Anda di halaman 1dari 10

BAB I

PENDAHULUAN

A. Latar Belakang

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.
Dalam perhitungan probabilitas distribusi Binomial dilakukan dengan memakai
pendekatan distribusi Poisson. Jika n besar dan p kecil sekali distribusi binomial dapat
didekati dengan memakai distribusi poisson. Distibusi Poisson merupakan distribusi
probabilitas untuk variabel diskrit acak yang mempunyai nilai 0, 1, 2, 3...n. 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 (x│n
p) untuk x = 1, 2, 3 …n. namun demikian, untuk suatu kejadian dimana n sangat besar
(>50) sedangkan probabilitas sukses (p) sangat kecil < 0,1 maka nilai binomialnya sangat
sulit dicari. Suatu bentuk dari distribusi ini adalah rumus pendekatan probabilitas Poisson
untuk peluang Binomial yang dapat digunakan untuk pendekatan probabilitas Binomial
dalam situasi tertentu.Berdasarkan latar belakang masalah akan dibahas bagaimana
perbandingan distribusi Binomial mempunyai parameter n dan p dengan distribusi
Poisson mempunyai parameter λ.
Distribusi normal, disebut pula distribusi Gauss adalah distribusi probabilitas
yang paling banyak digunakan dalam berbagai analisis statistika. Distribusi normal baku

1
adalah distribusi normal yang memiliki rata-rata nol dan simpangan baku satu. Distribusi
ini juga dijuluki kurva lonceng (bell curve) karena grafik fungsi kepekatan
probabilitasnya mirip dengan bentuk lonceng. Distribusi Normal memodelkan fenomena
kuantitatif padai lmu alam maupun ilmu sosial. Beragam skor Pengujian psikologi dan
fenomena fisika seperti jumlah foton dapat dihitung melalui pendekatan dengan
mengikuti distribusi normal. Distribusi normal banyak digunakan dalam berbagai bidang
statistika, misalnya distribusi sampling rata - rata akan mendekati normal, meski
distribusi populasi yang diambil tidak berdistribusi normal. Distribusi normal juga
banyak digunakan dalam berbagai distribusi dalams tatistika, dan kebanyakan pengujian
hipotesis mengasumsikan normalitas suatu data. Oleh karena itu saya memilih judul ini,
yakni Kajian Tentang Pendekatan Distribusi Binomial Oleh Distribusi Normal.

B. Rumusan Masalah

Rumusan masalah dari penyusunan makalah ini adalah sebagai berikut:


1. Bagaimana penjelasan dari distribusi binomial?
2. Bagaimana penjelasan dari distribusi poisson?
3. Bagaimana penjelasan dari distribusi gauss?

C. Tujuan

Tujuan dari penyusunan makalah ini adalah sebagai berikut :


1. Untuk mengetahui bagaimana penjelasan dari distribusi binomial.
2. Untuk mengetahui bagaimana penjelasan dari distribusi poisson.
3. Untuk mengetahui bagaimana penjelasan dari distribusi gauss.
D. Manfaat

Manfaat dari penyusunan makalah ini adalah sebagai berikut:


1. Dapat mengetahui bagaimana penjelasan dari distribusi binomial.
4. Dapat mengetahui bagaimana penjelasan dari distribusi poisson.
5. Dapat mengetahui bagaimana penjelasan dari distribusi gauss.

