MODUL

PELATIHAN PENGEMBANGAN DIRI DAN PENINGKATAN KOMPETENSI GURU

MGMP MATEMATIKA SMA DIY

DISTRIBUSI BINOMIAL

Diajukan Oleh :
Drs. H. Abdul Taram, M.Si
Uswatun Khasanah, M.Sc.
Nur Arina Hidayati, M.Sc.
Dwi Astuti, M.Pd.

PROGRAM STUDI PENDIDIKAN MATEMATIKA

FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN
UNIVERSITAS AHMAD DAHLAN
2019
 1. DISTRIBUSI BINOMIAL

A. Pengertian Variabel Random

Definisi
1. Misalkan S  a1 , a 2 , adalah ruang sampel suatu eksperimen, dan misalkan pula

simbul X menunjukkan suatu pemetaan dengan aturan yang memberikan harga tertentu
X (a ) untuk setiap elemen a dari S. Maka X dinamakan variabel random yang berkaitan
dengan eksperimen itu.
2. Suatu variabel random yang hanya dapat menjalani sejumlah terhingga harga - harga
yang dinamakan variabel random diskrit,(dengan kata lain nilainya berupa bilangan
bulat). Sedangkan suatu variabel random yang dapat menjalani setiap harga dalam suatu
interval dinamakan variabel random kontinu,(dengan kata lain nilainya berupa bilangan
real).

Dalam praktek, umumnya variabel random kontinu merupakan data pengukuran hasil suatu
eksperimen, sedangkan variabel random diskrit merupakan data cacah seperti banyaknya
produk yang rusak dalam sekumpulan hasil produksi.

Contoh
1. Pengambilan 3 buah bola sekaligus secara acak dari suatu kotak yang berisi 3 bola orange
dan 2 bola putih. Jika variable random X didefinisikan sebagai banyak bola putih terambil.
Tentukan semua nilai dari variable random X.

Jawab :
Pengambilan 3 bola sekaligus adalah merupakan kombinasi dengan n = 5, dan r = 3,
 5
sehingga n(S) =    10 ;
 3
Misalkan Bola berwarna orange diberi nomor yaitu O1, O2, dan O3, sedangkan bola putih
diberi nomor P1, dan P2, maka ruang sampel S adalah
S = { O1 O2 O3, O1 O2 P1, O1 O2 P2, O1 O3 P1, O1 O3 P2, O2 O3 P1, O2 O3 P2, O1 P1 P2 , O2 P1
P2 , O3 P1 P2 }
Sehingga nilai dari variable random X adalah :

1
 X(O1 O2 O3) = 0,
X(O1 O2 P1 )=X(O1 O2 P2)=X(O1 O3 P1)=X(O1 O3 P2 )=X(O2 O3 P1)=X(O2 O3 P2) = 1,
X(O1 P1 P2)=X=(O2 P1 P2)=X(O3 P1 P2) = 2.
Terlihat semua nilai dari X adalah bulat sehingga X variable random diskrit.

2. Misalkan S himpunan dari 50 mahasiswa yang mengambil matakuliah Teori Peluang,

S={m1,m2, ….. ,m50}, dan variable random Y didefinisikan sebagai IP yang dimiliki
mahasiswa masing-masing. Maka nilai dari Y berupa bilangan real, misalnya : Y(m1)=2,75,
Y(m2)=2,50, Y(m3)=3,25 …. Karena nilainya real, maka Y merupakan variable kontinu.

B. Distribusi Probabilitas Variabel Random

Dua macam variabel random, masing-masing memiliki distribusi, dengan notasi dan sebutan
yang berbeda, hal ini untuk memudahkan pemahaman keduanya. Pembahasan berikut akan
dibahas distribusi masing-masing dengan beberapa pengertian, dan sifat yang terkait.

