DISTIBUSI DATA

TUGAS

Diajukan dalam Rangka Memenuhi Tugas Mata Kuliah Analisis Simulasi Sistem

Disusun Oleh :
Sigit Afriyanto 201521073

JURUSAN TEKNIK INDUSTRI

FAKULTAS TEKNIK
UNIVERSITAS ESA UNGGUL
TANGERANG
2018

i
 DAFTAR ISI

DAFTAR ISI ..................................................................................................................... 2

BAB I ................................................................................................................................ 3
DISTRIBUSI DATA ......................................................................................................... 3
1.1. Distribusi Bernoulli ........................................................................................... 3
1.1.1. Rumus Distribusi Bernoulli......................................................................... 3
1.2. Distribusi Uniform ............................................................................................. 6
1.2.1. Rumus Distribusi Uniform .......................................................................... 6
1.3. Distribusi Exponential ........................................................................................ 6
1.3.1. Rumus Distribusi Exponential .................................................................... 7
1.4. Distribusi Normal ............................................................................................... 7
1.4.1. Rumus Distribusi Normal ........................................................................... 9
1.5. Distribusi Triangular .......................................................................................... 9
1.5.1. Rumus Distribusi Triangular ....................................................................... 9
1.6. Distribusi Beta .................................................................................................. 10
1.6.1. Rumus Distribusi Beta .............................................................................. 10
1.7. Distribusi Gamma............................................................................................. 10
1.7.1. Rumus Distribusi Gamma ......................................................................... 10
1.8. Distribusi Weibul ............................................................................................. 11
1.8.1. Rumus Distribusi Weibull ......................................................................... 11
DAFTAR PUSTAKA ..................................................................................................... 12

2
 BAB I

DISTRIBUSI DATA

1.1. Distribusi Bernoulli

Distribusi Binomial atau distribusi Bernoulli (ditemukan oleh James
Bernoulli) adalah suatu distribusi teoritis yang menggunakan variabel random
diskrit yang terdiri dari dua kejadian yang berkomplemen, seperti sukses-gagal, ya-
tidak, baik-cacat, kepala- ekor dan lain – lain.
Ciri-ciri distribusi Binomial adalah sbb :
a. Setiap percobaan hanya memiliki dua peristiwa, seperti ya-tidak, sukses-
1. Setiap percobaan hanya memiliki dua peristiwa, seperti ya-tidak,
sukses - gagal.
b. Probabilitas suatu peristiwa adalah tetap, tidak berubah untuk setiap
percobaan.
c. Percobaannya bersifat independen, artinya peristiwa dari suatu
percobaan tidak mempengaruhi atau dipengaruhi peristiwa dalam
percobaan lainnya.
d. Jumlah atau banyaknya percobaan yang merupakan komponen
percobaan binomial harus tertentu.
Sebagai contoh, sebuah dadu dilempar sepuluh kali dan dihitung berapa
jumlah muncul angka empat. Distribusi jumlah acak ini adalah distribusi binomial
dengan n = 10 dan p = 1/6.
Contoh lain, sebuah uang logam dilambungkan tiga kali dan dihitung berapa
jumlah muncul sisi depan. Distribusi jumlah acak ini merupakan distribusi binomial
dengan n = 3 dan p = 1/2.

1.1.1. Rumus Distribusi Bernoulli

a. Rumus Bernoilli suatu peristiwa
Probabilitas suatu peristiwa dapat dihitung dengan mengalikan kombinasi
susunan dengan probabilitas salah satu susunan. Berdasarkan hal tersebut,
secara umum rumus dari probabilitas binomial suatu peristiwa dituliskan :

3
b. Probabilitas binomial kumulatif
Probabilitas binomial kumulatif adalah probabilitas dari peristiwa
binomial lebih dari satu sukses. Probabilitas binomial kumulatif dapat
dihitung dengan menggunakan rumus :

