BAB I

PENDAHULUAN

1.1 Latar Belakang

Pengertian mengenai beberapa distribusi yang utama akan meningkatkan
kemampuan seseorang untuk membaca dan mengartikan hasil karya ilmiah di
semua bidang. Setiap kejadian yang dapat dinyatakan sebagai perubahan nilai suatu
variabel umumnya mengikuti suatu distribusi teoretis tertentu dan apabila sudah
diketahui dengan jelas jenis distribusinya, kita akan dapat dengan mudah berapa
probabilitas kejadian tersebut. Misalnya: berapa probabilitas bahwa seorang calon
presiden RI akan terpilih menggantikan presiden yang lama.
Dalam teori probabilitas dan statistika, distribusi binomial adalah distribusi
probabilitas diskret jumlah keberhasilan dalam n percobaan ya/tidak
(berhasil/gagal) yang saling bebas, dimana setiap hasil percobaan memiliki
probabilitas p. Eksperimen berhasil/gagal juga disebut percobaan bernoulli. Ketika
n = 1, distribusi binomial adalah distribusi bernoulli. Distribusi binomial
merupakan dasar dari uji binomial dalam uji signifikansi statistik. Distribusi ini
seringkali digunakan untuk memodelkan jumlah keberhasilan pada jumlah sampel n
dari jumlah populasi N. Apabila sampel tidak saling bebas (yakni pengambilan
sampel tanpa pengembalian), distribusi yang dihasilkan adalah distribusi
hipergeometrik, bukan binomial.Semakin besar N daripada n, distribusi binomial
merupakan pendekatan yang baik dan banyak digunakan.
Sedangkan distribusi Poisson diberi nama sesuai dengan penemunya yaitu
Siemon D. Poisson. Distibusi ini merupakan distribusi probabilitas untuk variabel
diskrit acak yang mempunyai nilai 0,1, 2, 3 dst. Suatu bentuk dari distribusi ini
adalah rumus pendekatan peluang Poisson untuk peluang Binomial yang dapat
digunakan untuk pendekatan probabilitas Binomial dalam situasi tertentu. Rumus
Poisson dapat digunakan untuk menghitung probabilitas dari jumlah kedatangan,
misalnya : probabilitas jumlah kedatangan nasabah pada suatu bank pada jam
kantor. Distribusi Poisson ini digunakan untuk menghitung probabilitas menurut
satuan waktu.

Metode eksperimen fisika-1

1.2 Rumusan Masalah
1. Apa definisi dan ciri-ciri distribusi binomial?
2. Apa saja syarat dan sifat distribusi binomial?
3. Bagaimana perumusan distribusi binomial?
4. Apa definisi dan ciri-ciri distribusi Poisson?
5. Apa asumsi distribusi Poisson?
6. Bagaimana proses distribusi Poisson?
7. Apa rumus pendekatan peluang poisson untuk binomial?

1.3 Tujuan Penulisan

1. Menjelaskan definisi dan ciri-ciri distribusi binomial;
2. Menjelaskan syarat dan sifat distribusi binomial;
3. Menjelaskan perumusan distribusi binomial;
4. Menjelaskan definisi dan ciri-ciri distribusi Poisson;
5. Menjelaskan asumsi distribusi Poisson;
6. Menjelaskan proses distribusi Poisson;
7. Menjelaskan rumus pendekatan peluang poisson untuk binomial;

