DISUSUN OLEH :
By :
Dina Purwanti
Febzira Hafsi
Riska Apriliza
Ullya Mufliatin
5B
UNIVERSITAS RIAU
2017
BAB I
PENDAHULUAN
A. Latar Belakang
Distribusi teoretis merupakan alat bagi kita untuk menentukan apa yang dapat kita
harapkan, apabila asumsi-asumsi yang kita buat benar. Distribusi frekuensi dapat digunakan
sebagai dasar pembanding dari suatu hasil observasi/eksperimen dan sering juga digunakan
sebgaai pengganti distribusi sebenarnya.Hal ini penting sekali oleh karena distribusi
sebenarnya yang harus diperoleh melalui eksperimen biasanya selain sangat mahal juga karena
sesuatu hal seringkali tidak dapat dilakukan.
Distribusi teoretis memungkinkan para pembuat keputusan memperoleh dasar logika
yang kuat dalam membuat keputusan, dan sangat berguna sebagai dasar pembuatan ramalan
(forecasting/prediction) berdasarkan informasi yang terbatasatau pertimbangan-pertimbangan
teoretis, dan berguna pula untuk menghitung probabilitas terjadinya suatu kejadian.
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.
B. Tujuan
1. Untuk mengetahui syarat-syarat,ciri-ciri distribusi binomial
2. Untuk mengetahui perbedaan distribusi binomial,gaus dan poisson
BAB II
PEMBAHASAN
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.
5. Peluang berhasil / sukses dinyatakan dengan p dan dalam setiap ulangan nilai p tetap.
Peluang gagal dinyatakan dengan q, dimana q = 1-p.
Contoh soal 1
Probabilitas seorang bayi tidak di imunisasi polio adalah 0,2 (p). Pada suatu hari di
Puskesmas X ada 4 orang bayi. Hitunglah peluang dari bayi tersebut 2 orang belum imunisasi
polio. Jadi, di dalam kejadian binomial ini dikatakan b b (2, 4, 0,2) (x=2, n=4,
p=0,2) BioStatistik
Penyelesaian soal :
Katakanlah bayi tersebut A,B,C,D. Dua orang tidak diimunisasi mungkin adalah
A&B, A&C, A&D, B&C, B&D, C&D. Rumus untuk b (x,n,p) adalah: P (x)= n! Px (1-p)n-
x x! (n-x)! = 4! 0,22 (1-0,2)4-2 2! (4-2)! = 4.3.2.1 0,22 x 0,82 = 0,1536 = 0,154 2.1 (2.1)
Penyelesaian :
Disamping memakai rumus binomial, permasalahan ini juga dapat dikerjakan dengan
memakai tabel binomial, caranya adalah dengan menentukan n.misalnya dari contoh soal
adalah 4, dilihat pada kolom pertama kolom kedua adalah kemungkinan x, dalam permasalahan
ini adalah x=2. p dilihat pada baris paling atas dalam hal ini p=0,2, ditarik garis dari p= 0,2
sampai ke n = 4dan x = 2, ditabel didapatkan 0,973. Ini adalah peluang kumulatif dari p (x=0)
+ p (x=1) + p (x=2). Jadi kalau mau mendapatkan p(x=2) saja, maka 0,973-0,819 = 0,154
Contoh Soal 2:
Suatu koin dilempar sebanyak tiga kali. Tentukan peluang mendapatkan tepat dua angka.
Pembahasan Permasalahan ini dapat diselesaikan dengan melihat ruang sampelnya. Ruang
sampel dari pelemparan satu koin sebanyak tiga kali adalah
S = {AAA, AAG, AGA, GAA, GGA, GAG, AGG, GGG}
Dari ruang sampel, kita dapat melihat bahwa ada tiga cara untuk mendapatkan tepat dua angka,
yaitu AAG, AGA, dan GAA. Sehingga peluang kita mendapatkan tepat dua angka adalah 3/8
atau 0,375.
Dengan melihat kembali Contoh 1 dari sudut pandang percobaan binomial, maka contoh
tersebut memenuhi keempat kriteria percobaan binomial.
Jawaban tersebut sama dengan jawaban kita sebelumnya yang menggunakan ruang sampel.
Contoh 1 tersebut juga dapat digunakan untuk menjelaskan rumus peluang binomial. Pertama,
perhatikan bahwa terdapat tiga cara untuk mendapatkan tepat dua angka dan satu gambar dari
delapan kemungkinan. Ketiga cara tersebut adalah AAG, AGA, dan GAA. Sehingga, dalam
kasus ini banyaknya cara kita mendapatkan dua angka dari pelemparan koin sebanyak tiga kali
adalah 3C2, atau 3. Secara umum, banyak cara untuk mendapatkan X sukses dari n percobaan
tanpa memperhitungkan urutannya adalah
Ini merupakan bagian pertama rumus binomial. (Beberapa kalkulator dapat digunakan untuk
menghitung kombinasi tersebut).
Selanjutnya, masing-masing sukses memiliki peluang dan muncul sebanyak dua kali.
