DISTRIBUSI BERSYARAT WAKTU ANTAR KEDATANGAN

A. Proses Poisson
Proses Poisson adalah proses menghitung (counting process) untuk banyaknya kejadian
yang terjadi hingga suatu waktu. Contoh: kedatangan nasabah suatu bank, munculnya item
cacat pada proses pemeriksaan, masuknya pesan SMS pada handphone anda, dll.

B. Proses Menghitung
Proses stokastik * ( ) + dikatakan proses menghitung (counting process) jika
( ) atau menyatakan banyaknya kejadian yang terjadi selama waktu t.
Contoh:
1. ( ) adalah banyaknya bayi yang lahir selama waktu t. Maka * ( ) + merupakan
proses menghitung.
2. ( ) adalah banyaknya orang yang dating ke Grand Toserba dalam selang waktu , -.
Maka * ( ) + merupakan proses menghitung.
Proses menghitung * ( ) + memenuhi sifat:
i. * ( ) +
ii. ( ) adalah bilangan bulat
iii. Jika , maka ( ) ( )
iv. Untuk ( ) ( ) menhyatakan banyaknya kejadian yang terjadi pada
interval waktu ( -.

C. Waktu Antar Kedatangan

Berdasarkan proses menghitung * ( ) + ( ) menyatakan banyaknya kejadian
sampai waktu . Perhatikan bahwa kejadian – kejadian tersebut dapat terjadi kapan saja
dalam interval , -. Misalkan kejadian pertama terjadi pada saat , disini ( ) dan
( ) untuk . Kejadian kedua terjadi pada saat , disini ( ) dan ( )
untuk . Perhatikan bahwa adalah panjang waktu terjadinya kejadian ke
setelah kejadian ke . Panjang selang ini disebut dengan waktu antar kedatangan atau
waktu antar kejadian. Atau dapat ditulis dengan , dimana adalah waktu antar
kedatangan orang ke- dan orang ke- dengan menyatakan waktu kedatangan orang
pertama. Dapat ditulis pula bahwa * + adalah barisan waktu antar kejadian atau
kedatangan (interarrival time).
Ilustrasi:

Waktu Antar
Kedatangan

𝑋 𝑋 𝑋𝑖 𝑡𝑖 𝑡𝑖

𝑡 𝑡 𝑡 𝑡𝑖 𝑡𝑖

𝑁(𝑡 ) → 𝑁(𝑡 ) 𝑁(𝑡) untuk 𝑡 𝑡

𝑁(𝑡 ) → 𝑁(𝑡 ) 𝑁(𝑡) untuk 𝑡 𝑡 𝑡

Berdasarkan proses menghitung * ( ) +, misalkan adalah waktu dari kejadian

pertama. Untuk , misalkan adalah waktu antar kejadian ke ( ) dan kejadian ke-
. Maka * + disebut barisan waktu antar kedatangan atau waktu antar kejadian.

D. Distribusi Waktu Antar Kedatangan

Teorema:
Waktu antar kedatangan dari suatu proses Poisson adalah saling bebas
dan berdistribusi eksponensial dengan parameter .
Bukti:
Akan ditunjukkan ( )
* + terjadi jika tidak ada kejadian dari proses Poisson yang terjadi pada interval , -.
Ini identic dengan * ( ) +. Hal ini identic dengan * ( ) +. Maka:
( ) ( ) ( ( ) )
Jadi, ( ).
Untuk , didapatkan distribusi bersyarat dengan kejadian pertama terjadi pada waktu .
( ) ( )
( ( ) ( ) )
( ( ) ( ) )
( ( ) )
Maka, ( ).
Tiap waktu antar kedatangan adalah saling bebas dan berdistribusi eksponensial dengan
parameter .

( )→ , - , -

Contoh:
Kerusakan terjadi di sepanjang kabel di bawah laut, dengan jumlah kerusakan yang
mengikuti proses Poisson dengan laju per mil. Berapa peluang bahwa tidak terdapat
kerusakan pada 2 mil pertama sepanjang kabel tersebut?
Penyelesaian:
Diketahui:
per mil

Ditanyakan: ( ( ) )
Jawab:
( )( )
( ( ) )

( )( )
(( )( ))
( ( ) )

( ( ) )

( ( ) )

E. Distribusi Bersyarat Waktu Antar Kedatangan

Distribusi bersyarat dari waktu antar kedatangan pertama , diberikan ada kejadian
pada waktu , - untuk ,
( ( ) )
( ( ) )
( ( ) )
( ( ) ) ( ( ) ( ) )
( ( ) )
( ( ) ) ( ( ) )
( ( ) )
( )
Teorema:
Diketahui bahwa ( ) , waktu kedatangan memiliki distribusi yang
sama dengan statistik terurut sesuai dengan variabel acak bebas berdistribusi seragam pada
interval ( ).
Bukti:
Akan dihitung fungsi kepadatan bersyarat dari
Diketahui bahwa ( )
Misalnya dan misalnya cukup kecil sehingga

* ( ) +
* , - +
* ( ) +
( )

( )

Karena
* ( ) +

Dengan → diperoleh bahwa kepadatan bersyarat memberikan bahwa

( ) adalah

( )

Prosisi:
Jika ( ) menyatakan banyaknya kejadian tipe-I yang terjadi pada waktu , ,
maka ( ) dan ( ) adalah bebas Poisson variabel acak dengan mean dan ( ),
dimana

∫ ( )
Bukti:
Akan dihitung distribusi bersama dari ( ) dan ( ) berdasarkan pada ( ):

* ( ) ( ) + ∑ * ( ) ( ) ( ) + * ( ) +

* ( ) ( ) ( ) + * ( ) +
Berdasarkan sebarang kejadian yang terjadi pada interval , -. Jika terjadi pada waktu ,
maka probabilitasnya adalah tipe-I yang sebagai ( ). Karena berdasarkan teorema bahwa
kejadian ini akan berdistribusi seragam pada ( ). Hal tersebut sesuai dengan probabilitas
tipe-I

∫ ( )
Kejadiannya saling bebas dari kejadian yang lainnya. Karena * ( ) ( )
( ) + sehingga sama dengan probabilitas dari sukses dan gagal pada
bebas ketika adalah probabilitas dari sukses tiap ulangannya. Yaitu:

* ( ) ( ) ( ) + . / ( )

Akibatnya:
( ) ( )
* ( ) ( ) + ( )
( )
( ) ( )( ( ))

Contoh:
Mahasiswa – mahasiswa statistika akan dating ke gedung baru FMIPA melewati pintu barat
atau pintu timur gedung. Kedatangan mahasiswa melalui dua pintu tersebut berturut – turut
mengikuti proses Poisson dengan parameter dan per menit.

a. Berapa peluang tidak ada mahasiswa datang pada selang waktu 5 menit?
b. Hitung mean waktu antar kedatangan mahasiswa – mahasiswa tersebut!
c. Berapa peluang seorang mahasiswa benar – benar datang melalui pintu barat?
d. Berapa peluang setidaknya ada 2 orang yang masuk gedung dalam 5 menit?
Jawab:

( ) ( )

Maka ( ) ( ) ( )

Karena

Maka ( )
a. Peluang tidak ada mahasiswa datang pada selang waktu 5 menit adalah
( )
( )
b. Mean waktu antar kedatangan mahasiswa – mahasiswa adalah

( )
c. Peluang seorang mahasiswa benar – benar datang melalui pintu barat adalah

( )

d. Peluang setidaknya ada 2 orang masuk gedung dalam 5 menit adalah

( ) ( ) ( )
( ) ( )( )