TUGAS FISIKA STATISTIK

DISUSUN OLEH :

By :
Dina Purwanti
Febzira Hafsi
Riska Apriliza
Ullya Mufliatin
5B

Muhammad Nasir S.Si, M.Kom

JURUSAN PENDIDIKAN FISIKA

FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN

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

A. Pengertian Distribusi Binomial

Distribusi Binomial ditemukan oleh seorang ahli matematika berkebangsaan Swiss

bernama Jacob Bernauli.Oleh karena itu distribusi binomial ini dikenal juga sebagai distribusi
bernauli.
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 dari proses
Bernouli. Sebaliknya distribusi frekuensi hidupnya lampu neon di pabrik anda harus diukur
dengan skala kontinu dan bukan dianggap sebagai distribusi binomial.

B. SYARAT-SYARAT DISTRIBUSI BINOMIAL

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.

C. Rumus Distribusi Binomial

b(x;n,p) = nCx px qn-x dimana x = 0,1,2,3,,n

n : banyaknya ulangan
x : banyaknya keberhasilan dalam peubah acak x
p : peluang berhasil dalam setiap ulangan
q : peluang gagal, dimana q = 1-p dalam setiap ulangan

D. Distribusi Binomial Negatif

Suatu distribusi binomial negatif dibentuk oleh suatu eksperimen yang memenuhi kondisi-
kondisi berikut:
Eksperimen terdiri dari serangkaian percobaan yang saling bebas
Setiap percobaan (trial) hanya dapat menghasilkan satu dari dua keluaran yang mungkin,
sukses atau gagal.
Probabilitas sukses p, dan demikian pula probabilitas gagal q = 1 - p selalu konstan dalam
setiap percobaan (trial)
Eksperimen terus berlanjut (percobaan terus dilakukan) sampai sejumlah total k sukses
diperoleh, dimana k berupa bilangan bulat tertentu.
Jadi pada suatu eksperimen binomial negatif, jumlah suksesnya tertentu sedangkan
jumlah percobaannya yang acak.

E. Ciri-ciri Distribusi Binomial

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 :

BERHASIL atau GAGAL;
YA atau TIDAK;
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

F. Contoh Peristiwa Distribusi Binomial

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.

1. Terdapat tiga kali percobaan.

2. Setiap percobaan hanya memiliki dua kemungkinan, yaitu angka (A) atau gambar (G).
3. Hasil dari masing-masing percobaan saling bebas (hasil dari suatu pelemparan tidak
mempengaruhi hasil pelemparan lainnya).
4. Peluang percobaan sukses (angka) adalah di setiap percobaannya.
Dalam kasus ini, n = 3, X = 2, p = , dan q = . Sehingga dengan mensubstitusi nilai-nilai
tersebut ke dalam rumus, kita mendapatkan

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.

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.

Rumus pendekatannya adalah :

P ( x ; ) = e . X
X ! Dimana : e = 2.71828
= rata ratakeberhasilan = n . p
x = Banyaknya unsur berhasil dalam sampel
n = Jumlah / ukuran populasi
p = probabilitas kelas sukses
 Contoh soal :
1. Dua ratus penumpang telah memesan tiket untuk sebuah penerbangan luar negeri. Jika
probabilitas penumpang yang telah mempunyai tiket tidak akan datang adalah 0.01 maka
berapakah peluang ada 3 orang yang tidak datang.
2. Rata rata seorang sekretaris baru melakukan lima kesalahan mengetik per halaman.
Berapakah peluang bahwa pada halaman berikut ia :
1. Tidak ada kesalahan ( x = 0 )
2. Tidak lebih dari tiga kesalahan ( x 3) atau ( 0,1,2,3 )
3. Lebih dari tiga kesalahan ( x > 3 ) atau ( 4,,15)

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 %

C. Rumus Proses Poisson

Distribusi Poisson dalam konteks yang lebih luas dari pada rumus pertama tadi. Sebagai
ilustrasi, misalkan pada hari Senin ini adalah jam kerja yang sibuk pada suatu bank, dan kita
tertarik oleh jumlah nasabah yang mungkin datang selama jam kerja tersebut, dengan
ketertarikan kita sebenarnya terletak pada interval waktu dan jumlah kedatangan dalam interval
waktu jika proses kedatangannya mempunyai karakteristik sebagai berikut:

1. Tingkat kedatangan rata rata setiap unit waktu adalah konstant.

 Dalam ilustrasi tadi dapat berarti bahwa jika tingkat kedatangan rata rata untuk periode
jam adalah, misalkan 72 kedatangan setiap jam, maka tingkat ini melambangkan interval waktu
pada jam kerja tadi : yaitu tingkat yang dapat dirubah kepada rata rata yaitu 36 kedatangan
setiap jam atau 1.2 kedatangan setiap menit.

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.

Rumus proses poisson :

P ( x ) = e . t . ( . t ) x
X! Dimana : = Tingkat rata rata kedatangan tiap unit waktu
t = Jumlah unit waktu
x = Jumlah kedatangan dalam t unit waktu

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 %

I. Keuntungan dan Kekurangan Distribusi Binomial

Kelebihannya:
Tingkat kesalahan penggunaan prosedur statistika nonparametrik relatif kecil
karena statistik jenis ini tidak memerlukan banyak asumsi.
Perhitungan yang harus dilakukan pada umumnya sederhana dan mudah,khususnya
untuk data yang kecil.
Konsep dalam statistika nonparametrik mudah untuk dimengerti.
Dapat digunakan untuk menganalisa data yang berbentuk hitungan maupun
peringkat (rank).
Kekurangan :
statistik nonparametrik yang paling utama adalah hasil tidak selalu sesuai dengan
yang diharapkan karena kesederhanaan perhitungannya. Namun, walaupun
perhitungan dalam statistik nonparametrik sangat sederhana, bila jumlah datanya
sangat besar maka dibutuhkan perhitungan yang sangat lama. Untuk kasus yang
demikian, prosedur statistik parametrik lebih tepat untuk digunakan.
 BAB III
KESIMPULAN

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