1. Distribusi Probabilitas Variabel Random Diskrit dan Grafiknya.

Distribusi probabilitas untuk variable random diskrit X, dinotasikan dengan : P(X=xi)

Definisi
Misalkan X suatu variabel random diskrit didefinisikan dalam ruang sampel S, dan harga -
harga yang mungkin dari X adalah b1 , b2 ,, bk , dengan probabilitas masing - masing
p1  P( X  b1 ), p2  P( X  b2 ), pk  P( X  bk ) .
P(X=xi) disebut distribusi variable rando diskrit X jika memenuhi :
i). P( X  x)  0; untuk setiap x.
k
ii )  P( X  x )  1
i 1
i

Definisi distribusi probabilitas X tersebut, sering dinyatakan dalam bentuk tabel distribusi :

X b1 b2. .... b1 .... bk

P(X) p1 p2 .... Pi .... pk

2
 Contoh
1. Dari contoh a1 pada variable random, kontruksikan tabel distribusi Probabilitas variable
random X, beserta grafiknya.
Jawab :
Nilai-nilai dari X : 0, 1, dan 2. sedangkan n(S)=10
1 6 3
Sehingga: P(X=0) = ; P(X=1) = ; dan P(X=2) =
10 10 10

X=xi 0 1 2 ∑ P ( X=xi )

P ( X=xi ) 1 6 3 10
=1
10 10 10 10

Grafik dari P ( X=xi ) adalah sebagai berikut :

6/10
3/10
1/10

2. Sebuah dadu dilempar dua kali, variabel random X didefinisikan sebagai jumlah titik yang
diperoleh dalam dua lemparan itu. Tentukan distribusi probabilitas X.
Penyelesaian :
Dari definisi variabel random yang diberikan, maka X menjalani harga-harga : 2,3,4, ... , 12,
karena (X=2}={(1,1)}, (X=3}={(1,2)}= {(2,1)}, ... , (X=12}={(6,6)}. Sehingga Distribusi
probabilitas X adalah :

Harga X 2 3 4 5 6 7 8 9 10 11 12

P(X) 1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36

11 11
Perhatikan bahwa :  pi   P{X  bk }  1
i 1 k 1

3
2. Distibusi Kumulaif

Definisi.

Distribusi kumulatif F(x) suatu variable random diskrit X dengan distribusi probabilitas
P(X=x) dinyatakan oleh :
x
F ( x)  P( X  x)   P( X  t )
t 0

Dari contoh b1 dapat dikontruksikan distribusi kumulatif F(x) sebagai berikut:

 0, jika x  0
 1 , jika 0  x  1

F ( x)   107
 10 , jika 1  x  2
 1, jika x  2

7
Sehingga dapat peroleh nilai untuk: F (1)  P( X  1)  P( X  0)  P( X  1) 
10

Grafik F(x) :

4
3. Distribusi Probabilitas Dua Variabel Random dan Sifat-Sifatnya

a. Distribusi Bersama Variabel Random X dan Y

Misal : Harga-harga X  x1 , x 2 ,..., x k

Harga-harga Y  y1 , y 2 ,..., y m

maka ada (kxm) pasangan harga f ( xi , y j ); dengan i  1,2,, k dan j  1,2,, m , yang

berbeda.
Distribusi bersama dua variabel rando X dan Y dinotasikan dengan :
f ( xi , y j )  P ( X  xi , Y  y j )

dibaca : Probabilitas bahwa X dan Y secara bersama-sama, masing-masing mempunyai

harga xi , dan y j .

Definisi 2b.3.
Distribusi Probabilitas f(x,y)=P(X=x,Y=y) adalah distribusi probabilitas variabel random
diskrit X dan Y, bila memenuhi :
(i). f(x,y)=P(X=x,Y=y)  0 ; untuk semua nilai X=x, Y=y
(ii).  P(X  x, Y  y) )  1
x y

(iii).P[(X=x,Y=y)A]=  P(X  x, Y  y) ; untuk setiap daerah A dibidang xy.

A

Definisi distribusi bersama X dan Y sering dinyatakan dalam bentuk tabel :

Tabel 1: Distribusi Probabilitas bersama X dan Y.

