Agung Bayu Aji

2512100137 / SSI kelas C

Macam-Macam Distribusi pada Simulasi

1. Distribusi Beta
Pengertian : Distribusi beta digunakan sebagai penaksiran kasar dari
suatu missing data distribusi dari suatu proporsi. Misalkan X 1 dan X2
adalah variabel-variabel random yang independen dan masing-masing
mempunyai distribusi Gamma dengan parameter (α,1) dan (β,1), α>0,
β>0.
Catatan :
 Distribusi Beta mempunyai 2 parameter yaitu alfa dan beta
 Distribusi t mempunyai 1 parameter yaitu r
 Distribusi F mempunyai 2 parameter yaitu r1 dan r2
 Distribusi Beta selalu bernilai positif real dalam rentang [0,1]
Contoh Penerapan : Distribusi beta biasanya digunakan untuk
mempresentasikan proporsi random dari defect sebuah lot di quality
control.

2. Distribusi Erlang
Pengertian : Distribusi yang digunakan pada situasu dimana aktivitas
terjadi pada fase berturut-turut dan setiap fase memiliki distribusi
eksponential. Distribusi erlng adalah kasus khusus dari distribusi
gamma dimana shape parameternya adalah bilangan integer.

Catatan :
 Distribusi Erlang bernilai selalu positif integer
Contoh Penerapan :
 Waktu proporsi kerusakan produk botol saat produksi botol
massal.

3. Distribusi Eksponensial
Pengertian : Distribusi eksponensial memainkan peranan penting
dalam teori antrian dan teori keandalan (reliability). Jarak antar waktu
 Agung Bayu Aji
2512100137 / SSI kelas C

tiba di fasilitas pelayanan (misalnya bank, loket kereta api, dan lain-
lain). Selain itu, life time (masa hidup) yaitu lamanya waktu sampai
rusaknya suku cadang, mesin, atau peralatan listrik. Variabel acak
kontinyu X berdistribusi eksponential, dengan parameter b, bila fungsi
padatnya berbentuk :

Rata-rata dan variasi distribusi eksponential adalah

Catatan :
 Distribusi Eksponensial bernilai selalu positif real [0,takhingga)
Contoh Penerapan :
 Waktu kedatangan entitas.
 Waktu breakdown process.

4. Distribusi Gamma
Pengertian : Berasal dari fungsi gamma yang dipelajari dalam banyak
bidang matematik.

Contoh :
 Waktu yang dibutuhkan untuk menyelesaikan tugas (waktu
permesinan atau waktu perbaikan mesin)
 Agung Bayu Aji
2512100137 / SSI kelas C

 Waktu antar kerusakan

 Lama waktu perawatan motor
 Waktu tunggu
 Reliability

5. Distribusi Lognormal
Pengertian : Distribusi log-normal adalah distribusi kemungkinan
entropi maksimum dari sebuah variat acak X dimana rata-rata dan
varian ln(X) tetap.

Contoh Penerapan :
 Dalam biologi, variabel yang logaritmanya cenderung memiliki
distribusi normal antara lain:
a) Ukuran jaringan hidup (panjang, tinggi, luas kulit, berat);
b) Panjang tonjolan inert (rambut, cakar, kuku, gigi) spesimen
biologis, dalam arah pertumbuhan
c) Pengukuran fisiologis tertentu, seperti tekanan darah manusia
dewasa (setelah pemisahan sub populasi laki-laki/perempuan)
d) Jangkauan referensi pengukuran individu sehat lebih akurat
diperkirakan dengan mengasumsikan distribusi log-normal
daripada mengasumsikan distribusi simetrik disekitar mean.
 Dalam hidrologi, distribusi log-normal digunakan untuk menganalisis
nilai-nilai ekstrim variabel seperti nilai maksimum bulanan dan
tahunan curah hujan harian dan volume debit sungai.
 Dalam keuangan, dalam model Black-Scholes, perubahan dalam
logaritma nilai tukar, indeksharga, dan indeks pasar saham
diasumsikan normal. Variabel ini berperilaku seperti bunga majemuk,
tidak seperti bunga sederhana, dan karenanya bersifat multiplikatif).
Walau begitu, beberapa matematikawan seperti Benoit Mandelbrot
berpendapat kalau distribusi log-Levy yang memiliki ekor berat lebih
 Agung Bayu Aji
2512100137 / SSI kelas C

sesuai, khususnya untuk analisis keruntuhan pasar saham. Distribusi

harga saham menunjukkan ekor yang berat.
 Distribusi ukuran kota juga bersifat lognormal. Hal ini mengikuti hukum
Gibrat mengenai pertumbuhan bebas skala. Tanpa melihat ukurannya,
semua kota mengikuti proses pertumbuhan stokastik yang sama.
Akibatnya, logaritma ukuran kota berdistribusi normal. Terdapat juga
bukti lognormalitas dalam distribusi ukuran perusahaan dan hukum
Gibrat.
 Dalam analisis reliabilitas, distribusi lognormal sering digunakan untuk
memodelkan waktu untuk memperbaiki sebuah sistem yang dapat
dirawat.