Metode eksperimen fisika-2

 BAB II
PEMBAHASAN

2.1 Distribusi Binomial

2.1.1 Definisi distribusi binomial
Distribusi binomial dilatarbelakangi oleh perlakuan-perlakuan
Bernoulli(sarjana matematika swiss abad ke-17). Suatu percobaan dimana pada
setiap perlakuan hasilnya hanya dua kemungkinan disebut percobaan Bernoulli,
dan masing-masing perlakuan disebut perlakuan Bernoulli. Kemungkinan
pertaama disebut sukses dan kemungkinan kedua disebut gagal. Suatu percobaan
dengan perlakuan-perlakuan Bernoulli disebut percobaan binom. Jika X
menyatakan banyaknya sukses dalam percobaan binom, maka X disebut peubah
acak binom. Distribusi peubah acak binom disebut distribusi binom(Richard,
2006:161).
Menurut Abusani (2015) Distribusi binomial berasal dari percobaan
binomial yaitu suatu proses Bernoulli yang diulang sebanyak n kali dan saling
bebas. Suatu distribusi Bernoulli dibentuk oleh suatu percobaan Bernoulli
(Bernoulli trial). Sebuah percobaan Bernoulli harus memenuhi syarat:Keluaran
(outcome) yang mungkin hanya salah satu dari sukses atau gagal, Jika
probabilitas sukses p, maka probabilitas gagal q = 1 p.
Distribusi binomial adalah distribusi probabilitas diskrit jumlah keberhasilan
dalam n percobaan ya/tidak (berhasil/gagal) yang saling bebas, dimana setiap
hasil percobaan memiliki probabilitas p. Eksperimen berhasil/gagal juga disebut
percobaan bernoulli. Ketika n = 1, distribusi binomial adalah distribusi bernoulli.
Distribusi binomial merupakan dasar dari uji binomial dalam uji signifikansi
statistik.
Distribusi Binomial digunakan untuk data diskrit (bukan data kontinu) yang
dihasilkan dari eksperimen Bernouli, mengacu kepada matematikawan
JacobBernouli. Peristiwa pelemparan mata uang (koin) yang dilakukan beberapa
kaliadalah contoh dari proses bernouli, dan hasil (outcomes) dari tiap-tap
pengocokan dapat dinyatakan sebagai distribusi probabilitas binomial.
Kejadiansukses atau gagal calon pegawai dalam psikotest merupakan contoh lain

Metode eksperimen fisika-3

 dari proses Bernouli. Sebaliknya distribusi frekuensi hidupnya lampu neon di
pabrik anda harus diukur dengan skala kontinu dan bukan dianggap sebagai
distribusi binomial.
Menurut Intanlailiyah (2013) 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, yaitu sebasar .

2.1.2 Ciri-ciri Distribusi Binomial

Menurut Abusani (2015) Berikut merupakan ciri-ciri distribusi binomial yaitu:
1. Ciri pertama distribusi binomial adalah bila jumlah n tetap dan p kecil maka
distribusi yang dihasilkan akan miring ke kanan dan bila p makin besar maka
kemiringan akan berkurang dan bila p mencapai 0,5 maka distribusi akan
menjadi simetris. Bila p lebih besar dari 0,5, maka distribusi yang dihasilkan
akan miring ke kiri.
2. Ciri kedua nya adalah bila p tetap dengan jumlah n yang makin besar maka
akan dihasilkan distribusi yang mendekati distribusi simetris.
3. Percobaan diulang sebanyak n kali.
4. Hasil setiap ulangan dapat dikategorikan ke dalam 2 kelas, misal :
a. BERHASIL atau GAGAL;
b. YA atau TIDAK;
c. SUCCESS or FAILED.
5. Peluang berhasil / sukses dinyatakan dengan p dan dalam setiap ulangan nilai
p tetap. Peluang gagal dinyatakan dengan q, dimana q = 1-p.
6. Setiap ulangan bersifat bebas (independen) satu dengan lainnya.
7. Percobaannya terdiri atas n ulangan (Ronald.E Walpole)
8. Nilai n < 20 dan p > 0.05

Metode eksperimen fisika-4

 Menurut Raini Manurung (2013) asumsi-asumsi yang digunakan dalam
eksperimen Binomial adalah :
1. Setiap percobaan memiliki dua kemungkinan hasil (outcomes), yakni Sukses
dan Gagal yang saling bebas.
2. Kemungkinan sukses ditunjukkan dengan simbol p yang tetap (konstan) dari
percobaan ke percobaan berikutnya dan kemungkinan gagal ditunjukkan oleh
simbol q.
3. Percobaan-percobaan sebanyak n kali adalah bersifat bebas (independent),
artinya hasil setiap eksperimen tidak mempengaruhi hasil dari eksperimen
yang lain.