4
c. Rata-rata (Mean)
Rata-rata (Mean) dari distribusi bernoulli adalah 𝐸(𝑋) = 𝑝.

d. Varian
Varian dari distribusi bernoulli adalah 𝑉𝑎𝑟(𝑋) = 𝑝(1 − 𝑝)

5
1.2. Distribusi Uniform
Distribusi seragam (uninformly distribution) merupakan distribusi
probabilitas yang paling sederhana diantara distribusi-distribusi probabilitas yang
lain. Dalam distribusi ini setiap nilai peubah acak mempunyai probabilitas terjadi
yang sama. Distribusi seragam dapat pula didefinisikan seperti berikut. Bila peubah
acak X mempunyai nilai-nilai X1, X2, …Xk, dengan probabilitas yang sama,
distribusi seragam diskrit dinyatakan sebagai

1.2.1. Rumus Distribusi Uniform

a. Mean Distribusi Uniform

b. Variasi Distribusi Uniform

1.3. Distribusi Exponential

Distribusi Eksponensial merupakan salah satu distribusi kontinu dan suatu
fungsi spesial dari distribusi Gamma yang berperan penting di statistika. Distribusi
Eksponensial berguna dalam mencari selisih waktu yang terjadi dalam suatu
peluang pada daerah tertentu. Dalam aplikasinya, distribusi Eksponensial ini
berperan dalam mengukur tingkat kegagalan yang mungkin terjadi dalam suatu
peluang.
Distribusi eksponensial diterapkan dalam teori reliabilitas (waktu tahan),
waktu tunggu, masalah antrian dan lain-lain.

6
1.3.1. Rumus Distribusi Exponential
a. Fungsi Padat Peluang

b. Mean

E(X) = θ-1

c. Varian
Var(X) = θ-2

1.4. Distribusi Normal

Distribusi normal, disebut pula distribusi Gauss, adalah distribusi
probabilitas yang paling banyak digunakan dalam berbagai analisis statistika.
Distribusi normal baku 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 pada ilmu 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 dalam statistika, dan kebanyakan
pengujian hipotesis mengasumsikan normalitas suatu data.

Variabel acak X berdistribusi normal dengan rata-rata μ dan

varians σ2 jika mempunyai fungsi kepadatan.

7
Sifat-sifat kurva normal :

• Kurvanya mempunyai puncak yang tunggal

• Modus terjadi pada x=μ (bisa juga dikatakan rata-rata μ tepat ditengah kurva
tertinggi)
• Kurva simetris terhadap x=μ
• Kedua ujung kurva semakin mendekati sumbu mendatar bila nilai x bergerak
menjauhi rata-rata μ (sumbu mendatar di sebut asimtot dari kurva normal)
• Seluruh luas kurva normal di atas sumbu mendatar adalah 1.
• Simpangan baku σ menentukan bentuk kurva, semakin kecil σ akan semakin
runcing juga kurvanya .

8
1.4.1. Rumus Distribusi Normal
a. Mean
E(X)=μ
b. Varian
Var(X)=σ2

1.5. Distribusi Triangular

Distribusi triangular merupakan salah satu distribusi peluang kontinu dengan
3 parameter yaitu nilai minimum dengan , nilai maksimum b dengan b > dan nilai
yang paling mungkin m dengan . Lambang dari distribusi ini adalah Tr . Misalkan X
adalah suatu peubah acak yang berdistribusi Triangular dengan parameter , b, dan m,
maka X dapat ditulis dengan lambang X~ Tr . Dalam skripsi ini dibahas mengenai
bentuk dan 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. Hubungan distribusi triangular dengan distribusi beta adalah jika X Beta
(1,2), maka X Tr (0,0,1) left asymmetric triangular, dan jika X Beta (2,1), maka
X Tr (1,0,1) right asymmetric triangular. Sedangkan hubungan distribusi triangular
dengan distribusi uniform adalah jika X1 U(0,1) dan X2 U(0,1), X1 dan X2 saling
bebas maka Tr (1,0,2) symmetric triangular. Selain itu, diberikan contoh penerapan
dari distribusi triangular mengenai peluang waktu penyelesaian pembangunan suatu
proyek.