2
BAB II

PEMBAHASAN

A. Distribusi Binomial

Binomial dari kata bi + nomim (Perancis) berarti memiliki dua nama. Distribusi
binomial adalah distribusi yang diperoleh dari N percobaan acak dimana setiap
percobaan hanya memiliki dua kemungkinan. Disebut pula distribusi “Bernoulli”
ditemukan oleh James Bernoulli adalah suatu distribusi teoritis yang menggunakan
var random diskrit (var yang hanya memiliki nilai tertentu, nilainya merupakan bilangan
bulat dan asli tidak berbentuk pecahan) yang terdiri dari dua kejadian yang
berkomplementer seperti sukses-gagal, baik-cacat, siang-malam, dsb. Ciri-ciri Distribusi
Binomial :
1. Setiap percobaan hanya memiliki dua peristiwa, seperti sukses-gagal.
2. Probabilitas satu peristiwa adalah tetap, tidak berubah untuk setiap perubahan.
3. Percobaannya bersifat independen, artinya peristiwa dari suatu percobaan tidak
mempengaruhi atau dipengaruhi peristiwa dalam percobaan lainnya.
4. Jumlah atau banyaknya percobaan yang merupakan komponen percobaan binomial
harus tetap.

Andaikan kita melaksanakan percobaan acak N kali dimana masing-masing hanya


memiliki dua kemungkinan. Andaikan kebolehjadian peristiwa pertama q dan peristiwa
lainnya p, dengan p+q = 1. Andaikan pula peristiwa pertama terjadi m× dan yang kedua
terjadi n×, dimana N = m + n, maka kebolehjadian dari ”peristiwa gabungan” adalah

N N
N!
 PN (m)  
m 0 m0 ( N  m)!
p m q N m  1

dimana C(N,m) adalah kombinasi dari N dan m. Persamaan ini merupakan sajian
disribusi binomial. Biasanya p merupakan kebolehjadian sukses.

Persamaan memenuhi syarat normalisasi yaitu

N!
PN (m)  C ( N , m) p m q n  p m q N m
m!( N  m)!

3
Contoh Soal:

Kebolehjadian berhasil seorang pemanah mengenai sasarannya adalah 1/4.


Hitunglah berapa kebolehjadiannya jika ia memanah 5× berhasil paling sedikit 3×.
Penyelesaian:
Andaikan m jumlah sukses, berarti N = m + n = 5. p = 1/4 dan q = 3/4.
Kebolehjadian berhasil 3× adalah
5!
P5  (5,3)( p) 3 (q) 2  (1 / 4) 3 (3 / 4) 2  10 (0,015625) (0,5625) = 0,09
3!2!
Selanjutnya kita andaikan YN = X1 + X2 + ... + XN sebagai peubah stokastik
yang merupakan penjumlahan dari N percobaan yang saling bebas. Rapat kebolehjadian
untuk peubah stokastik YN dituliskan sebagai

PYN ( y )    nN1 dx n  ( y  x1  .....  x N ) PX1 ( x1 ) PX 2 ( x 2 )....PX N ( x N )

dengan fungsi karakteristik sbb


f YN (k )   1N dx n () PX1 ( x1 ) PX 2 ( x 2 )......( PX N ( x N )
  iN1 fX i (k )  (q  pe ik ) N

Persamaan ini dapat diekspansi dengan menggunakan teorema binomial sehingga


diperoleh

N
f YN (k )   C ( N , m) p m q N  m e imk
m 0

Rapat kebolehjadian PYn(x) untuk peubah stokastik YN adalah

N
1
PYn ( y ) 
2  dkeiky
f
YN
( k )  
m 0
C ( N , m) p m q N  m ( y  m)
N
  PN (m) ( y  m)
m 0

dimana PN (m) merupakan kebolehjadian sukses dan terjadi sebanyak m× untuk


percobaan yang dilakukan N kali.

4
B. Distribusi Poisson

Distribusi Poisson ditemukan oleh SD Poisson, ahli matematika asal Pramcis.


Distribusi Poisson adalah suatu distribusi teoritis yang memakai var random diskrit, yaitu
banyaknya hasil percobaan yang terjadi dalam suatu interval waktu tertentu. Distribusi
Poisson dapat diperoleh dari distribusi binomial pada limit N   , sedemikian
a
N P  a N , dimana (a merupakan tetapan). Andaikan P   , maka
N
N
 
f YN k   1   e ik 
a a
 N N 
Jika diambil nilai N   , diperoleh

f Y k   lim f YN (k )  lim (1 
a ik
N

(e  1)) N  exp a e ik  1 
N  N 

a m imk
 e a  e
m  0 m!

