DISTRIBUSI BINOMIAL NEGATIF DAN DISTRIBUSI

POISSON

Kelompok 2:
1. Anjar Dwi Hariadi (190312617652)
2. Izhar Mayranda (190312617635)
3. Lya Ayu Pramesti (190312617675)

UNIVERSITAS NEGERI MALANG ANGKATAN 2019

 KATA PENGANTAR
Puji syukur alhamdulillah kami panjatkan ke hadirat Tuhan Yang Maha Esa, karena telah
melimpahkan rahmat-Nya berupa kesempatan dan pengetahuan sehingga makalah ini bisa selesai
pada waktunya.

Terima kasih juga kami ucapkan kepada teman-teman yang telah berkontribusi dengan
memberikan ide-idenya sehingga makalah ini bisa disusun dengan baik dan rapi.

Kami berharap semoga makalah ini bisa menambah pengetahuan para pembaca. Namun
terlepas dari itu, kami memahami bahwa makalah ini masih jauh dari kata sempurna, sehingga
kami sangat mengharapkan kritik serta saran yang bersifat membangun demi terciptanya makalah
selanjutnya yang lebih baik lagi.

Malang, 18 Oktober 2019

Penulis

ii
 DAFTAR ISI

KATA PENGANTAR .............................................................. ii

DAFTAR ISI ............................................................................ iii
BAB I PENDAHULUAN ........................................................ 1
1.1 Latar Belakang ........................................................................1
1.2 Rumusan Masalah ...................................................................1
1.3 Tujuan ......................................................................................1
BAB II PEMBAHASAN .......................................................... 2
2.1 Distribusi Binomial Negatif ....................................................2
2.1.1 Pengertian ................................................................................... 2
2.1.2 Ciri - Ciri Eksperimen Binomial Negatif ..............................2
2.1.3 Contoh Soal ................................................................................ 3
2.2 Distribusi Geometrik ................................................................3
2.2.1 Pengertian ................................................................................... 3
2.2.2 Contoh Soal ................................................................................ 3
2.3 Distribusi Poisson ....................................................................4
2.3.1 Pengertian ................................................................................... 4
2.3.2 Contoh Soal Distribusi Poisson .................................................. 4
2.3.3 Lanjutan Distribusi Poisson........................................................ 5
2.3.4 Soal Lanjutan Distribusi Poisson ............................................... 6

BAB III PENUTUP .................................................................. 7

3.1 Kesimpulan ..............................................................................7
3.2 Saran .........................................................................................7
DAFTAR PUSTAKA ............................................................... 8

iii
 BAB I PENDAHULUAN

1.1 Latar Belakang

Dalam teori probabilitas dan statistika, distribusi binomial adalah distribusi
probabilitas diskret jumlah keberhasilan dalam n percobaan ya/tidak (berhasil/tidak)
yang saling bebas, dimana setiap hasil percobaan memiliki probabilitas p. Eksperimen
berhasil atau 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.

1.2 Rumusan Masalah

 Apa itu distribusi binomial negatif?
 Bagaimana ciri – ciri distribusi binomial negatif?
 Apa itu distribusi geometrik?
 Apa itu distribusi poisson?
 Bagaimana rata-rata, variansi, dan simpangan baku untuk distribusi poisson?

C
 Untuk mengetahui penjelasan distribusi binomial negatif
 Untuk mengetahui ciri-ciri distribusi binomial negatif
 Untuk mengetahui penjelasan distribusi geometrik
 Untuk mengetahui penjelasan distribusi poisson
 Untuk menghitung rata-rata, variansi, dan simpangan baku untuk distribusi poisson