Harga-harga Y
y1 Y2 ... ym P(X)
X1 f(x1,y1) f(x1,y2) ... f(x1,ym) mj=1f(x1,yj)
Harga- x2 f(x2,y1) f(x2,y2) ... f(x2,ym) mj=1f(x2,yj)
harga ... ... ... ... ... ...
X xk f(xk,y1) f(xk,y2) ... f(xk,ym) mj=1f(xk,yj)
P(Y) ki=1f(xi,y1) ki=1f(xi,y2) ... ki=1f(x1,ym) 1

5
Contoh
Dua bola diambil secara random dari sebuah kotak yang berisi 3 bola biru, 2 bola merah, 3
bola hijau. Jika X : banyak bola biru terambil, dan Y: banyak bola merah terambil. Tuliskan
distribusi probabiliras bersama X dan Y.
Penyelasaian :
8
Banyaknya anggota ruang sampel S adalah :    28
2
Pasangan yang mungkin adalah : (0,0),(0,1),(0,2),(1,2),(1,1) dan (2,0).
 3
Pasangan (0,0) artinya : 2 hijau terambil. jumlahnya ada    3,
 2
 3
 
 2 3
sehingga f(0,0)  
 8 28
 
 2
3 2
Pasangan (0,1) artinya : hijau 1, merah 1. jumlahnya ada      3.2  6 ,
1 1
6
sehingga f(0,)1 
28
2
Pasangan (0,2) artinya : 2 merah . jumlahnya ada    1 ,
2
1
2
sehingga f(0,)
28

3 3
Pasangan (1,0) artinya :1 biru, 1 hijau , jumlahnya ada      3.3  9 ,
1 1
9
sehingga f(1,0) 
28
3 2
Pasangan (1,1) artinya : biru 1, merah 1. jumlahnya ada      3.2  6 ,
1 1
6
,) 
sehingga f(11
28

6
 Tabel 2: Distribusi Probabilitas bersama X dan Y contoh 1.

Harga-harga Y
0 1 2 P(X)
Harga 0 3/28 6/28 ½8 10/28
- 1 9/28 6/28 0 15/28
harga
X 2 3/28 0 0 3/28

P(Y) 15/28 12/28 ½8 1

3
Pasangan (2,0) artinya : 2 biru. jumlahnya ada    3 ,
 2
3
sehingga f(2,0) 
28
dari hasil perhitungan di atas diperoleh distribusi bersama X dan Y sebagaimana pada table
2.1.

Selanjutnya jika diminta untuk menghitung P(X+Y=2) dari Tabel 2, maka yang harus
diperhatikan adalah jumlah dari X+Y=2, ini diperoleh dari pasangan – pa-sangan (0,2), (1,1)
dan (2,0).Sehingga harga probabilitas yang dimaksud adalah :

P(X+Y=2)= f(0,2) + f (1,1) + (2,0)

= 1/28 + 6/28 + 3/28 = 10/28.
Demikian juga untuk P(Y>X), maka harga probabilitas yang dimaksud adalah :
P(Y>X) = f(0,1)+f(02)+f(1,2)
= 6/28 + 1/28 + 0 = 7/28

C. Harga-harapan Variabel Random Diskrit

1. Pengertian
Mean X dinamakan juga harga harapan (Expektasi Value) X, dan dinotasikan dengan E(X) =
x.(dibaca mu x).

7
Definisi

Jika X dapat menjalani harga-harga yang mungkin, x1 , x2 ,..., xk , dengan distribusi

probabilitas masing-masing f ( xi )  P( X  xi ) , maka harga harapan X adalah :
k
E ( X )   xi f ( xi )
i 1

Contoh :
1. Misalkan variabel random X didefinisikan sebagai “banyak pesanan barang dalam satuan
yang masuk selama 1 minggu; distribusi probabilitasnya diberikan oleh:
Harga xi 0 1 2 3 4
f(xi)=P(X=xi) 0,125 0,225 0,250 0,125 0,275

Maka nilai harapan X dihitung sebagai berikut :

k k
E ( X )   x f ( x ) =  x P( X  x )
i i i i
i 1 i 1
= 0(0,125) + 1(0,225) + 2(0,250) +3(0,125) +4(0,275)
= 0 + 0,125 + 0,500 + 0,375 + 1,1
= 2,1

2. Pada pelemparan sebuah mata uang logan sebanyak 3 kali, dengan variabel random X
didefinisikan sebagai “banyaknya M(muka) muncul “; diperoleh distribusi probabilitasnya
adalah :