Dengan demikian rapat kebolehjadian dituliskan sebagai


 
a m a
PY  y     e   y  m
1
2 
dke iky
f y k  
m  0 m!

Dari sajian ini,diperoleh distribusi possion yaitu


a m a
Pm   e
m!
Ciri-ciri dari distribusi Poisson :
(1) Banyaknya hasil percobaan yang satu tidak tergantung dari banyaknya hasil
percobaan yang lain.
(2) Probabilitas hasil percobaan sebanding dengan panjang interval waktu.
(3) Probabilitas lebih dari satu hasil percobaan yang terjadi dalam interval waktu
yang singkat dalam daerah yang kecil dapat diabaikan.
Distribusi Poisson digunakan dalam :
(1) Menghitung probabilitas terjadinya peristiwa menurut satuan waktu, ruang atau isi,
luas, panjang seperti:
(a) Banyaknya penggunaan telpon per menit, banyaknya kesalahan ketik per
halaman sebuah buku, banyaknya mobil yang lewat selama 5 menit di suatu ruas
jalan, dsb.
(2) Menghitung disktribusi binomial apabila n-besar (n  30) dan p relatif kecil (p < 0,1).

5
Contoh :
Sebuah konveksi pakaian menggunakan 20 mesin jahit. Probabilitas sebuah mesin jahit
mengalami dan memerlukan perbaikan adalah 0,02. Tentukan probabilitas dari 3 mesin
yang akan mengalami gangguan dan memerlukan perbaikan.
Jawab:
n = 20 p = 0,02 x=3   np

0,40 3 (2,71828) 0, 4 0,064 (0,6703202264) 0,042


P( x  3)     0,0072
3! 3 x 2 x1 6
C. Distribusi Gauss

Distribusi Normal (Distribusi Gauss)  merupakan distribusi probabilitas yang


paling penting baik dalam teori maupun aplikasi statistik. Terminology “normal” 
karena memang distribusi ini adalah yang paling banyak digunakan sebagai model bagi
data riil diberbagai bidang :
1. antara lain karakteristik fisik mahluk hidup (berat, tinggi badan manusia, hewan dll),
2. kesalahan-kesalahan pengukuran dalam eksperimen ilmiah pengukuran-pengukuran
intelejensia dan perilaku,
3. nilai skor berbagai pengujian dan berbagai ukuran dan indikator ekonomi.
Distribusi normal terjadi secara alamiah. Seperti diuraikan sebelumnya banyak
peristiwa di dunia nyata yang terdistribusi secara normal. Beberapa variable acak yang
tidak terdistribusi secara normal dapat dengan mudah ditranformasikan menjadi suatu
distribusi variabel acak yang normal. Banyak hasil dan teknik analisis yang berguna
dalam pekerjaan statistik hanya bisa berfungsi dengan benar jika model distribusinya
berupa distribusi normal. Ada beberapa variabel acak yang tidak menunjukkan distribusi
normal pada populasinya Namun distribusi rata-rata sampel yang diambil secara random
dari populasi tersebut ternyata menunjukkan distribusi normal.
Distribusi Normal, sering pula disebut distribusi Gauss, termasuk jenis distribusi
yang paling banyak dijumpai dalam kehidupan dan fenomena alam. Sajian matematiknya
adalah
1
f (X )  e ( X   ) / 2 2 )
2

 2
Untuk nilai x:-   x   e = 2,71828   3,14159
  rata-rata populasi

6
  simpangan baku populasi
 2  ragam populasi

Gambar 1. Profil Distribusi Normal.