Menurut Richard (2006:162) Cirri-ciri bahwa peubah acak X menyebar

menurut distribusi binom ialah :
1. Percobaan terdiri dari n ulangan (n perlakuan). Masing-masing ulangan
diambil secara acak dari populasi tak terhingga (tanpa pengembalian) atau
diambil dari populasi terhingga akan tetapi unsure yang terambil
dikembalikan kedalam populasi (dengan pengembalian) sebelum
pengembalian berikutnya dilakukan.
2. Hasil setiap ulangan dapat ditentukan apakah masuk kelompok sukses atau
gagal.
3. Peluang sukses setiap ulangan sama (konstan), misalnya p dan peluang
gagal
q = (1 - p)
4. Setiap ulangan bebas dari ulangan lainnya.

Definisi : Jika X merupakan peubah acak binom, banyaknya sukses, maka

sebaran peluang X adalah :

b (x, n, p) = p (X = x \ n, p) = ( )

!
= !()!

x = 0, 1, 2, 3, , n

Metode eksperimen fisika-5

 rataan X : = E (X) = n p
ragam X : 2 = n p q = n p (1 p)
Simpangan baku X : = = (1 )

2.1.3 Syarat Distribusi Binomial

Menurut Abusani (2015) Secara formal, suatu eksperimen dapat dikatakan
eksperimen binomial jika memenuhi empat persyaratan:
1. Banyaknya eksperimen merupakan bilangan tetap (fixed number of trial)
2. Setiap ekperimen selalu mempunyai dua hasil Sukses dan Gagal. Tidak
ada daerah abu-abu. Dalam praktiknya, sukses dan gagal harus
didefinisikan sesuai keperluan, Misal:
Lulus (sukses), tidak lulus (gagal)
Setuju (sukses), tidak setuju (gagal)
Barang bagus (sukses), barang sortiran (gagal)
Puas (sukses), tidak puas (gagal)
3. Probabilitas sukses harus sama pada setiap eksperimen.
4. Eksperimen tersebut harus bebas satu sama lain, artinya satu eksperimen
tidak boleh berpengaruh pada hasil eksperimen lainnya.

Untuk membentuk suatu distribusi binomial diperlukan dua hal :

1. Banyaknya/jumlah percobaan/kegiatan;
2. Probabilitas suatu kejadian baik sukses maupun gagal.

Menurut Intanlailiyah (2013) Berikut merupakan syarat-syarat distribusi

binomial :
1. Jumlah trial merupakan bilangan bulat. Contoh: melambungkan koin 2 kali,
tidak mungkin 2 kali.
2. Setiap eksperimen mempunyai dua outcome (hasil). Contoh: sukses/gagal,
laki-laki/perempuan, sehat/sakit, setuju/tidaksetuju.
3. Peluang sukses sama setiap eksperimen.

Metode eksperimen fisika-6

 Contoh: Jika pada lambungan pertama peluang keluar mata H/sukses adalah ,
pada lambungan seterusnya juga . Jika sebuah dadu, yang diharapkan
adalah keluar mata lima, maka dikatakan peluang sukses adalah 1/6,
sedangkan peluang gagal adalah 5/6.Untuk itu peluang sukses
dilambangkan p, sedangkan peluang gagal adalah (1-p) atau biasa juga
dilambangkan q, di mana q = 1-p.

2.1.4 Sifat Distribusi Binomial

Menurut Raini Manurung (2013) Beberapa sifat distribusi Binomial adalah
sebagai berikut:
Mean =
Varians 2 =
Deviasi standar =

2.1.5 Perumusan Distribusi Binomial

Menurut Boediono & Wayan Koster (2014) Suatu percobaan binomial yang
diulang sebanyak n kali, dengan P(sukses) = P(S) = p dan P(gagal) = P(G) = 1
p = q adalah tetap pada setiap percobaan dan X menyatakan banyaknya
sukses dalam percobaan binomial, maka variabel acak X mempunyai distribusi
binomial yang dirumuskan sebagai berikut.
f(x) = P(X =x) = b(x, n, p) = () pxqn-x
dimana x = 0,1,2,..., n dan q = 1 p
p dan q disebut parameter
Distribusi binomial mempunyai nilai rata-rata variansi, simpangan baku,
koefisien kemiringan, dan koefisien keruncingan sebagai berikut,
Rata-rata = n.p
Variansi 2 = npq
Simpangan Baku =

Koefisien kemiringan 3 =

16
Koefisien keruncingan 4 =3+

Metode eksperimen fisika-7

 Definisi distribusi binomial : apabila X merupakan sebuah variable random
diskrit maka peluang binom dirumuskan sebagai :
!
P (X = k) = = untuk, k = 0,1,2,n
!( )!