Harga xi 0 1 2 3

F(x)=P(X=x) 1/8 3/8 3/8 1/8

Maka nilai harapan X dihitung sebagai berikut :

k k
E ( X )   x f ( xi ) =  x P( X  x )
i i i
i 1 i 1
= 0(1/8) + 1(3/8) + 2(3/8) +1(1/8) = 10/8

8
F. Distribusi Probabilitas Variabel Random Kontinu
Distribusi probabilitas suatu variabel random kontinu tidak dapat disajikan dalam bentuk tabel,
tetapi dalam bentuk rumus f(X). Fungsi f(X) ini biasanya dinamakan fungsi densitas. Grafik
fungsi f (X) akan kontinu seperti ditunjukkan oleh gambar 3.1

Gb. 3.1 Fungsi densitas

Fungsi densitas mempunyai sifat - sifat :
Definisi :
Fungsi f(x) disebut fungsi densitas variabel random kontinu X, jika memenuhi :
i ). f ( X )  0; untuk setiap x.

ii )  f ( X )dX  1;


Catatan : P (a  X  b)   f ( X )dX , merupakan luas daerah di bawah kurva f(x).

b

Contoh soal:

Diberikan fungsi f(x) dengan rumus :

 x2

f ( x)   3 ; untuk  1  x  2
 0 ; untuk x yang lain

a). selidiki apakah f(x) merupakan fungsi densitas.

9
 b). hitung P(-1<X<1) dan P(0<X<2).

Jawab :
a). i ). f ( x)  0 , dipenuhi karena bentuk kuadrat.
2 2
x2 1
ii )  f ( X )dX   dX  ( x 3 ) 21  1 (8  1)  1;
1 1
3 9 9

Karena i) dan ii) dipenuhi maka f (x) adalah fungsi densitas.

1 1
x2
b). P(-1<X<1)=
1 3
1 f ( X )dX  1 3 dX  9 ( x ) 11  1 (1  1)  2;
9 9

2 2
x2
P(0<X<2)=  f ( X )dX  
1
dX  ( x 3 ) 02  1 (8  0)  8 ;
0 0
3 9 9 9

G. Definisi ( Mean dan variansi )

1. Harga mean suatu variabel random X dinotasikan dengan E ( X )   X . , dan
didefinisikan sebagai :
 X   XP( X ) , jika x diskrit.
X

  Xf(X)dX , jika x kontinu

2. Variansi suatu variabel random x didefinisikan sebagai :

Var (x) = 2x  (x   x)2P(x), jika x diskrit

x

 (x   x)2f(x)dx , jika x kontinu

3. Deviasi standar suatu variabel random x didefinisikan sebagai akar positif dari
variansinya.

H. Distribusi Binomial
Suatu eksperimen Bernoulli adalah eksperimen yang mempunyai sifat - sifat sebagai berikut :
a. Eksperimen terdiri dari trial yang diulang - ulang n kali.
b. Untuk setiap trial hanya dipandang dua hasil yang mungkin, yaitu sukses dan tidak sukses.
c. Probabilitas akan sukses, ditulis p, tetap sama dari trial ke trial.

10
d. Trial itu diulang secara independen.
Banyaknya sukses X dalam n trial suatu eksperimen Bernoulli dinamakan variabel random
binomial. Jika suatu Bernoulli trial dapat menghasilkan sukses dengan probabilitas p dan tidak
sukses dengan probabilitas q = 1 - p, sukses dalam n trial independen, adalah
n
b( x; n, p)    p x q n  x , x  0,1,2,, n
 x
n n!
dimana   
 x  x!(n  x)!