1
 BAB II PEMBAHASAN

2.1 Distribusi Binomial Negatif

2.1.1 Pengertian
Peubah acak binomial negatif X didefinisikan sebagai banyaknya ulangan
bernoulli yang harus dilakukan sampai diperoleh k keberhasilan.
Jika X merupakan peubah acak binomial negatif maka fungsi kepadatan
peluangnya diberikan oleh
𝑥−1 𝑘
𝑏 ∗ (𝑥; 𝑘, 𝑝) = ( ) 𝑝 (1 − 𝑝)𝑥−𝑘 x=k, k+1, k+2, ...
𝑘−1
Bilangan X yang menyatakan banyaknya uji – coba yang menghasilkan k
sukses dalam suatu percobaan binomial negatif disebut peubah acak binomial
negatif, sedangkan distribusi peluangnya disebut distribusi binomial negatif.
Karena nilai peluang dalam distribusi tersebut bergantung pada banyaknya
sukses yang diinginkan dan peluang sukses pada suatu uji – coba, maka kita akan
melambangkan dengan 𝑏 ∗ (𝑥; 𝑘, 𝑝). Untuk mendapatkan rumus umum bagi 𝑏 ∗
(𝑥; 𝑘, 𝑝), perhatikan peluang terjadinya sukses pada ulangan ke – x yang
didahului oleh (k-1) kesuksesan dan (x-k) gagal dalam suatu urutan tertentu.
Karena masing – masing ulangan itu bebas satu sama lainnya, maka kita dapat
menggandakan semua peluang untuk setiap kejadian yang diinginkan. Setiap
suksesan terjadi dengan peluang p dan setiap gagal terjadi dengan peluang q=1-p.
Dengan demikian, peluang bagi urutan tersebut berakhir dengan suatu sukses
adalah 𝑝𝑘 𝑞 𝑥−𝑘 . Banyaknya titik sampel dalam percobaan tersebut yang berakhir
dengan sukses, setelah sebelumnya terjadi (k-1) kesuksesan dan (x-k) kegagalan
dalam sembarang urutan, adalah sama dengan banyaknya sekatan (x-1) ulangan
ke dalam dua kelompok, dengan (k-1) kesuksesan dalam kelompok yang satu dan
(x-k) kegagalan dalam kelompok lainnya. Bilangan ini dapat dituliskan menurut
𝑥−1
rumus ( ), semuanya saling terpisah dan terjadi dengan peluang yang sama
𝑘−1
sebesar 𝑝𝑘 𝑞 𝑥−𝑘 . Kita peroleh rumus umum tersebut dengan menggandakan
𝑥−1
𝑝𝑘 𝑞 𝑥−𝑘 dengan ( ).
𝑘−1
2.1.2 Ciri - Ciri Eksperimen Binomial Negatif
1. Ada serangkaian percobaan Bernoulli yang identik dan saling bebas.
2. Setiap percobaan dalam serangkaian percobaan Bernoulli tersebut,
probabilitas berhasil "H" senantiasa konstan yaitu p selalu sama untuk tiap-
tiap percobaan. Probabilitas gagal "G" sebesar q = 1-p selalu sama untuk tiap-
tiap percobaan.
3. Serangkaian percobaan-percobaan tersebut dihentikan begitu mendapatkan
hasil "H" sebanyak k.

2
 4. Variabel acak X menyatakan jumlah percobaan sebelum terjadi hasil "H"
yang ke k, artinya jumlah hasil "H" terjadi sudah sebanyak k-1.

2.1.3 Contoh Soal

16. a)Misalkan peluangnya seseorang akan mempercayai suatu cerita mengenai
hidup setelah mati adalah 0,8. Berapa peluang bahwa orang keenam yang
mendengar cerita itu adalah yang keempat yang mempercayainya?
Solusi:
6−1
𝑏 ∗ (6; 4,0.8) = ( ) 0.84 (1 − 0.8)6−4
4−1
5
𝑏 ∗ (6; 4,0.8) = ( ) 0.84 (0.2)2
3
2560
𝑏 ∗ (6; 4,0.8) = = 0.16384
15625

17. a)Hitunglah peluang bahwa seseorang yang melemparkan sekeping uang

logam setimbang memperoleh sisi gambar yang ketiga pada lembaran
yang ketujuh!
Solusi:
7−1
𝑏 ∗ (7; 3,0.5) = ( ) 0.53 (0.5)7−3
3−1
6
𝑏 ∗ (7; 3,0.5) = ( ) 0.53 (0.5)4
2
15
𝑏 ∗ (7; 3,0.5) =
128

2.2 Distribusi Geometrik

2.2.1 Pengertian
Bila uji – coba yang bebas dan berulang – ulang dapat menghasilkan
sukses dengan peluang p dan gagal dengan peluang q=1-p, maka distribusi
peluang bagi peubah acak X, yaitu banyaknya uji – coba sampai munculnya
sukses yang pertama, diberikan menurut rumus:
𝑔(𝑥; 𝑝) = 𝑝𝑞 𝑥−1 , untuk x = 1, 2, 3, ...

