak terjadi pada berbagai fasilitas pelayanan saat
ini. Proses antrian suatu proses yang berhubungan dengan kedatangan
pelanggan pada suatu fasilitas pelayanan, menunggu dalam baris antrean
jika belum dapat dilayani, kemudian seorang pelanggan begitu dilayani
hanya akan meninggalkan sarana pelayanan tersebut setelah selesai
pelayanan. Bentuk distribusi kedatangan ada dua yaitu distribusi jumlah
kedatangan dan distribusi waktu antar kedatangan.Sedangkan bentuk
distribusi pelayanan juga ada dua yaitu distribusi jumlah pelayanan dan
distribusi waktu pelayanan.
Pada proses kedatangan waktu antar kedatangan merupakan
distribusi identik dan independen(bebas).Beberapa distribusi waktu antar
kedatangan bisa berdistribusi eksponensial,general,deterministik atau
poisson.Untuk memperoleh distribusi waktu antar kedatangan beberapa
kasus antrean yang terjadi saat ini,seperti panggilan telpon,koneksi server
internet,dan lalu lintas kendaraan dijalan tol pada arus mudik dan arus balik
lebaran serta kedatangan pelanggan dikantor pos pada menjelang tahun baru
dan lebaran tidak mudah didapatkan. Hal ini terjadi karena waktu antar
kedatangannya yang sangat kecil sekali,sehingga sulit untuk mendapatkan
data waktu antar kedatangannya, atau dalam interval waktu kecil,misalkan
satu menit jumlah kedatangannya sangat besar.
1.2 Rumusan Masalah
1. Apa yang dimaksud dengan proses Poisson?
2. Bagaimana penerapan proses Poisson dalam kehidupan sehari-hari?
1.3 Tujuan
1. Mengetahui pengertian dari dengan proses Poisson.
2. Mengetahui bagaimana penerapan proses Poisson dalam kehidupan sehari-
hari.

1
BAB II
PEMBAHASAN

Proses Poisson adalah proses menghitung (counting process) untuk


banyaknya kejadian yang terjadi hingga suatu waktu. Contoh: kedatangan nasabah
suatu bank, munculnya item cacat pada proses pemeriksaan, masuknya pesan
SMS pada handphone anda, dll.
2.1 Proses Menghitung
Definisi 2.1:
Proses stokastik dikatakan proses menghitung (counting
proses) jika menyatakan banyaknya kejadian yang terjadi
selama waktu t (S.Osaki, 1992)
Contoh:
1. adalah banyaknya bayi yang lahir selama waktu t. Maka
proses menghitung.
2. adalah banyaknya orang yang datang ke Toserba Grya dalam
waktu [0,t].
Maka proses menghitung.
Proses menghitung memenuhi sifat:
i.
ii. adalah bilangan bulat
iii. Jika , maka
iv. Untuk menyatakan banyaknya kejadian yang
terjadi pada interval waktu (s,t]
Proses menghitung disebut proses dengan kenaikan bebas (independent
increments) jika banyaknya kejadian yang terjadi pada interval waktu
terpisah adalah saling bebas.
Artinya, banyaknya kejadian yang terjadi pada waktu t, (yaitu N(t)),
bebas dari banyaknya kejadian yang terjadi pada waktu antara t dan t+s,
(yaitu N(t+s)-N(t)).
Proses menghitung disebut proses dengan kenaikan stasioner
(stationary increments) jika distribusi dari banyaknya kejadian yang

2
terjadi pada interval waktu tertentu hanya tergantung pada panjang dari
interval tersebut, tidak bergantung pada letak interval tersebut.
Artinya, banyaknya kejadian pada interval waktu (yaitu
mempunyai distribusi yang sama dengan
banyaknya kejadian pada interval waktu (yaitu
untuk semua

Definisi 2.2: Fungsi dikatakan jika

Contoh:
Untuk interval waktu yang kecil

tidak ada kejadian pada interval waktu yang


kecil h>0
peluang ada kejadian pada interval waktu
yang kecil h>0
2.2 Proses Poisson
Definisi 2.3: (S.Osaki, 1992)
Suatu proses menghitung dikatakan proses Poisson
dengan laju (parameter) > 0 jika memenuhi:
i.
ii. Proses mempunyai kenaikan bebas stasioner (stationary
independent increments)
iii.
iv.
Dari definisi ini, untuk berlaku,

Menyatakan peluang bahwa ada k kejadian yang terjadi pada


interval (0,t].
Hukum Peluang Total:

3
Karena proses Poisson stasioner, maka

Untuk sebarang
Independent increments
Proses mencacah (counting process) mempunyai sifat independent
increments jika untuk sembarang
0 s t u v,
X(t) X(s) saling bebas dengan X(v) X(u)
Jumlah kejadian yang terjadi pada selang waktu yang tidak tumpah
tindih adalah peubah acah yang saling bebas
Definisi 2.4: (S.Osaki, 1992)
Suatu proses menghitung dikatakan proses Poisson
dengan laju (parameter) > 0 jika memenuhi:
i. N(0) = 0
ii. Proses mempunyai kenaikan bebas (independent increments)
iii. Peluang ada k kejadian dalam interval waktu t:
( t ) k t
Pk (t ) P N (t s ) N ( s ) k e , k 0,1,...
k!
s, t 0. N ( s t ) N ( s ) POI ( t ).

Maka E[ N t ] t ,

Var[ N t ] t ,

E[ N t ]
Rate (laju dari proses)
t
= rata-rata banyaknya kejadian yang terjadi per waktu t
stationary increments
Suatu counting process mempunyai stationary increments jika untuk
sembarang s < t, sebaran bagi
X(t) X(s)
tergantung hanya pada selang waktu t s:
X(t s)
Definisi 2.3 dan Definisi 2.4 Ekuivalen
Bukti:

4
a) Definisi 2.3 Definisi 2.4
Sifat i,ii jelas
Selanjutnya, tulis

Untuk

Dari bentuk

diperoleh:

Dengan syarat awal


Untuk

atau

5
Dari sini diperoleh:

Atau ditulis
(PDB Linier)

Untuk

Dengan syarat , diperoleh:

( t ) k t
Dengan induksi matematik diperoleh Pk (t ) e
k!
Hal ini menunjukkan

(sifat (iii) Definisi 2)

b) Definisi 2.4 Definisi 2.3


Sifat (i) jelas
Dari sifat (iii) definisi 2, mempunyai distribusi yang
sama dengan N(t)
Artinya, punya kenaikan stasioner (sifat (ii) definisi 1).
Selanjutnya, dari sifat (iii) definisi 2,

Selanjutnya

6
(memenuhi sifat (iv) definisi 1)
Ekspektasi dan Variansi dari

2.2.1 Contoh soal


1. Pelanggan tiba di toko mengikuti proses Poisson dengan laju 2
orang per jam selama jam kerja dari pukul 10.00 (t=0) sampai
pukul 18.00
a. Tentukan peluang bahwa k pelanggan (k=0,1,2) datang pada
pukul 13.00 15.00
b. Tentukan mean dan variansi dari kedatangan pelanggan selama
jam kerja
Jawab:

a. Waktu 13.00-15.00 t=2

b. Selama jam kerja (10.00-18.00) t = 8

7
2. Panggilan telepon mengikuti proses Poisson dengan laju 10/jam
a. Tentukan peluang bahwa ada 8 panggilan telepon terjadi pada
satu jam pertama
b. Tentukan peluang terdapat 3 panggilan telepon pada setengah
jam pertama dan 6 panggilan telepon pada setengah jam kedua
Jawab:
=10

a.

b.

2.3 Waktu Antar Kedatangan


Berdasarkan proses menghitung , menyatakan
banyaknya kejadian sampai waktu . Perhatikan bahwa kejadian-kejadian
tersebut dapat terjadi kapan saja dalam interval . Misalkan kejadian
pertama terjadi pada saat , disini dan untuk .
Kejadian kedua terjadi pada saat , maka dan untuk
. Perhatikan bahwa adalah panjang waktu terjadinya
kejadian ke setelah kejadian ke . Panjang selang ini disebut dengan
waktu antar kedatangan waktu antar kejadian. Atau dapat ditulis dengan ,
dimana adalah waktu antar kedatangan orang ke- dan orang ke-
dengan menyatakan waktu kedatangan orang pertama. Dan dapat ditulis
pula bahwa adalah barisan waktu
antar kejadian atau kedatangan (interarrival time).

8
Definisi 2.5:
Berdasarkan proses menghitung , misalkan adalah
waktu dari kejadian pertama. Untuk , misalkan adalah waktu
antara kejadian ke dan kejadian ke . Maka disebut
basrisan waktu antar kedatangan atau waktu antar kejadian.