2.1.6 Contoh Soal Distribusi Binomial

1 Sebuah dadu dilantunkan sebanyak 5 kali. Berapa peluang bahwa dalam ke-
5 lantunan tersebut terdapat tiga mata 6? Jika X menyatakan mata dadu
yang muncul, tentukan rataan dan simpangan baku X.
Jawab :
Percobaan diatas merupakan percobaan binom, 5 ulangan bebas. Peluang
munculnya salah satu permukaan dadu pada setiap ulangan adalah 1/6.
Jika X = banyaknya mata 6 yang muncul, maka P = 1/6 dan q = 1 1/6 =
5/6. Jadi peluang munculnya tiga mata 6 dalam 5 kali latunan dadu adalah:
1 5! 1 3 5 53
(3; 5; ) = .( ) ( )
6 3! (5 3)! 6 6
3.000
= 93.312 = 0,032
1 5
= (5) ( ) = ( )
6 6

1 5 25 5
= = (5) ( ) ( ) = =
6 6 36 6

2 Peluang bahwa seorang mahasiswa lulus dalam mata kuliah statistika adalah
sebesar 0,7. Jika bertemu dengan 15 mahasiswa yang telah mengikuti ujian
dalam matakuliah statistika, berapakah peluang bahwa: (1) paling banyak 10
diantara mereka yang akan lulus; (2) antara 9 dan 13 mahasiswa akan lulus;
(3) paling kurang 12 dari antara mereka akan lulus; (4) jika X menyatakan
jumlah mahasiswa yang lulus, tentukan rataan dan simpangan baku X.
Jawab:
Perhitungan peluang pada contoh ini dilakukan dengan tabel A1 , untuk
n=15 (jumlah mahasiswa) pada kolom p=0,7 (peluang lulus) seperti pada
tabel dibawah ini:

Metode eksperimen fisika-8



(; , )
=0

N R P
0,10 . . . 0,70 . . .
15 0
2
.
.
.
9 p (x ? 9 ) = 0,2784
10 p (x ? 10 ) = 0,4845
11 p (x ? 11 ) = 0,7031
.
.

X = jumlah mahasiswa yang akan lulus

(1) Paling bahwa 10 mahasiswa akan lulus.
P (X 10 ) = 10
=0 (; 15, 0,7 ) = 0,4845

(dibaca pada baris 10, kolom 0,7.)

(2) Antara 9 dan 13 mahasiswa akan lulus.
P (9 < X < 13) = p (X 12) p (X 9)
= 0,8732 0,2784
= 0,5948
(3) Paling kurang 12 mahasiswa akan lulus :
P (X 12) = 1 p (X 11)
= 1 0, 7031
= 0,2969
(4) = (15) (0,7) = 10,5
2 = (15) (0,7) (0,3) = 3,15
= = 1,7748

Metode eksperimen fisika-9

3 Diketahui suatu percobaan statistik yang diulang sebanyak n=4 dengan
2 1
P(sukses) = dan P(gagal) = tetap pada setiap percobaan. Misalkan X =
3 3

banyaknya sukses. Tentukanlah P(X=0), P(X=1), P(X=2), P(X=3), dan

P(X=4)!
Jawab :
X merupakan variabel acak dengan distribusi binomial.
P(X = x) = ()
2 1 4
P(X =x) = (4) ( ) ( ) , x = 0, 1, 2, 3, 4
3 3

Maka diperoleh:
2 0 1 4 1
P(X = 0) = (40) (3) (3) = 81

2 1 1 3 8
P(X = 1) = (41) (3) (3) = 81

2 2 1 2 24
P(X = 2) = (42) (3) (3) = 81

2 3 1 1 32
P(X = 3) = (43) (3) (3) = 81

2 4 1 0 16
P(X = 4) = (40) ( ) ( ) =
3 3 81

Perhatikan bahwa () = 1

4 Tentukanlah nilai rata-rata, variansi, simpangan baku, koefisien

kemirringan, dan koefisien keruncingan distribusi binomial variabel acak X
dengan n=15 , p=0,3.
Jawab :
Rata-rata = n.p = 15(0,3) = 4,5
Variansi 2 = npq = 15(0,3)(0,7) = 3,15
Simpangan Baku = = 3,15 = 1,77
0,70,3
Koefisien kemiringan 3 = = = 0,23
1,77

Distribusi miring ke kanan karena 3 positif.