2.2.2 Contoh Soal

16. b) Misalkan peluangnya seseorang akan mempercayai suatu cerita
mengenai hidup setelah mati adalah 0,8. Berapa peluang bahwa orang

3
 ketiga yang mendengar cerita itu adalah yang pertama yang
mempercayainya?
Solusi:
𝑔(𝑥; 𝑝) = 𝑝 𝑥 (𝑞)𝑥−1
𝑔(𝑥; 𝑝) = 0.81 (0.2)3−1
𝑔(𝑥; 𝑝) = 0.81 (0.2)2
𝑔(𝑥; 𝑝) = 0.032
17. b) Hitunglah peluang bahwa seseorang yang melemparkan sekeping uang
logam setimbang memperoleh sisi gambar yang pertama pada lemparan
yang keempat!
Solusi:
𝑔(𝑥; 𝑝) = 0.51 (0.5)4−1
𝑔(𝑥; 𝑝) = 0.51 (0.5)3
𝑔(𝑥; 𝑝) = 0.0625

2.3 Distribusi Poisson

2.3.1 Pengertian
Dalam teori probabilitas dan statistika, distribusi Poisson adalah distribusi
probabilitas diskrit yang menyatakan peluang jumlah peristiwa yang terjadi
pada periode waktu tertentu apabila rata-rata kejadian tersebut diketahui dan
dalam waktu yang saling bebas sejak kejadian terakhir. Sesuai dengan
namanya, distribusi peluang ini ditemukan oleh Simeon Denis Poisson.
Peubah acak X dikatakan berdistribusi Poisson jika dan hanya jika
𝑒 −𝜇 𝜇 𝑥
fungsi peluangnya berbentuk𝑝(𝑥; 𝜇 ) = ,𝜇adalah rata – rata
𝑥!
banyaknya hasil percobaan yang terjadi selama suatu selang waktu atau daerah
tertentu, dan 𝑒 = 2.71828... .

2.3.2 Contoh Soal Distribusi Poisson

20. Secara rata – rata di suatu simpangan terjadi 3 kecelakaan lalu lintas per
bulan. Berapa peluang bahwa pada suatu bulan tertentu di simpangan ini
terjadi
(a). Tepat 5 kecelakaan.
(b). Kurangnya dari 3 kecelakaan.
(c). Sekurang kurangnya 2 kecelakaan.
Solusi:

4
 𝑒 −𝜇 𝜇𝑥
(a) 𝑝(𝑥; 𝜇) =
𝑥!
𝑒 −3 35
𝑝(5; 3) = 5!

≈ 0,100819
(b) 𝑝(𝑥 < 3) = 𝑝(1,3) + 𝑝(2,3)

𝑒 −3 31 𝑒 −3 32
= +
1! 2!
= 0,15 + 0,224
= 0,374
(c) 𝑝(𝑥 ≥ 2) = 1 − 𝑝(𝑥 < 2)
= 1 − (𝑝(1,3))
𝑒 −3 31
= 1− 1!

= 1 − 0,15
= 0,85
21. Seorang sekretaris rata – rata melakukan 2 kesalahan per detik. Berapa
peluang bahwa pada halaman berikutnya ia membuat
(a) Tepat 4 atau lebih kesalahan?
(b) Tidak satupun kesalahan?
Solusi:
(a) 𝑃(𝑋 ≥ 4) = 1 − 𝑃(𝑋 < 4)
𝑃(𝑋 ≥ 4) = 1 − (𝑝(2; 1) + 𝑝(2; 2) + 𝑝(2; 3))
𝑃(𝑋 ≥ 4) = 1 − (0.27 + 0.27 + 0.18)
𝑃(𝑋 ≥ 4) = 0.28
𝑒 −2 20
(b) 𝑝(5; 3) = ≈ 0.135
0!

