Pokok bahasan yang akan disajikan dalam tulisan ini adalah distribusi
probabilitas kontinu, distribusi-distribusi ini sangat berperan pada statistik
inferensial yaitu dalam pengujian hipotesis, pengujian panjang umur (life testing),
teori antrian, teori keandalan (reliability) dan sebagianya. Distribusi yang
termasuk dalam distribusi probabilitas kontinu adalah :
1. Distribusi Beta 8. Distribusi Log Logistic
2. Distribusi Cauchy 9. Distribusi Normal
3. Distribusi Chi-Square 10. Distribusi Log Normal
4. Distribusi Extreme Value 11. Distribusi Pareto
5. Distribusi Gamma 12. Distribusi Student-t
6. Distribusi Eksponensial 13. Distribusi Triang
7. Distribusi Logistic 14. Distribusi Weibull
1. Beta
Distribusi Beta digunakan untuk menentukan probabilitas terjadinya
suatu peristiwa. Distribusi beta juga telah digunakan untuk berbagai macam
aplikasi lain karena memiliki keragaman bentuk, seperti digambarkan dalam
grafik.
Format Beta (α1, α2)
x 1 1 1 x 2
Probability density function (PDF) 1
f x 1
t 1 t
1 1 2 1
dt
0
Fungsi distribusi komulatif Bentuk tidak tertutup
Parameter Retriction (batasan) 1 0, 2 0
Riset Pemasaran dan Manajemen Resiko
Domain 0 x 1
Mean (rataan) 1
1 2
Mode 1 1
jika 1 0, 2 0
1 2 2
0,1 jika 1 1, 2 1
0 jika 1 1, 2 1
atau 1 1, 2 1
1 jika 1 1, 2 0
Does not uniquely exist jika
1 1, 2 1
Variansi 1 2
1 2 2 1 2 1
1
Riset Pemasaran dan Manajemen Resiko
2. Cauchy
Format Cauchy (a,b)
Probability density function (PDF) 1
x
2
f x b 1
b
Fungsi distribusi komulatif x 1
F x tan 1
1 1
2 b
Parameter Retriction (batasan) b0
Domain x
Mean (rataan) Does not exist
Mode A
Variansi Does not exist
Distribusi cauchy diperoleh dari rasio dua distribusi Normal. Distribusi ini
digunakan dalam ilmu mesin, teori elektrik, antropologi fisika dan masalah ukuran
dan kalibrasi.
2
Riset Pemasaran dan Manajemen Resiko
f(x)
0.5
0.25
x
2 4 6 8 10
3
Riset Pemasaran dan Manajemen Resiko
4
Riset Pemasaran dan Manajemen Resiko
5
Riset Pemasaran dan Manajemen Resiko
5. Gamma
Distribusi gamma dan eksponensial berperan penting dalam teori antrian
dan teori keandalan (reliability). Jarak antara waktu tiba di fasilitas pelayanan
(misalnya bank dan loket), dan lamanya waktu sampai rusaknya suatu suku
cadang. Distribusi gamma mendapat namanya dari fungsi gamma yang sudah
diketahui sebelumnya. Sebelum membahas distribusi gamma terlebih dahulu akan
dibahas fungsi gamma dan beberapa sifatnya. (Ronald & Raymond, 1995, 189)
Definisi :
Fungsi Gamma didefinisikan sebagai :
x 1e x dx ; Untuk 0
0
Format Gamma ( , )
Probability density function (PDF) x
x 1 exp
f x
Fungsi distribusi komulatif Bentuk tidak tertutup
Parameter Retriction (batasan) 0, 0
Domain x0
Mean (rataan)
Mode 1 jika 1
0 jika 1
Variansi 2
6
Riset Pemasaran dan Manajemen Resiko
7. Logistic
Distribusi logistic merupakan distribusi dengan pendekatan tengah
dari berbagai himpunan variabel yang memiliki distribusi yang sama. Hal
ini populer dalam pemodelan demografi dan ekonomi. Fungsi kumulatif
juga telah digunakan sebagai model untuk 'kurva pertumbuhan'.
7
Riset Pemasaran dan Manajemen Resiko
F x ; , s
1
x
1 e s
1 1 x
tanh
2 2 2s
(http://en.wikipedia.org/wiki/Logistic_distribution)
x
s
f x; , s
e
2
x
s 1 e s
1 x
sec h 2
4s 2s
Mean
8
Riset Pemasaran dan Manajemen Resiko
Mean = E(X)
x
s
xe
E[ x]
x
2
dx
s 1 e s
x x
4s sec h dx
2
2s
Substitusi
x 1
u , du dx
2s 2s
2 su
E[ x]
2
sec h 2 (u ) du
s u sec h 9u ) du 2
sec h
2
(u ) du
2
u sec h (u ) du 0
2
E[ X ] sec h u du 2 2
2
2
Variansi
Order ke-n momen pusat dapat dinyatakan dalam bentuk fungsi kuantil
x dF x
E X
n n
1
F 1 p dp
n
0
n
p
1
s ln
n
dp
0
1 p
9
Riset Pemasaran dan Manajemen Resiko
1
𝐸[(𝑋 − 𝜇)2 ] = 𝑠 2 𝜋 2 (22 − 2)|𝐵2 |, di mana 𝐵2 = 6
1
= 𝑠 2 𝜋 2 (4 − 2) | |
6
1 2 2
= 𝑠 𝜋
3
8. Log Logistic
Dalam probabilitas dan statistik, distribusi log-logistik (dikenal
sebagai distribusi Fisk dalam ekonomi) adalah distribusi probabilitas
kontinu untuk suatu variabel acak non-negatif. Hal ini digunakan dalam
analisis survival sebagai model parametrik untuk acara-acara yang
meningkatkan laju awalnya dan kemudian menurun, untuk mortalitas
misalnya dari kanker berikut diagnosis atau perawatan. Ini juga telah
digunakan dalam model hidrologi aliran sungai dan curah hujan, dan
ekonomi sebagai model sederhana dari distribusi kekayaan atau pendapatan.