Jika kita mengukur tinggi badan suatu komunitas maka kurva distribusinya akan
memiliki puncak, yang menunjukkan bahwa sebagian besar anggota komunitas
bersangkutan memiliki tinggi pada kisaran yang bersesuaian dengan absis dari puncak
kurva distribusi. Absis pada tail kiri dan kanan masing-masing bersesuaian ukuran
pendek dan tinggi.
Profil distribusi Normal ditunjukkan dalam Gambar 1 dimana beberapa
karakteristiknya dapat dikenali
1. Simetrik
2. Bentuknya menyerupai lonceng
3. Jangkauannya [−∞,∞]
4. Jumlah observasi tak hingga
5. Bentuknya ditentukan oleh mean dan deviasi standar.
6. Nilai numerik dari mean, median dan mode-nya sama.
Untuk memudahkan penyelesaian soal-soal peluang Normal, telah disediakan
tabel nilai z (matkul skewness kurtosis dan kurva distribusi normal)
Perhatikan dalam tabel tersebut :
1. Nilai yang dicantumkan adalah nilai z
x
z

2. Luas kurva yang dicantumkan dalam tabel = 0.50 (setengah bagian kurva normal)

7
3. Nilai z yang dimasukkan dalam tabel ini adalah luas dari sumbu 0 sampai dengan
nilai z
Dalam soal-soal peluang Normal tanda = .  dan  diabaikan, jadi hanya ada tanda
< dan >.
Contoh:
Diketahui rata-rata hasil ujian adalah 74 dengan simpangan baku 7. Jika nilai-nilai
peserta ujian berdistribusi normal dan 12% peserta nilai tertinggi mendapat nilai A,
berapa batas nilai A yang terendah ?
Jawab:
A  P(   X  X A )  0,5  0,12
 P (   z  z A )  0,38  Z  1,175

XA 
ZA 

X A  Z A .  
 (1,175) . 7  74
 82,225

8
BAB III

PENUTUP

A. Kesimpulan

Kesimpulan yang diperoleh dari makalah ini adalah sebagai berikut:


a. Distribusi binomial disebut pula distribusi “Bernoulli” ditemukan oleh James Bernoulli
adalah suatu distribusi teoritis yang menggunakan var random diskrit (var yang
hanya memiliki nilai tertentu, nilainya merupakan bilangan bulat dan asli tidak
berbentuk pecahan) yang terdiri dari dua kejadian yang berkomplementer seperti
sukses-gagal, baik-cacat, siang-malam, dsb.
b. Distribusi Poisson ditemukan oleh SD Poisson, ahli matematika asal Pramcis. Distribusi
Poisson adalah suatu distribusi teoritis yang memakai var random diskrit, yaitu
banyaknya hasil percobaan yang terjadi dalam suatu interval waktu tertentu. Distribusi
Poisson dapat diperoleh dari distribusi binomial pada limit N   , sedemikian
N P  a N , dimana (a merupakan tetapan).
c. Distribusi Normal (Distribusi Gauss)  merupakan distribusi probabilitas yang paling
penting baik dalam teori maupun aplikasi statistik. Terminology “Normal”  karena
memang distribusi ini adalah yang paling banyak digunakan sebagai model bagi data
riil diberbagai bidang :
1. Antara lain karakteristik fisik mahluk hidup (berat, tinggi badan manusia,
hewan dll),
2. Kesalahan-kesalahan pengukuran dalam eksperimen ilmiah pengukuran-
pengukuran intelejensia dan perilaku,
3. Nilai skor berbagai pengujian dan berbagai ukuran dan indikator ekonomi.

B. Saran

Saran yang dapat kami berikan melalui makalah Distribui Binomial, Distribusi
Possion, dan Distribusi Gauss adalah sebaiknya dalam membuat atau menyusun sebuah
makalah penulis harus memahami materi apa yang akan dibahas dalam makalah.

9
DAFTAR PUSTAKA

Tasrief Surungan. 2011. Fisika Statistik. Makasar. Universitas Hasanudin.

10