2.3.3 Lanjutan Distribusi Poisson

Variansi distribusi Poisson dapat ditunjukkan sama dengan rataannya.
Jadi dalam contoh soal nomor 20(a) dengan 𝜇 = 3, kita juga memperoleh
𝜎 2 =3 dan oleh karena itu 𝜎 = √2. Dengan menggunakan Teorema
Chebyshev, kita dapat mengatakan bahwa peubah acak ini akan jatuh dalam
selang 𝜇 ± 2𝜎 = 3 ± 2√2, atau 0.18 sampai 5.83 dibulatkan menjadi 2 sampai
6 dengan peluang sekurang kurangnya ¾. Oleh karena itu, kita simpulkan
bahwa dengan peluang sekurang – kurangnya 75% kecelakaan terjadi di
simpangan 2 sampai 6 kecelakaan per bulan.

5
 Distribusi Poisson dan binomial memiliki histogram peluang yang
bentuknya hampir sama bila n besar dan p kecil (mendekati nol). Oleh karena
itu, variansi Poisson dengan 𝜇 = 𝑛𝑝 dapat digunakan untuk menghampiri
peluang binomial. Bila p nilainya dekat dengan 1, kita dapat menukaran apa
yang telah didefinisikan sebagai sukses dan gagal, dengan demikian mengubah
p menjadi suatu yang mendekati nol.

2.3.4 Soal Lanjutan Distribusi Poisson

26. Peluang bahwa seseorang meninggal akibat infeksi pernafasan 0.002,
hitunglah peluang bahwa kurang dari 5 diantara 2000 orang yang
terinfeksi akan meninggal.
Solusi:
𝜇 = 𝑛𝑝
𝜇 = 2000𝑥0.002 = 4
𝑃(𝑋 < 4) = 𝑝(1; 4) + 𝑝(2; 4) + 𝑝(3; 4) + 𝑝(4; 4)
𝑃(𝑋 < 4) ≈ 0,073 + 0,1465 + 0,1954 + 0,1954
𝑃(𝑋 < 4) ≈ 0,6103
27. Misalkan bahwa secara rata – rata 1 diantara 1000 orang membuat
kesalahan angka dalam melaporkan pajak pendapatannya. Bila 10000
formulir diambil secara acak dan diperiksa. Berapa peluang ada 6,7, atau
8 formulir yang mengandung kesalahan?
Solusi:
1
𝑝= = 0,001
1000
𝜇 = 𝑛𝑝
𝜇 = 10000𝑥0,001 = 10
𝑃(6 ≤ 𝑋 ≤ 8) = 𝑝(6; 10) + 𝑝(7; 10) + 𝑝(8; 10)
𝑃(6 ≤ 𝑋 ≤ 8) ≈ 0,063 + 0,09 + 0,113
𝑃(6 ≤ 𝑋 ≤ 8) ≈ 0,266

6
 BAB III PENUTUP
3.1 Kesimpulan
Distribusi Binomial seringkali digunakan untuk memodelkan jumlah
keberhasilan pada jumlah sampel n dari jumlah populasi N. Distribusi banyak
digunakan pada masalah yang mungkin bernilai benar atau salah, sukses atau
gagal, dan lain sebagainya.

3.2 Saran
Dalam suatu percobaan peluang, sebaiknya dilakukan bukan hanya sekali supaya
mendapatkan hasil yang lebih tepat. Dalam melakukan percobaan peluang juga
hanya terpaku pada suatu distribusi untuk lebih baiknya menggunakan banyak
distribusi sebagai bahan pertimbangan.

7
 DAFTAR PUSTAKA

Permadi, Hendro dan Abadyo. 2005. Metode Statistika Praktis.Malang: Penerbit Universitas
Negeri Malang
https://www.researchgate.net/publication/327645405_DISTRIBUSI_NEGATIF_BINOMIAL
https://www.rumusstatistik.com/2012/07/rumus-distribusi-binomial-negatif.html
https://www.rumusstatistik.com/2012/07/rumus-distribusi-poisson.html