2.4 Distribusi Waktu Kedatangan


Teorema :
Waktu antar kedatangan , dari suatu proses Poisson adalah
saling bebas dan berdistribusi eksponensial dengan parameter .
Bukti:
Akan ditunjukkan
Catat bahwa, terjadi jika tidak ada kejadian dari proses Poisson
yang terjadi pada interval . Ini identik dengan
Maka

Jadi
Untuk , kita dapatkan distribusi bersyarat dengan kejadian pertama terjadi
pada waktu .

9
Maka
Dengan induksi matematika, kita dapatkan, tiap waktu antar kedatangan
adalah saling bebas dan berdistribusi eksponensial dengan parameter .
(terbukti)



2.4.1 Contoh soal
1. Kerusakan terjadi di sepanjang kabel di bawah laut, dengan
jumlah kerusakan yang mengikuti proses Poisson dengan laju
per mil. Berapa peluang bahwa tidak terdapat kerusakan pada 2
mil pertama sepanjang kabel tersebut?
Penyelesaian
Diketahui:
per mil

Ditanya :
Jawab:
Perhatikan bahwa

2.5 Waktu Menunggu dan Distribusinya


Waktu menunggu sampai kejadian ke n adalah

t1 (t2 t1 ) (t3 t2 ) ... (tn tn 1 )


Jika Sn adalah waktu tunggu sampai kejadian ke n, maka
Sn X 1 X 2 ... X n , n 1,2,...

10
Realisasi dari waktu antar kedatangan dan waktu tunggu
Untuk proses Poisson,

Perhatikan waktu tunggu


n
Sn X k , S0 0.
k 1

Karena , maka

x
n 1
t
e x
P( Sn T ) dx
0
(n 1)!
Hubungan antara
S n t N (t ) n

Hubungan antara dan


Teorema
Untuk proses Poissin dengan laju ,

Yakni

Ekuivalen dengan

Yakni

2.6 Distribusi bersyarat antar Kedatangan


Distribusi bersyarat dari waktu antar kedatangan pertama , diberikan ada
kejadian pada waktu untuk ,

11
Teorema:
Diketahui bahwa , n waktu kedatangan memiliki
distribusi yang sama dengan statistik terurut sesuai dengan n variabel
acak bebas berdistribusi seragam pada interval (0,t)
Bukti:
Kita akan menghitung fungsi kepadatan bersyarat dari
Diketahui bahwa
Misal dan misal cukup kecil sehingga

Karena

Dan dengan kita memperoleh bahwa kepadatan bersyarat


memberikan bahwa adalah

12
Yang memenuhi pembuktian.
Proporsisi
Jika menyatakan banyaknya kejadian tipe-i yang terjadi pada
waktu , maka dan adalah bebas Poisson variabel
acak dengan mean dan , dimana

Bukti
Kitaakan menghitung distribusi bersama dari dan
berdasarkan pada :
=n,

Sekarang berdasarkan sebarang kejadian yang terjadi pada interval


. Jika terjadi pada waktu , maka probability nya dalah type-I
yang sebagai . Karena, dengan teorema 2.3.1 kejadian ini akan
berdistribusi seragam pada , hal itu sesuai dengan probability
type-I

Kejadiannya bebas dari kejadian yang lainnya. Karena


sehingga sama dengan probability dari
n sukses dan m gagal pada bebas trivial ketika adalah
probability dari sukses tiap trialnya. Yaitu

Akibatnya

13
Pembuktian selesai

2.7 The M/G/1 Busy Period


Berdasarkan sistem antrian, diketahui sebagai M/G/1, yang
mana pelanggannya tiba pada kesesuaian dengan proses Poisson
dengan laju . Saat Kedatangan menuju pelayanan jika servernya
bebas atau dengan bersama antrian. Kesuksesan waktu pelayanan
adalah bebas dan berdistribusi identik berdasarkan G, dan juga bebas
pada proses kedatangan. Ketika kedatangan pada server yang bebes,
kita dapat sebutkan bahwa waktu atau periode sibuk telah dimulai. Hal
itu akan berakhir saat tidak ada pelanggan yang panjang pada periode
sibuk.
Anggap bahwa periode sibuk akan dimulai pada beberapa saat
waktu, yang mana kita tetapkan pada waktu 0. Misal menyatakan
waktu sampai penjumlahan dari pelanggan yang tiba. (maka, contoh
nya memiliki distribusi ganna dengan parameter ) sehingga
.menyatakan barisan dari waktu pelayanan. Sekarang periode
sibuk pada waktu terakhir dan terdiri dari pelayanan jika dan hanya
jika

Persamaan (I) adalah penting, untuk , maka


kedatangan ke setelah penamaan pelanggan dengan menemukan
sistem yang kosong dari pelanggan dan periode sibuknya dapat
berakhir lebih dahulu ke (dan lebih dahulu ke pelayanan.
Alasan dari (ii) dan (iii)adalah berterus terang dan ditinggalkan untuk
pembaca.