16
Koefisien keruncingan 4 =3+
16(0,3)(0,7)
=3+ = 2,9
3,15

Metode eksperimen fisika-10

 (distribusi platikurtis)

5 Suatu pasangan suami istri yang baru saja menikah merencanakan

mempunyai seorang anak. Berapa peluang terdapat 3 anak diantara anaknya
itu adalah laki-laki?
Penyelesaian :
1
Peluang memperoleh anak laki-laki atau wanita P(W) = P(L) =
2
5! 1 1 5!
P (X = 3) = ( )3 (1 2)53 = , n = 5, k = 3
3!(53)! 2 3!2!

5! 1 1 5!
P (X = 3) = ( )3 ( )2 = (1/8) (1/4)
3!(53)! 2 2 3!2!
P (X = 3) = 10 (1/8) (1/4) = 0,313. Jadi peluang pasangan suami istri
memperoleh 3 anak laki-laki dari 5 anak adalah 31,3 %

2.2 Distribusi Poisson

2.2.1 Definisi distribusi Poisson
Menurut Intanlailyah (2013) Distribusi Poisson diberi nama sesuai dengan
penemunya yaitu Siemon D. Poisson. Distibusi ini merupakan distribusi
probabilitas untuk variabel diskrit acak yang mempunyai nilai 0,1, 2, 3 dst.
Suatu bentuk dari distribusi ini adalah rumus pendekatan peluang Poisson untuk
peluang Binomial yang dapat digunakan untuk pendekatan probabilitas Binomial
dalam situasi tertentu.
Rumus Poisson dapat digunakan untuk menghitung probabilitas dari jumlah
kedatangan, misalnya : probabilitas jumlah kedatangan nasabah pada suatu bank
pada jam kantor. Distribusi Poisson ini digunakan untuk menghitung
probabilitas menurut satuan waktu.
Menurut Dasetiani (2016) Distribusi Poisson disebut juga distribusi
peristiwa yang jarang terjadi,Distribusi Poisson diberi nama sesuai dengan
penemunya yaitu Siemon D. Poisson (1781-1841), seorang ahli matematika

Metode eksperimen fisika-11

 bangsa Perancis. Distribusi Poisson termasuk distribusi teoritis yang memakai
variable random (variable acak) diskrit.
Distibusi Poisson merupakan distribusi probabilitas untuk variabel diskrit
acak yang mempunyai nilai 0,1, 2, 3 dst. Distribusi Poisson adalah distribusi
nilai-nilai bagi suatu variabel random X (X diskrit), yaitu banyaknya hasil
percobaan yang terjadi dalam suatu interval waktu tertentu atau disuatu daerah
tertentu. fungsi distribusi probabilitas diskrit yang sangat penting dalam
beberapa aplikasi praktis.
Poisson memperhatikan bahwa distribusi binomial sangat bermanfaat dan
dapat menjelaskan dengan sangat memuaskan terhadap probabilitas Binomial
b(Xn.p) untuk X= 1,2,3 n. namun demikian, untuk suatu kejadian dimana n
sangat besar (lebih besar dari 50) sedangkan probabilitas sukses (p) sangat kecil
seperti 0,1 atau kurang, maka nilai binomialnya sangat sulit dicari. Suatu bentuk
dari distribusi ini adalah rumus pendekatan peluang Poisson untuk peluang
Binomial yang dapat digunakan untuk pendekatan probabilitas Binomial dalam
situasi tertentu.
Distribusi Poisson sering digunakan untuk menentukan peluang sebuah
peristiwa yang dalam area kesempatan tertentu diharapkan terjadinya sangat
jarang. Distribusi ini juga bisa dianggap sebagai pendekatan kepada distribusi
binom, N cukup besar sedangkan = peluang terjadinya peristiwa A, sangat dekat
dengan nol sedemikian sehingga = Np tetap, maka distribusi binom didekati
oleh distribusi Poisson.
Satu-satunya parameter distribusi Poisson adalah , yaitu mean dan
variansi, menyatakan derajat hitungan dalam satuan waktu atau tempat. Apabila
satuan tempat atau waktu berubah dengan derajat relatif tetap, maka harga
berubah secara proporsional.