Demikian juga masing-masing gagal memiliki peluang dan muncul sekali. Sehingga akan
memberikan,
pada rumus binomial. Sehingga apabila masing-masing percobaan sukses sukses memiliki
peluang p dan muncul X kali serta peluang gagalnya adalah q dan muncul n X kali, maka
dengan menuliskan peluang percobaan sukses kita akan mendapatkan rumus binomial.
G. Distribusi Gaussian
Distribusi normal dikenal juga sebagai distribusi Gaussian, merupakan salah satu distribusi
peluang kontinu dengan grafik berbentuk bel/genta. Distribusi normal paling banyak
digunakan dalam berbagai analisis statistika. Banyak sekali kejadian ataupun fenomena baik
dalam ilmu sosial maupun ilmu alam yang dapat dihitung melalui pendekatan dengan
mengikuti distribusi normal. Distribusi normal banyak digunakan dalam berbagai distribusi
dalam statistika, dan kebanyakan pengujian hipotesis mengasumsikan normalitas suatu data.
Variabel acak XX berdistribusi normal dengan rata-rata .
Sifat-sifat kurva normal :
Kurvanya mempunyai puncak yang tunggal.
Modus terjadi pada x=x= (bisa juga dikatakan rata-rata tepat ditengah kurva
tertinggi)
Kurva simetris terhadap x=x=
Kedua ujung kurva semakin mendekati sumbu mendatar bila nilai xx bergerak menjauhi
rata-rata (sumbu mendatar di sebut asimtot dari kurva normal)
Seluruh luas kurva normal di atas sumbu mendatar adalah 1.
Simpangan baku menentukan bentuk kurva, semakin kecil akan semakin
runcing juga kurvanya .
H. Distribusi Poisson
A .Definisi Distribusi Poisson
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.
Jawab :
1. Dik : n = 200, P = 0.01, X = 3, = n . p = 200 . 0.01 = 2
P ( x ; ) = e . X
X!
= 2.71828 2 . 2 3 = 0.1804 atau 18.04 %
3!
2. Dik : = 5
a. x = 0 P ( x ; ) = e . X
X!
P ( 0 ; 5 ) = 2.71828 5 . 5 0 = 0.0067
0!
b. x 3 ; P ( x ; ) = e . X
X!
P (x 3 , 5) = P( x 1, ) +.+p(x3, )
= P( 0, 5 ) + P (1, 5 ) + P ( 2, 5 ) + P ( 3, 5 )
= 0.0067 + 0.0337 + 0.0842 + 0.1404
= 0.2650 atau 26.5 %
c. X > 3 ; P ( x ; ) = e . X
X!
P (X > 3 , 5) = P( X 4, ) +.+p(X 15, )
= P( 4, 5 ) + P (5, 5 ) + + P ( 15, 5 ) atau
P (X > 3 , 5) = 1 [P ( X 3 , 5 ) ]
= 1 [ P ( X 0, ) +.+ p (X 3, ) ]
= 1 [ P ( 0, 5 ) +.+p ( 3, 5 ) ]
= 1 [ 0.2650 ]
= 73.5 %
2. Jumlah kedatangan pada interval waktu tidak bergantung pada ( bebas apa yang
terjadi di interval waktu yang sudah lewat. Dalam ilustrasi tadi, dapat berarti bahwa
kesempatan dari sebuah kedatangan di menit berikutnya adalah sama.
3. Tidak memiliki kesamaan bahwa akan lebih dari satu kedatangan dalam interval
pendek, semakin pendek interval, semakin mendekati nol adalah probabilitas yang lebih dari
satu kedatangan. Dalam ilustrasi tadi, bisa berarti bahwa adalah tidak mungkin untuk lebih dari
satu nasabah yang dapat melawati jalan masuk dalam waktu satu detik.
Contoh soal :
Jika rata rata kedatangan = 72 setiap jam, berapakah peluang dari x = 4 kedatangan dan
t = 3 menit. Gunakan proses poisson.!
Jawab :
Dik : = 72 kedatangan setiap jam atau 72 / jam maka 1 jam atau 60 menit adalah unit
waktunya. Berarti 3 menit adalah 3 / 60 = 1 / 20 unit waktu maka t t = 1 / 20 dan x = 4
P ( x ) = e . t . ( . t ) x
X!
P ( x ) = e 72 . ( 1/ 20 ) . ( 72 . 1 / 20 ) 4
4!= 0.191 atau 19.1 %
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. Di dalam Statistic sendiri terdiri dari 3 hal yaitu kuartil, desil dan persentil.
Dimana masing masing nya memiliki rumus tersendiri untuk menghitung jumlah data data
yang ada.
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.
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.
DAFTAR PUSTAKA
http://id.wikipedia.org/wiki/Distribusi_binomial
http://cyber-learn.blogspot.com/2008/09/modul-distribusi-binomial.html
http://www.gudangmateri.com/2009/12/distribusi-binomial-suatu-percobaan.html
http://berandakami.files.wordpress.com/2008/10/distribusi_probabilitas.pdf
http://erlanpasti.blogspot.com/2010/04/distribusi-binomial.html