Mean dan variansi distribusi binomial b( x; n; p ) adalah   np ; 2  npq

Contoh
1. Melambungkan sebuah mata uang logam 4 kali; misalkan variabel random X didefinisikan
sebagai “ banyak M(muka) muncul pada 4 lemparan.
Tentukan : a. P(X=1)=b(1;4;1/2) ; b. P(X=3)= b(3;4;1/2)
Penyelesaian :
Dalam hai ini n=4, p=1/2, q=1/2, sehingga :

1  4 1 1 1 1 1
a. P(X=1) = b(1;4; )    ( )1 .( ) 4 1  4 ( )1 .( ) 3 
2  1 2 2 2 2 4

1  4 1 1 1 1 1
b. P(X=3) = b(3;4; )    ( ) 3 .( ) 43  4 ( ) 3 .( )1 
2  3 2 2 2 2 4

2. Suatu suku cadang dapat menahan uji goncangan tertentu dengan probabilitas 3/5
Hitung :
a. Tepat satu suku cadang dari 5 suku cadang yang diuji tidak akan rusak.
b. Tepat tiga suku cadang dari 5 suku cadang yang diuji tidak akan rusak.
c. Mean, variansi dan simpangan baku
Penyelesaian :
Dari ketentuan di atas diperoleh n=5; p=3/5, q=2/5 sehingga :

3  5 3 2 3 2 240
a. P(X=1) = b(1;5; )    ( )1.( ) 51  5.( )1.( ) 4 
5  1 5 5 5 5 3125

11
 3  5 3 2 3 2 1080
b. P(X=3) = b(3;5; )    ( ) 3 .( )5 3  5.( ) 3 .( ) 2 
5  3 5 5 5 5 3125

6
c.   np  5..3 / 5  3 ,  2  npq  5.(3 / 5).(2 / 5)  6 / 5; dan  
5

2. Penggunaan Tabel Binomial Kumulatif

Jika n agak besar, perhitungan probabilitas binomial menjadi sangat merepotkan, hal ini karena
harus menghitung harga pangkat dari p dan q. Untuk mengatasi beban perhitungan ini dapat
menggunakan tabel probabilitas binomial yang telah tersedia.
Harga probabilitas kumulatif dinotasikan dan didefinisikan sebagai berikut :

r
B( r;n; p)  P( X  r )  b( r;n; p)
x 0

Penggunaan tabel probabilitas binomial tersebut , harus mengikuti hukum-hukum proba-bilitas

yang sesuai, seperti berikut ini :
P( X  a )  P( X  a )  P( X  a 1)
P (a  X  b)  P( X  b)  P( X  a 1)
P ( X  c)  1  P( X  a  1)
Contoh
Diketahui 10 % dari semacam benda tergolong ke dalam kategori A. Sebuah sampel
berukuran 20 telah diambil secara random. Berapakah probabilitas sampel itu akan berisikan
benda kategori A :
a. Sebuah
b. Paling sedikit dua buah
c. Paling banyak empat buah.
Penyelesaian :
X = banyak benda kategori A
a. Cara langsung :

 20
P(X=1) = b(1;20;0,1)    (0,1)1.(0,9)19  20.(0,1).(0,135085)  0,27017
 1
Cara tabel :

12
 P( X  1)  P( X  1)  P( X  0)
1 0
= b( x;20;0,1)  b( x;20;0,1)
x0 x0

= 0,3917 - 0,1216 = 0,2701

b. P ( X  2)  1  P( X  1)
1
= 1 b( x;20;0,1)  1 03917  0,6083
x 0

4
c. P ( X  4)  b( x;20;0,1)  0,9568
x0

Soal Latihan :
1. Misalkan variaber random X menyatakan banyak TV merk A yang terjual dalam seminggu,
dengan distribusi probabilitas sebagai berikut :

Harga x 1 2 3 4 5

P(X=x) 0,4 0,2 0,1 0,1 0,2

Dari distribusi probabilitas di atas tentukan :

a). E(X); dan Var(X).
b). Jika keuntungan sebesar Rp.75.000,- akan diperoleh untuk setiap unit TV yang terjual
dan misalkan biaya tetap tiap minggu Rp.10.000,- . Tentukan keuntungan bersih yang
diharapkan.

2. Diketahui dalam sebuah kotak terdapat 2 biji sirsak, dan 4 biji srikaya, dari kotak tersebut
diambil 3 buah biji. Jika didefinisikan variabel random X banyak biji srikaya yang terambil
a). Tentukan probabilitas bahwa yang terambil 2 biji srikaya, dan 1 biji sirsak.
b). Konstruksikan distribusi probabilitas variabel random X.
c). Tentukan E(X), dan Var (X).
d). Gambar grafik dari distribusi probabilitas variabel random X tersebut.