2.2.2 Ciri-ciri Distribusi Poisson

Menurut Raini Manurung (2013) Ciri-ciri distribusi Poisson yaitu:
a) Hasil percobaan pada suatu selang waktu dan tempat tidak tergantung dari
hasil percobaan diselang waktu dan tempat yang lain yang terpisah.

Metode eksperimen fisika-12

 b) Peluang terjadinya suatu hasil percobaan sebanding dengan panjang selang
waktu dan luas tempat percobaan terjadi. Hal ini berlaku hanya untuk selang
waktu yang singkat dan luas daerah yang sempit.
c) Peluang lebih dari satu hasil percobaan akan terjadi pada satu selang waktu
yang singkat dan luasan tempat yang sama diabaikan.

2.2.3 Asumsi Distribusi Poisson

Menurut Dasetiani (2016) Berikut merupakan asumsi sebaran Poisson yaitu :
1. Terdapat n tindakan bebas dimana n sangat besar,
2. Hanya satu keluaran yang dipelajari,
3. Terdapat peluang yang konstan dari munculnya kejadian setiap tindakan,
4. Peluang lebih dari satu keluaran pada setiap tindakan sangat kecil atau dapat
diabaikan.

2.2.4 Proses Distribusi Poisson

Menurut Raini Manurung (2013) Adapun proses dari distribusi Poisson yaitu:
1) Percobaan Bernoulli menghasilkan variabel random x yang bernilai numerik,
yaitu jumlah sukses yang terjadi.
2) Jika pengamatan dilakukan pada suatu rentang interval waktu, maka dapat
diamati bahwa variabel random x adalah terjadinya sukses selama waktu
tertentu.
3) Jika perhatian ditujukan pada kejadian sukses yang muncul pada suatu
rentang yang kecil, maka terjadi sebuah proses Poisson.

Menurut Richard (2006) Cirri-ciri proses poisson adalah sebagai berikut:

1) Suatu selang waktu atau wilayah yang menjadi perhatian dapat dibagi dalam
selang waktu atau wilayah yang lebih kecil. Misalnya:
a) Selang waktu 1 jam dibagi kedalam selang waktu yang lebih pendek,
umpamanya dibagi menjadi 5 menit.
b) Satu wilayah dibagi menjadi wilayah-wilayah yang lebih kecil, umpamanya
satu kelurahan dibagi menjadi beberapa wilayah RT.

Metode eksperimen fisika-13

 2) Peluang terjadinya suatu kejadian dalam selang waktu atau wilayah tertentu
adalah konstan (tetap)
3) Peluang bahwa dua kejadian atau lebih yang terjadi dalam selang waktu atau
wilayah yang sangat kecil diabaikan.
4) Tiap-tiap kejadian bebas dari kejadian lain.

2.2.5 Rumus Pendekatan Peluang Poisson untuk Binomial

Pendekatan Peluang Poisson untuk Peluang Binomial dilakukan untuk
mendekatkan probabilitas probabilitas dari kelas sukses (x) dari n percobaan
Binomial dalam situasi dimana n sangat besar dan probabilitas kelas sukses (p)
sangat kecil. Aturan yang diikuti oleh kebanyakan ahli statistika adalah bahwa n
cukup besar dan p cukup kecil, jika n adalah 20 atau lebih dari 20 dan p
adalah 0.05 atau kurang dari 0.05. Pada pendekatan ini rumusnya lebih mudah
untuk digunakan dibandingkan dengan rumus Binomial.
Menurut Boediono dan Wayan Koster (2014) pandanglah kembali distribusi
binomial berikut.
P(X =x) = b(x, n, p) = () pxqn-x, x = 0, 1, 2, ..., n
Bila bilangan n kecil dan p besar, maka perhitungan probabilitas nilai
variabel acak X tidak mengalami masalah, karena nilai probabilitas P(X=x)
dapat dihitung secara langsung atau diperoleh dengan memakai tabel untuk
bilangan n, nilai p, dan nilai x tertentu. Akan tetapi, bilamana bilangan n besar
dan p kecil sekali,maka perhitungan probabilitas nilai X tidak bisa atau sulit
dilakukan baik secara langsung maupun dengan memakai tabel distribusi
binomial, sebab tabel hanya menyediakan nilai probabilitas untuk maksimum n
= 25 dan nilai minimum p = 0,01.
Bayangkanlah bahwa bila n = 1.000 dan p = 0,0002, maka sulit sekali
menghitung :
P(X =x) = (