10
Riset Pemasaran dan Manajemen Resiko
11
Riset Pemasaran dan Manajemen Resiko
jika 2
9. Normal
Distribusi probailitas kontinyu yang terpenting di bidang statistik
adalah distribusi normal. Grafiknya disebut kurva normal, berbentuk
lonceng seperti gambar 9.1. Distribusi ini ditemukan oleh Karl Friedrich
(1777-1855) yang juga disebut distribusi Gauss. Peubah acak X yang
bentuknya seperti lonceng disebut peubah acak normal dengan persamaan
matematik distribusi probabilitas yang bergantung pada paramerter 𝜇
(mean) dan 𝜎 (simpangan baku) dinyatakan 𝑁(𝑋, 𝜇, 𝜎) .
(http://202.91.15.14/upload/files/2529_Bab_6_Distribusi_kontinyu.ppt)
12
Riset Pemasaran dan Manajemen Resiko
1 𝑥−𝜇 2
𝑓(𝑥) = 𝑁(𝑥; 𝜇, 𝜎) = 𝑒𝑥𝑝 {− ( ) } ; −∞ < 𝑥 < ∞
√2𝜋𝜎 2 2𝜎
13
Riset Pemasaran dan Manajemen Resiko
Gambar 9.4Kurva normal dengan mean dan simpangan baku yang bebeda
Mean
Mean = E(X)
∞ ∞
1 1 𝑥−𝜇 2
{− ( ) }
𝐸(𝑋) = ∫ 𝑥. 𝑓(𝑥)𝑑𝑥 = ∫ 𝑥. 𝑒 2 𝜎 𝑑𝑥
√2𝜋𝜎 2
−∞ −∞
𝑥−𝜇
Dengan subtitusi𝑧 = dan 𝑑𝑥 = 𝜎𝑑𝑧, diperoleh
𝜎
∞
1 1
{− 𝑧 2 }
𝐸(𝑋) = ∫(𝜇 + 𝜎𝑧)𝑒 2 𝑑𝑧
√2𝜋
−∞
∞ ∞
𝜇 1
{− 𝑧 2 } 𝜎 1
{− 𝑧 2 }
= ∫𝑒 2 𝑑𝑧 + ∫ 𝑧𝑒 2 𝑑𝑧
√2𝜋 √2𝜋
−∞ −∞
= 𝜇. 1 + 0
=𝜇
Variansi
14
Riset Pemasaran dan Manajemen Resiko
∞
𝜎2 1
{− 𝑧 2 }
= ∫ 𝑧2𝑒 2 𝑑𝑧
√2𝜋
−∞
= 𝜎 2 (0 + 1)
= 𝜎2
𝑥−𝜇
Perhatikan peubah acak𝑧 = , jika𝜇 = 0 dan𝜎 2 = 1, maka
𝜎
1 1
𝑓(𝑧) = 𝑁(𝑧; 0,1) = 𝑒𝑥𝑝 {− 𝑧 2 } ; −∞ < 𝑥 < ∞
√2𝜋 2
15
Riset Pemasaran dan Manajemen Resiko
16
Riset Pemasaran dan Manajemen Resiko
Dimana :
2
1 ln
2 2
2 2
1 ln
2
Fungsi distribusi komulatif No Closed Form
Parameter Retriction (batasan) 0, 0
Domain x0
Mean (rataan) µ
Mode
exp 1 1
2
Variansi σ2
11. Pareto
Distribusi Pareto pada awalnya digunakan untuk model jumlah orang
dengan penghasilan minimal x, tetapi sekarang digunakan untuk model
variabel apapun yang memiliki nilai minimal, dan yang kepadatan
peluangnya menurun secara geometris menuju nol .
Penggunaan jelas dari Pareto adalah untuk klaim asuransi. Kebijakan
asuransi ditulis sehingga tidak layak mengklaim di bawah nilai tertentu (a).