13
3. Misal X dan Y mempunyai distribusi probabilitas gabungan ebagai berikut :
X 2 4
Y
1 0,10 0,15
2 0,20 0,30
3 0,10 0,15
Dari distribusi probabilitas di atas tentukan :
(i) . Distribusi marginal P(X) dan P(Y).
(ii) . E(X); E(Y); Var(X); dan Var(Y).
(iii). P(X+Y<6); P(X<Y).
(iv) . Apakah X dan Y Independent.

4. Diberikan fungsi f(x) dengan rumus :

 x
 , untuk 0  x  k,
f (x)   2

0 , untuk x yang lain.

a. Tentukan k agar fungsi f(x) merupakan fungsi densitas ?.

b. Tentukan Var (2x+3)
c. Tentukan P( 2<x<3)
d. Tentukan distribusi kumulatif F(x), dan hitung F(3)-F(2).
5. Jika diketahui distribusi probabilitas gabungan variaber random diskret X dan Y berikut :

Y 0 1 2
X
0 6/45 16/45 6/45
1 8/45 8/45 0
2 1/45 0 0

si m
a. Tentukan fungsi marginal g(x) dan h(x).
b. Tentukan fungsi densitas bersyarat P(x∣y=0) dan P(y∣x= 1).

6. Diberikan fungsi densitas gabungan f(x,y) :

 (3 x  y )
 , untuk 1  x  3, 1  y  2
f ( x, y )   5
 0 , untuk x dan y yang lain
a. Tentukan fungsi marginal g(x). dan h(y).

14
7. Diketahui dalam sebuah kotak terdapat 5 biji sirsak, dan 3 biji srikaya, dari kotak tersebut
diambil 4 buah biji. Jika didefinisikan variabel random X banyak biji srikaya yang terambil
a. Tentukan probabilitas bahwa yang terambil 3 biji srikaya, dan 1 biji sirsak.
b. Konstruksikan distribusi probabilitas variabel random X.

8. Diketahui prestasi mahasiswa Pendidikan Matematika angkatan 2014/2015 untuk mata

kuliah Teori Peluang adalah 20 % memperoleh nilai A. Jika 11 mahasiswa dipilih secara
random sebagai sampel, maka dari sampel tersebut tentukan:
a). Probabilitas bahwa sedikitnya 3 mahasiswa memperoleh nilai A.
b). Probabilitas bahwa 2 sampai dengan 5 mahasiswa memperoleh nilai A.

15
 2. DISTRIBUSI POISSON

Distribusi Poisson merupakan kejadian khusus dari distribusi Binomial, yaitu distribusi
binomial dengan n yang cukup besar dan p yang cukup kecil. Dengan kata lain merupakan
bentuk limit dari distribusi binomial ketika n   dan p  0. Diberikan suatu konstanta 


sedemikian sehingga  = np dengan kata lain p  , dan dapat ditulis
n
 n    x  nx
  
b( x; n, p )    1  
 x  n   n
 
x nx
n(n  1)( n  2)    (n  x  1)     
   1  
x! n  n
1 2 x 1 

n x (1  )(1  )    (1   
n
) x x
n n n        
   1    1  
x! n  n  n
 

1 2 x 1 
(1  )(1  )    (1  )   
n
x
n n n x     
  1    1  
x!  n  n
 

Selanjutnya jika diberikan n   sedangkan x dan  mempunyai nilai tertentu maka

1 2 x 1 
(1  )(1  )    (1  )   
n
x
    
 x 1    1  
n n n 
lim b( x; n, p )  lim
n n x!  n  n
 

x e  

x!
Oleh karena itu , hasil akhir inilah yang merupakan fungsi peluang dari distribusi Poisson.
Jadi distribusi peluang variable random Poisson X, yang menyatakan banyaknya sukses yang
terjadi dalam suatu selang waktu atau daerah tertentu dengan t, diberikan oleh

 x e 
p ( x;  )  untuk x = 0, 1, 2, ...
x!
Dimana  menyatakan rata-rata banyaknya sukses yang terjadi persatuan waktu atau daerah
tertentu dan e = 2,71818.