) (0,0002)x(0,9998)1000-x, x = 0, 1, 2, ..., 1000
Dalam hal ini perhitungan probabilitas distribusi binomial dilakukan dengan
memakai pendekatan distribusi Poisson.

Metode eksperimen fisika-14

 Jika n besar dan p kecil sekali sedemikian rupa sehingga np atau = np
tetap, maka distribusi binomial dapat didekati dengan memakai distribusi
Poisson yang dirumuskan sebagai berikut.

f(x) = P(X = x) = !

Dimana X = 0, 1, 2, ..., n, disebut parameter dan e=2,71828

Distribusi poisson mempunyai nilai rata-rata, variansi, simpangan baku,

koefisien kemiringan, dan koefisien keruncingan sebagai berikut.
Rata-rata = np
Variansi 2 = np
Simpangan Baku =
1 1
Koefisien kemiringan 3 = =

1 1
Koefisien keruncingan 4 = 3 + = 3 +

Menurut Kadir (2015:103) Rumus Distribusi Poisson dapat ditulis sebagai

berikut:

P (X =x) = , x = 0,1,2, N dimana = np
!

2.2.6 Contoh Soal Distribusi Poisson

1. Berdasarkan pengalaman seorang penulis novel bahwa rata-rata untuk setiap
600 kata terdapat 2 kata salah cetak. Suatu karya novel yang terdiri dari 2.500
kata. Berapa peluang bahwa di dalam novel itu terdapat 3 bauh kata salah
cetak?
Penyelesaian :
Diketahui probabilitas salah cetak adalah, p = 2/600 = 1/300, dan banyaknya

kata (n) = 2.500 = np = (2.500)(1/300) = 8,33. Peluang terdapat 3 buah

kata salah cetak atau (x) = 3 adalah :
8,33 (8,33)3
P (X = 3) = = = 0,02323329 0,023
3!

Metode eksperimen fisika-15

2. Diketahui rata-rata kuliah yang batal pada suatu universitas tertentu adalah 4
kali perbulan. Hitung peluang bahwa bulan depan kuliah akan batal sebanyak
6 kali.
Jawab:
4 46
P ( X = 6 ) = p (6; 4 ) = 6=0 ( ; 4 ) 5=0 ( ; 4)
6!

Atau
= 0,8893 0,7851
= 0,1014
3. Direktur Bank XYZ mengetahui bahwa dari jam 10.00 sampai dengan jam
11.00 pagi rata-rata terdapat 60 orang nasabah yang datang. Tentukan
peluang bahwa dalam setiap satu menit dari jam 10.00 sampai dengan 11.00
pagi pada hari kerja berikutnya: (a) ada 2 orang nasabah yang akan datang;
(b) paling banyak 2 orang nasabah yang akan datang; (c) terdapat antara 1 dan
4 orang nasabah akan datang; (d) paling kurang 2 orang nasabah akan datang.
Jawab:
Dalam selang waktu dari jam 10.00 sampai dengan 11.00 pagi (selama 1
jam atau 60 menit) Bank XYZ akan kedatangan 60 orang nasabah. Dalam hal
ini dapat dikatakan bahwa setiap 60 menit terdapat 60 kejadian atau setiap 1
menit terdapat 1 kejadian. Dengan demikian =1.
a) Terdapat 2 orang nasabah yang akan datang
1 1! 0,3679
P ( X = 2 ) = p (2; 1 ) = = = = 0,1839 atau
2! 2

Dengan menggunakan tabel A2 dapat diperoleh:

P ( X = 2 ) = 2=6 (; 1) 1=6 (; 1) = 0,9197 0,7358
= 0,1839
b) Paling banyak hanya 2 orang nasabah yang akan datang
P ( X 2 ) = 2=0 (; 1) = 0,9197
c) Terdapat antara 1 dan 4 orang nasabah yang akan datang
P (1 < X < 4) = p (2 x 3) = 3=0 (; 1) 1=0 (; 1)
= 0,9810 0,7358
= 0,2452
d) Paling kurang terdapat 2 orang nasabah yang akan datang

Metode eksperimen fisika-16

 P (X 2 ) = 1- p (X 1) = 1 0,7358
= 0,2642
4. Bila variabel acak X mempunyai distribusi binomial dengan n = 100, p =
0,005, hitunglah P(X=15)!
Jawab :
f(x) = P(X =x) = (100
x
) (0,005)x(0,995)100-x, x = 0, 1, 2, ..., 100
Maka:
f(15) = P(X = 15) = (100
15
) (0,005)15(0,995)85, x
= np = 100(0,005) = 0,5
0,5 (0,5)
P(X = x) = = , x = 0,1, 2, 3, ..., 100
! !

Maka:
0,5 (0,5)15
P(X = 15) = = 0,0000
15!

5. Tentukanlah rata-rata dan simpangan baku X = banyaknya yang mengirim

surat kembali untuk berlangganan dengan n = 100, p = 1 orang/1000 orang =
0,001.
Jawab :
n = 100 dan p = 0,001
Maka diperoleh:
Rata-rata adalah = np = 100 (0,001) = 0,1
Simpangan baku adalah = =0,1 = 0, 32

Metode eksperimen fisika-17

 BAB III
PENUTUP

3.1 Kesimpulan
Dari keseluruhan isi makalah ini, dapat kita dapat mengambil kesimpulan
bahwa statistic digunakan sebagai metode untuk pengumpulan data yang bertujuan
untuk penarikan suatu keputusan.
Distribusi Binomial seringkali digunakan untuk memodelkan jumlah
keberhasilan pada jumlah sampel n dari jumlah populasi N. Distribusi ini banyak
digunakan pada masalah yang mungkin bernilai benar atau salah, gagal atau sukses,
dan lain sebagainya.
Sedangkan distribusi Poisson merupakan distribusi probabilitas untuk
variabel diskrit acak yang mempunyai nilai 0,1, 2, 3 dst Rumus Poisson dapat
digunakan untuk menghitung probabilitas dari jumlah kedatangan.

3.2 Saran
Dari makalah ini, dapat disarankan agar kita bisa menggunakan metode ini
untuk mengambil suatu data apapun, guna penarikan suatu keputusan. Dimana kita
juga dapat menggunakan rumus kuartil, desil, ataupun persentil tergantung pada
situasi yang kita hadapi.
Tak lepas dari itu semua, kami sebagai penyusun juga mengahrapkan saran-
saran yang membangun guna hasil yang jauh lebih baik kedepannya.

Metode eksperimen fisika-18

 DAFTAR PUSTAKA

Boediono dan wayan koster. 2014. Teori dan Aplikasi Statistika dan Probabilitas.
Bandung : PT Remaja Rosda Karya
Desetiani.blogspot.com/2016/01/makalah-distribusi-probabilitas-diskrit.html?m=1
Diakses tanggal 21 februari 2017 pada pukul 11:30
Intanlailiyah98. Blogspot.com/2013/04/distribsi-binominal-dan-poisson.html?m=1
Diakses tanggal 21 februari 2017 pada pukul 11:35
Kadir.2015. Statistika Terapan. Jakarta : PT Raja Grafindo Persada
Lungan, Richard.2006.Aplikasi Statistika dan Hitung Peluang. Yogyakarta : Graha
ilmu.
Manurung, Raini Dkk.2013. Perbandingan Distribusi Binominal Dan Distribusi
Poisson Dengan Paramater Yang Berbeda. Jurnal Saintia Matematika. Vol.1,
No.3(2013), PP. 299-312
Tanjung, Abusani. http://kumpulanmakalah94.blogspot.co.id/2015/07/distribusi-
binomial.html. Diakses tanggal 21 Februari 2017 pada pukul 11:40

Metode eksperimen fisika-19