1.5.1. Rumus Distribusi Triangular

a. Mean

b. Varian

9
1.6. Distribusi Beta
Distribusi Beta adalah sebuah keluarga yang berkesinambungan parameter
bentuk, biasanya dilambangkan dengan α dan β. Ini adalah kasus khusus
daridistribusi Dirichlet dengan hanya dua parameter. Karena distribusi Dirichlet
adalahkonjugat sebelumnya dari distribusi multinomial, distribusi beta
konjugatsebelumnya dari distribusi binomial. Dalam Bayesian statistik, dapat dilihat
sebagaidistribusi posterior dari parameter p dari distribusi binomial setelah
mengamati α - 1kejadian yang independen dengan probabilitas p dan β - 1 dengan
probabilitas 1 - p, jika sebelumnya distribusi p adalah seragam

Distribusi beta digunakan sebagai penaksiran kasar dari suatu missing data
distribusi dari suatu proporsi.

1.6.1. Rumus Distribusi Beta

• Mean

• Varian

1.7. Distribusi Gamma

Distribusi gamma diaplikasikan dalam lamanya waktu untuk
menyelesaikan pekerjaan. Distribusi gamma sering diterapkan dalam teori antrian
dan teori reabiliti. Distribusi gamma dapat digunakan untuk memodelkan
distribusi peluang dari waktu tunggu atau masa hidup suatu objek atau individu.

1.7.1. Rumus Distribusi Gamma

• Mean

E(X) = αβ
• Varian
Var(X) = αβ2

10
1.8. Distribusi Weibul
Distribusi Weibull biasanya digunakan untuk menyelesaikan masalah-masalah
yang menyangkut lama waktu (umur) suatu objek yang mampu bertahan hingga
akhirnya objek tersebut tidak berfungsi sebagaimana mestinya (rusak atau mati).

Distribusi Weibull memiliki parameter λ dan k, dimana parameter λ dan k

tersebut lebih besar dari 0.

Fungsi distribusi kumulatif dari distribusi Weibull adalah

dimana λ > 0 adalah parameter bentuk dan k > 0 adalah parameter skala. Fungsi
kepadatan peluangnya adalah turunan dari fungsi distribusi kumulatifnya tersebut.

dengan demikian dapat didefinisikan fungsi kepadatan peluangnya adalah

1.8.1. Rumus Distribusi Weibull

• Mean

• Varian

11
 DAFTAR PUSTAKA

https://madinglife.com/2017/10/03/ditribusi-binomial-distribusi-normal-distribusi-
poisson-distribusi-sampling-statistik-penduga/

https://id.wikipedia.org/wiki/Distribusi_binomial

https://www.rumusstatistik.com/2014/08/distribusi-bernoulli.html

http://ditaretnow.blogspot.com/2015/10/distribusi-uniformseragam-peubah-acak.html

https://www.rumusstatistik.com/2013/07/rumus-distribusi-eksponensial.html

https://id.wikipedia.org/wiki/Distribusi_normal

http://www.aksiomaid.com/Matematika/RingkasanMateri/0128010100000000/DISTRIB
USI-NORMAL/PENGERTIAN-DISTRIBUSI-NORMAL-DAN-TABEL-
DISTRIBUSI-NORMAL

https://id.wikipedia.org/wiki/Distribusi_normal

https://www.slideshare.net/posku/stat-prob09-distributioncontinue

https://www.rumusstatistik.com/2013/07/distribusi-beta.html

https://www.scribd.com/doc/252858989/Distribusi-Beta

https://www.rumusstatistik.com/2013/07/rumus-distribusi-gamma.html

https://www.rumusstatistik.com/2013/07/distribusi-weibull.html

12