16
Rataan dan Variansi distribusi Poisson p(x;) adalah
 =  dan 2 = 
Distribusi Poisson banyak digunakan dalam pengendalian mutu, pertanggungan mutu, dan
sampling penerimaan.
Contoh
1. Dalam suatu proses produksi yang menghasilkan barang dari gelas, terjadi gelembung atau
cacat yang kadang menyebabkan barang tersebut sulit dipasarkan. Diketahui bahwa rata-
rata 1 dari 1000 barang yang dihasilkan mempunyai 1 atau lebih gelembung. Berapa
peluang bahwa dalam sampel acak sebesar 8000 barang akan berisi kurang dari 7 yang
bergelembung?
Penyelesaian
Pada dasarnya percobaan ini adalah percobaan Binomial dengan n = 8000 dan p = 0,001.
Karena p amat dekat dengan nol dan n cukup besar, maka akan dihampiri dengan distribusi
Poisson dengan µ = np = (8000)(0,001) = 8.
Jadi bila X menyatakan banyaknya barang yang bergelembung, maka
6 6

𝑝(𝑥 < 7) = ∑ 𝑏(𝑥; 8000; 0,001) = ∑ 6(𝑥; 8) = 0,3134

𝑥=0 𝑥=0

2. Rata-rata banyaknya partikel radioaktif yang melewati suatu penghitung selama 1 milidetik
dalam suatu percobaan di laboratorium adalah 4. Berapakah peluang 6 partikel melewati
penghitung tersebut dalam 1 milidetik tertentu?
Penyelesaian
Diketahui
x = 6 dan  = 4
46 𝑒 4
𝑝(𝑥; 𝜆) = = 0,1042
6!

Hasil di atas dapat menggunakan table Poisson dengan cara sebagai berikut
6 5
46 𝑒 4
𝑝(𝑥; 𝜆) = = ∑ 𝑝(𝑥; 4) − ∑ 𝑝(𝑥; 4) = 0,8893 − 0,7851 = 0,1042
6!
𝑥=0 𝑥=0

17
3. Rata-rata banyaknya tanker minyak yang tiba tiap hari disuatu pelabuhan adalah 10.
Pelabuhan tersebut hanya mampu menerima paling banyak 15 sehari. Berapakah peluang
pada suatu hari tertentu tanker terpaksa ditolak karena pelabuhan tak mampu melayaninya?
Penyelesaian
Misalkan X menyatakan banyaknya tanker yang tiba tiap hari.
𝑝(𝑥 > 15) = 1 − 𝑝(𝑥 ≤ 15)

Hasil di atas jika dihitung manual membutuhkan waktu yang lama maka dengan
menggunakan table Poisson diperoleh
15

𝑝(𝑥 > 15) = 1 − 𝑝(𝑥 ≤ 15) = 1 − ∑ 𝑝(𝑥; 10) = 1 − 0,9513 = 0,0487

𝑥=0

Latihan
1. Peluang seorang meninggal karena suatu infeksi pernafasan adalah 0,002. Carilah peluang
bila 2000 orang yang terserang infeksi tersebut, kurang dari 5 orang yang akan meninggal?
2. Misalkan rata-rata 1 dari tiap 1000 orang melakukan salah perhitungan dalam menghitung
pajaknya. Bila 10.000 isian pajak diambil secara acak dan diperiksa, hitunglah peluang
bahwa 6 isian tersebut akan salah hitung