17
Riset Pemasaran dan Manajemen Resiko
3
Pareto (2,2)
2
Pareto (3,4)
2 4 6 8
18
Riset Pemasaran dan Manajemen Resiko
12. Student-t
Format Student (v)
Probability density function (PDF) v 1
f ( x) 2
v 1
v x
2 2
v 1
2 v
2𝑗
𝑑𝑖𝑚𝑎𝑛𝑎𝑎𝑗 = ( )𝑎 𝑎0 = 1
2𝑗 + 1 𝑗−1
2𝑗 − 1
𝑏𝑗 = ( ) 𝑏𝑗−1 𝑏0 = 1
2𝑗
19
Riset Pemasaran dan Manajemen Resiko
Dari grafik di atas terlihat bahwa bentuk kurva t itu simetris. Tapi,
bentuknya lebih mendatar (puncaknya lebih rendah) dan ekornya lebih lebar
daripada kurva normal. Bila ukuran individu sampel bertambah besar,
distribusi pada tabelt mendekati distribusi normal. Kenyataan ini dapat
dilihat pada tabel t mendekati distribusi Normal adalah tidak terdapatnya
hubungan antara S dan x ( hubungan ini hanya terdapat pada distribusi yang
tidak Normal). Tabel distribusi t banyak digunakan untuk mendug
parameter 𝜇 , dan pengujian nilai tengah perlakuan. Penggunaan tabel t
berbeda dengan tabel Z. pada tabel Z , nilai Z di tempatkan pada sisi tabel
dan peluangnya ditempatkan pada bagian dalam tabel. Sebaliknya, pada
tabel t, nilai t merupakan derajat bebas. Nilai derajat bebas bergantung pada
besarnya ukuran sampel.
13. Triang
Sifat-sifat peluang dari distribusi triangular seperti fungsi densitas
peluang, fungsi distribusi kumulatif, ekspektasi, variansi, fungsi pembangkit
momen, fungsi karakteristik, momen, bentuk kemiringan dan keruncingan
kurva distribusi triangular. contoh penerapan dari distribusi triangular
mengenai peluang waktu penyelesaian pembangunan suatu proyek.
Jika b = a Jika b = c
2(𝑐 − 𝑥) 2(𝑥 − 𝑎)
;𝑎 < 𝑥 < 𝑐 ;𝑎 < 𝑥 < 𝑐
𝑓(𝑥) = { (𝑐 − 𝑎)2 𝑓(𝑥) = { (𝑐 − 𝑎)2
0; 𝑙𝑎𝑖𝑛𝑦𝑎 0; 𝑙𝑎𝑖𝑛𝑦𝑎
20
Riset Pemasaran dan Manajemen Resiko
F ( x) 1
x a 2 jika a x b
(b a )(c a )
F ( x)
c x 2 jika b x c
c a c b
F ( x) 1 jika c x
Parameter Retriction (batasan) abc
Domain axc
Mean (rataan) abc
3
Mode B
Variansi a 2 b 2 c 2 ab ac bc
18
21
Riset Pemasaran dan Manajemen Resiko
14. Weibull
Distribusi Weibull ini diperkenalkan oleh ahli fisikawan swedia
Waloddi Weibull pada tahun 1939. Grafik distribusi weibull untuk 𝛼 = 1
dan berbagai nilai parameter 𝛽dilukiskan pada gambar
Format Weibull ,
Probability density function (PDF)
1
x
f ( x) x exp
2
22
Riset Pemasaran dan Manajemen Resiko
DAFTAR PUSTAKA
Walpole, Ronald E& Raymond H Myers, 1995. Ilmu Peluang untuk Insinyur dan
Ilmuwan. Bandung : ITB.
23
Riset Pemasaran dan Manajemen Resiko
BAB 6
24
Riset Pemasaran dan Manajemen Resiko
Gambar 6.1 menggambarkan hasil dari dua model. Rumus (a) jelas salah karena
menghasilkan nilai yang tidak dapat terjadi.
25
Riset Pemasaran dan Manajemen Resiko
Monte Carlo untuk rencana proyek, tapi tidak ada yang menyadari tingkat
fleksibilitas yang ditawarkan oleh software spreadsheet jauh lebih tinggi.
Desain setiap model spreadsheet sangat bergantung pada suatu masalah yang
akan dipecahkan. Ada beberapa hal yang digunakan untuk merancang model
spreadsheet:
26
Riset Pemasaran dan Manajemen Resiko
27
Riset Pemasaran dan Manajemen Resiko
28
Riset Pemasaran dan Manajemen Resiko
6.5.1 @ RISK
Produk ini (diucapkan “at risk”), awalnya dikembangkan untuk
digunakan dengan Lotus 1-2-3, juga tersedia untuk excel. Analisis risiko telah
menjadi populer karena dalam ukuran besar untuk perangkat lunak ini. Memiliki
set fitur yang paling canggih dari semua paket spreadsheet analisis resiko, namun
tetap mudah digunakan.@RISK diproduksi oleh perusahaan palisade, 31 Decker
Road, Newfield, NY 14867, USA. Tel: (+1) 607 277 8000. Dua Produk
pendamping @RISK, yaituBestFit dan RISKview Pro, yang jelaskan di bawah,
menawarkan kombinasi yang sangat kuat yang tidak tertandingi pada saat ini
dibandingkan dengan perangkat lunak lainnya.
29
Riset Pemasaran dan Manajemen Resiko
30