14
sekarang proses kedatangan bebas dari waktu pelayanan dan

dinaman adalah kelipatan n pikiran dari G dengan dirinya


sendiri. Dengan penjumlahan, kita dapat membentuk teorema 2.3.1
yang diberikan kedatanagn di , urutan waktu kedatangan
berdistribusi berdasarkan urutan nilai dari himpunan bebas
seragam variabel acak. Karena menggunakan fakta bahwa
(2.3.3) dan (2.3.2) yaitu

Dimana adalah bebas dari dan


menyatakan urutan nilai dari himpunan seragam variabel
acak.
Lemma 1:
Misal bebas dan dan secara identik
didistribusikan variabel acak non negatif. Maka

Lemma 2:
Misal menunjukkan nilai-nilai susunan dari satu
himpunan dari n variabel acak seragam bebas (0,t). Misal
bebas dan secara identik didistribusikan variabel acak
nonnegatif yang juga bebas dari { . Maka

15
Bukti:
Pembuktian dengan Induksi Matematika pada n
Ketika , kita harus menghitung
Ketika adalah seragam (0,t). Tetapi

Maka asumsi lemma ketika n diganti dengan n-1 dan sekarang


berdasarkan kasus n. Karena hasil adalah jelas untuk ,
misal bahwa . Untuk memanfaatkan hipotesis induksi akan
dihitung ruas kiri persamaan pada lemma dengan pengkondisian
pada nilai-nilai dan menggunakan fakta
bahwa kondisi didistribusikan sebagai
statistika terurut dari himpunan n-1 variabel acak seragam (0,u)
Maka diperoleh,

Dimana adalah nilai terurut dari sbuah himpunan


dari n-1 variabel acak bebas seragam (0,u)
Maka ruas kanan persamaan tersebut sama dengan

Untuk

Lalu

16
Lemma 3
Misal menyatakan urutan nilai dari himpunan
bebas seragam (0,t) variabel acak, dan misal , bebas
dan berdistribusi identik nonnegatif variabel acak yang bebas pula
dari . Maka

Bukti:
Untuk menghitung probabilitynya kita akan menggunakan
lenma 2.3.4 berdasarkan . Yaitu dengan lenma 2.3.4

Karena, , maka

terbukti
2.8 Proses Poisson Nonhomogen
Definisi
Proses menghitung dikatakan proses Poisson
Nonhomogen atau nonstasioner dengan fungsi intensitas (t) jika
memenuhi
(i)
(ii) mempunyai kenaikan bebas
(iii)

17
(iv)
Proses Poisson homogen mempunyai parameter
Proses Poisson nonhomogen mempunyai parameter (t),
(t) disebut fungsi intensitas
Yakni,

Maka kita punyai,

2.9 Compound Variabel Acak Poisson dan Prosesnya


Misal adalah barisan yang bebas dan identitas variabel distribusi
acak memiliki fungsi distribusi . dan misalkan barisan tersebut adalah bebas dari
, varibel acak Poisson dengan rerata . Maka variabel acaknya
disebut compound Poisson variabel acak dengan parameter Poisson dan
komponen distribusi .
Fungsi pembangkit dari diperoleh dari .

Misalkan maka fungsi pembangkit dari dapat


didefinisikan dari (2)

18
Dengan menurunkan fungsi tersebut didapatkan
, dimana memiliki distribusi
Ketika adalah fungsi distribusi diskret representasi dari kombinasi
liniear dari Variabel acak Poisson yang bebas. Misalkan adalah variabel acak
diskrit sehingga

Jika dimisalkan mendefinisikan bilangan dari yang sama ke

maka dapat di tulis sebagai . Sehingga dapat dicari mean dan


varian dari .