6. Distribusi Normal (Gauss)

Pengertian : Distribusi dimana n cukup besar dan p tidak terlalu kecil.
Untuk dapat menentukan probabilitas (untuk suatu sample yang cukup
besar, terutama untuk gejala alam seperti berat badan dan tinggi
badan), nilai yang akan dicari ditransformasikan dulu ke nilai kurva
normal standar melalui transformasi Z (deviasi relative).\
Rumus :

Sifat :
 Grafiknya selalu ada diatas sumbu dasar X
 Bentuknya simetrik terhadap X = µ
 Luas daerah grafik selalu sama dengan satu unit persegi
 Seperti lonceng

Contoh :
 Umur Fasilitas
 Luas Daerah
 Waktu proses

7. Distribusi Poisson
 Agung Bayu Aji
2512100137 / SSI kelas C

Pengertian : Digunakan untuk menentukan peluang suatu kejadian

yang jarang terjadi, tetapi mengenai populasi yang luas atau area yang
luas dan juga berhubungan dengan waktu.

Sifat :
 Independen (banyaknya outcome dalam satu interval waktu
tidak bergantung pada banyaknya outcome pada waktu atau
daerah lain.
 Probabiitas terjadinya 1 outcome dalam interval waktu/daerah
yang sangat pendek sebanding dengan lama waktu interval
tersebut. Dan tidak tergantung pada kejadian atau outcoe diluar
interval ini.
 Probabilitas setiap periode konstan
Contoh :
 Disuatu gerbang tol yang dilewati ribuan mobil dalam suatu hari
akan terjadi kecelakaan dari sekian banyak mobil yang lewat
 Dikatakan bahwa kejadian seseorang yang akan meninggal
karena shock pada waktu disuntik dengan vaksin meningitis
0,0005. Padahal, vaksinasi tersebut selalu diberikan kalau
seseorang ingin pergi haji.
 Banyak panggilan telepon per jam
 Banyak hari-hari sekolah tutup karena bencana alam dalam
setahun
 Banyak kecoa per hectare

8. Distribusi Triangular
Pengertian : Distribusi ini digunakan ketika distribusi yang pasti tidak
diketahui tetapi diestimasikan nilai minimum, mean dan maksimum
yang memungkinkan.
 Agung Bayu Aji
2512100137 / SSI kelas C

Contoh :
 Waktu proses kerja
 Waktu antar kedatangan pelanggan
 Waktu proses produksi

9. Distribusi Uniform
Pengertian : Distribusi probabilitas yang paling sederhana jikalau tiap
nilai variable random memiliki probabilitas yang sama untuk terpilih.
Distribusi uniform yang digunakan ketika semua nilai dalam range
yang tidak terbatas dianggap sama.Distribusi ini digunakan ketika
tidak ada informasi lain yang dapat diketahui. Jika variable random X
bisa memiliki nilai X1. X2,….Xk dan masing-masing bisa muncul
dengan probabilitas yang sama maka distribusi probabilitasnya
diberikan oleh

Contoh :
 Sebuah koin ideal memiliki 2 muka yaitu angka dan gambar. Jika
x menyatakan banyaknya angka muncul, maka x = 0,1 dan
distribusina

 Kemungkinan proses replikasi pembangkitan bilangan random

akan berhenti pada suatu software simulasi.

10. Distribusi Weibull

 Agung Bayu Aji
2512100137 / SSI kelas C

Pengertian : 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 memilik parameter α dan β, dimana α dan β lebih
besar dari 0. Bentuk distribusinya adalah sebagai berikut.

Keunggulan : Alasan pemakaian metode weibull dalam

pemeliharaan mesin/ peralatan adalah dikarenakan untuk
memprediksikan kerusakan sehingga dapat dihitung keandalan
mesin/ peralatan, dan dapat meramalkan kerusakan yang akan
terjadi walaupun belum terjadi kerusakan sebelumnya.
Kegunaan : Distribusi Weibull secara luas digunakan untuk berbagai
masalah keteknikan karena kegunaannya yang bermacam-macam.
Pada dasarnya distribusi weibull ini dimaksudkan untuk
menggambarkan keadaan optimal dari suatu mesin atau peralatan
baik perbagiannya ataupun komponen komponennya.