2.9.1 Compound Identitas Poisson


Proposisi
MIsalkan variabel acak yang memiliki distribusi yang bebas dari .
Maka untuk sebarang fungsi
:

19
Corollary 1
Jika memiliki distribusi , maka untuk sebarang bilangan bulat
positif

Bukti:
Misalkan dan menggunakan proposisi 2.5.1.1 maka:

Dengan didapatkan

20
.
.
.
Dan seterusnya
Corollary 2

Bukti:
Diketahui bahwa sehingga

Misalkan

Karena

Maka dengan menggunakan Proposisi 2.5.1.1 didapatkan

2.9.2 Compound Proses Poisson


Proses Stokastik disebut sebagai compound
proses Poisson jika dapat direpresentasikan untuk oleh

21
dimana adalah Proses Poisson, dan
adalah keluarga dari variabel bebas dan identitas
distribusi variabel acak yang bebas dari proses . Jadi,
jika adalah compound Proses Poisson maka
adalah compound variabel acak Poisson.

2.10 Latihan soal


1) Misal pengunjung blog A suka melihat blog dengan berdistribusi
Poisson dengan parameter laju =2. Pertanyaannya :
a. Berapa waktu yang diharapkan hingga orang kesepuluh datang
melihat blog A?
b. Berapa peluang bahwa orang ke 5 baru melihat blog A 4 jam
sesudah orang ke 4?
Jawab:
a. Jadi waktu yang diharapkan untuk menunggu blog A dilihat
oleh 10 orang adalah

Jadi, waktu yang diharapkan adalah 5 jam.


b.
Bisa dilihat bahwa, nilainya akan semakin mengecil jika t
semakin besar.
Jadi, peluang dari orang keempat lalu ke orang kelima tidak
datang-datang itu kecil sekali, mendekati 0. Terlebih, jika
orang keempat melihat blog A, lalu berbulan-bulan kemudian
orang kelima melihat blog A itu peluangnya sangat kecil
sekali.
2) Hitunglah:
a.
b.
c.
d.

22
Jawab:

a.

b.

c.
d.

3) Misalkan adalah proses Poisson dengan laju sama dengan 3.


Hitung.
a.
b.
Jawab:

a.

b.

4) Misalkan adalah waktu yang dibutuhkan untuk menulis blog.


Misalkan fungsi peluangnya:

23
Maka dapat diketahui bahwa lajunya adalah , dengan menit
Pertanyaannya:
a. Hitung peluang sebuah tulisan selesai dalam 5 jam kedepan?
b. Berapa peluang 3 blog selesai sekaligus dalam 5 jam?
Jawab:
a. Jika adalah per 30 menit berarti jika 5 jam itu akan bernilai 10

Sehingga

b.

Sehingga

5) Misalkan adalah proses Poisson dengan laju . Hitung


peluang diberikan (Contoh 4 ref 5)
Jawab:

24
6) Seorang mahasiswi UII sedang menjadi selebritis medsos. Dia
memiliki 3 akun media sosial yang masing-masing memiliki jumlah
follower yang selalu bertambah setiap waktu. Penambahan jumlah
follower mengikuti proses Poisson sebagai berikut:
Penambahan jumlah follower di instagram: 2/menit
Penambahan jumlah follower di facebook: 4/menit
Penambahan jumlah follower di twitter: 3/menit
Tentukan :
a. Waktu harapan hingga penambahan follower berikutnya
b. Waktu harapan hingga penambahan follower Instagran berikutnya
c. Peluang bahwa follower akun twitternya akan bertambah pada
manit ke depan
Jawab:

Dengan parameter

a.

b.

c. , maka

7) Misalkan adalah waktu yang dibutuhkan untuk menulis blog.


Misalkan fungsi peluangnya:

Maka dapat diketahui bahwa lajunya adalah , dengan menit


Pertanyaannya:
a. Hitung peluang sebuah tulisan selesai dalam 5 jam kedepan?
b. Berapa peluang 3 blog selesai sekaligus dalam 5 jam?

25
Jawab:
a. Jika adalah per 30 menit berarti jika 5 jam itu akan bernilai 10

Sehingga

b.

Sehingga

8) Misalkan adalah proses Poisson dengan laju . Hitung


peluang diberikan
Jawab:

9) Seorang mahasiswi UII sedang menjadi selebritis medsos. Dia


memiliki 3 akun media sosial yang masing-masing memiliki jumlah
follower yang selalu bertambah setiap waktu. Penambahan jumlah
follower mengikuti proses Poisson sebagai berikut:
Penambahan jumlah follower di instagram: 2/menit
Penambahan jumlah follower di facebook: 4/menit

26
Penambahan jumlah follower di twitter: 3/menit
Tentukan :
a. Waktu harapan hingga penambahan follower berikutnya
b. Waktu harapan hingga penambahan follower Instagran berikutnya
c. Peluang bahwa follower akun twitternya akan bertambah pada
manit ke depan
Jawab:

Dengan parameter

a.

b.

c. , maka

10) Mahasiswa-mahasiswa Statistik Universitas Negeri Malang akan


datang ke Gedung Baru FMIPA melewati pintu barat atau pintu timur
gedung (pintu utaranya sedang diperbaiki). Kedatangan mahasiswa
melalui dua pintu tersebut berturut-turut mengikuti proses Poisson
dengan parameter dan per menit.

a. Berapa peluang tidak ada mahasiswa datang pada selang waktu 5


menit?
b. Hitung mean waktu antar kedatangan mahasiswa-mahasiswa
tersebut!
c. Berapa peluang seorang mahasiswa benar-benar datang melalui
pintu barat?
d. Berapa peluang setidaknya ada 2 orang yang masuk gedung
dalam 5 menit?
Jawab:

27
Maka

Karena

Maka
a. Peluang tidak ada mahasiswa datang pada selang waktu 5 menit
adalah

b. Mean waktu antar kedatangan mahasiswa-mahasiswa

c. Peluang seorang mahasiswa benar-benar datang melalui pintu barat

d. Peluang setidaknya ada 2 orang masuk gedung dalam 5 menit

11) Seorang mahasiswi Universitas Negeri Malang sedang menjadi


selebriti medsos. Dia memiliki 3 akun media sosial yang masing-
masing memiliki jumlah follower yang selalu bertambah setiap waktu.
Penambahan jumlah follower mengikuti tiga proses Poisson sebagai
berikut
a. Penambahan jumlah follower di instagram: 2/menit
b. Penambahan jumlah follower di facebook: 4/menit
c. Penambahan jumlah follower di twitter: 3/menit
Tentukan:
a. Waktu harapan hingga penambahan follower berikutnya
b. Waktu harapan hingga penambahan follower instagram berikutnya
c. Peluang bahwa follower akun twitternya akan bertambah pada

menit ke depan

28
Jawab:

Dengan parameter

Sehingga
a.

b.

c.

12) Misal pengunjung blogku suka liatin blogku itu berdistribusi Poisson
dengan parameter laju =2. Pertanyaannya :
c. Berapa waktu yang diharapkan hingga orang kesepuluh datang
melihat blogku?
d. Peluang bahwa orang ke 5 baru liat blogku 4 jam sesudah orang
keempat
Jawab:
c. Waktu yang diharapkan. Jadi nunggu liliat 10 orang itu berapa
lama kira-kira.

Jadi, waktu yang diharapkan adalah 5 jam.


d.
Bisa dilihat bahwa, nilainya akan semakin mengecil jika t
semakin besar.
Jadi, peluang dari orang keempat lalu ke orang kelima tidak
datang-datang itu kecil sekali, mendekati 0. Terlebih, jika
orang keempat liat blog, lalu berbulan-bulan orang kelima
melihat blog itu mustahil.
13) Misalkan proses Poisson dengan laju . Misalkan , dan
Tentukan distribusi

29
Jawab:
Kita ketahui bahwa saling bebas, jadi

Jadi, distribusi adalah Poisson dengan parameter (

30
BAB III
PENUTUP

3.1 Kesimpulan
Proses Poisson menggambarkan munculnya suatu kejadian pada titik-
titik waktu secara acak, dimana proses pencacahan banyaknya kedatangan
selama suatu selang waktu tertentu sebagai suatu peubah acak poisson atau
dengan kata lain proses Poisson adalah proses menghitung (counting process)
untuk banyaknya kejadian yang terjadi hingga suatu waktu.
Proses Poisson dapat diterapkan dalam teori antrian untuk
pengaplikasian dalam kehidupan sehari-hari. Seperti kedatangan nasabah
suatu bank, munculnya item cacat pada proses pemeriksaan, masuknya pesan
SMS pada handphone anda, dll.
3.2 Saran
Demikian hasil makalah untuk memenuhi tugas yang dapat saya
paparkan. Dalam pembuatan makalah ini masih banyak terdapat kekurangan,
sehingga kritik dan saran dari pembaca sangat saya harapkan. Semoga
makalah ini dapat bermanfaat bagi pembaca.

31
DAFTAR RUJUKAN

Ross, Sheldon M.1996. Stochastic Processes. Ed.2. California:United States of


America
Syuhada,Khreshna I.A. 2011. Pengantar Proses Stokastik . (Online)
Ahdika, Atina. Pengantar Proses Stokastik.Universitas Islam Indonesia. 2015

32