18
 3. UJI BINOMIAL
A. Uji Hipotesis
Himpunan objek objek yang menjadi perhatian untuk diteliti dan dicari keterangan-
keterangannya disebut populasi. Himpunan bagian dari populasi disebut sampel. Suatu populasi
akan ditandai dengan suatu distribusi dan ukuran karakterisitknya disebut parameter. Sedangkan
ukuran- ukuran di dalam sampel disebut statistik. Suatu sampel dari populasi berhingga disebut
sampel random jika masing- masing anggota populasi memiliki probabilitas yang sama untuk
menjadi anggota sampel. Secara matematis suatu sampel random sebesar n adalah barisan n
variabel X1, X2, ..., Xn yang mempunyai distribusi identik dan masing-masing independen
dengan yang lain.
Berdasarkan jenisnya, statistika dibedakan menjadi dua yaitu statistika deskriptif dan
statistika inferensial. Statistika deskriptif adalah statistika yang berkenaan dengan metode atau
cara mendeskripsikan, menggambarkan, menjabarkan, atau menguraikan data. Statistika
deskriptif mengacu bagaimana menyusun atau mengorganisasi data, menyajikan dan
menganalisis data. Menyusun, menyajikan, dan menganalisis data dapat dilakukan misalnya
dengan menentukan nilai rata-rata hitung, median, modus, standar deviasi, dan proporsi. Cara
lain untuk menggambarkan data adalah dengan membuat tabel, distribusi frekuensi, dan diagram
atau grafik.
Statistika inferensial adalah statistika yang berkenaan dengan cara penarikan
kesimpulan berdasarkan data yang diperoleh dari sampel untuk menggambarkan karakteristik
atau ciri dari suatu populasi. Dengan demikian dalam statistika inferensial dilakukan suatu
generalisasi ( perampatan atau memperumum0 dari hal yang bersifat khusus (kecil) ke hal
yamg lebih luas (umum). Oleh karena itu statistika inferensial disebut juga statistika induktif tatu
statistika penarikan kesimpulan. Pada statistika inferensial biasanya dilakukan pengujian
hipotesis dan estimasi (pendugaan).
Hipotesis statistic adalah suatu anggapan atau pernyataan, yang mungkin benar atau
tidak mengenai suatu satu populasi atau lebih. Suatu hipotesis adalah suatu pernyataan mengenai
distribusi populasi atau parameter populasi. Sedangkan pengujian atau tes hipotesis adalah tes
signifikansi (keberartian) terhadap hipotesis yang dibuat. Dalam pengujian hipotesis dirumuskan
hipotesis nol (H0) dan hipotesis alternatif (H1). Hipotesisi nol adalah hipotesis yang mengandung
kesamaan. Hipotesis nol diharapkan ditolak. Akibatnya adanya hipotesisi nol terdapat hipotesis

19
alternatif (H1) yang akan diterima seandainya hipotesis nol ditolak. Daerah penolakan adalah
daerah himpunan titik-titk dimana yang berkorespondensi dengan penolakan H0. Hipotesis
alternatif ada dua macam, yaitu satu arah dan dua arah.
Dalam pengambilan kesimpulan akan selalu dibayang-bayngi terjadi kesalahan, yaitu
kesalahan menolak H0 jika H0 ternyata benar dan kesalahan menerima H0 jika ternyata H0 salah.
Hal ini dapat digambarkan sebagai berikut

Tabel. Tabel tipe kesalahan

Keadaan sebenarnya
Kesimpulan
H0 benar H0 salah
Terima H0 Salah tipe II
Benar
Besarnya 
Tolak H0 Salah tipe I
Benar
Besarnya 

Koefisien  disebut tingkat signifikansi dari pengujian hipotesis.

Adapun langkah- langkah untuk melakukan uji hipotesis adalah sebagai berikut
1. Merumuskan Ho dan H1
2. Menentukan tingkat signifikan
3. Menentukan statistik uji
4. Menentukan daerah penolakan
5. Melakukan perhitungan
6. Kesimpulan

20
B. Jenis Data
Kata “data” merupakan bentuk jamak sedangkan bentuk tunggalnya adalah datum. Jadi
data sama dengan datum-datum. Data statistik data yang berwujud angka, namun tidak semua
angka disebut data statistik. Suatu angka atau bilangan disebut data statistik bila angka tersebut
menunjukkan suatu ciri dari suatu penelitian yang bersifat agregatif yaitu pencatatan yang
dilakukan lebih dari satu kali pada satu individu serta mencerminkan suatu kegiatan dalam
bidang tertentu.
Berdasarkan sudut pandang statistik ,data dibagi menjadi dua yaitu:
1. Data kualitatif
Yaitu data yang dinyatakan bukan dalam bentuk angka.
Misalnya jenis pekerjaan seseorang ( petani, pedagang PNS, ABRI, wiraswasta , dll),
tingkat pendidikan( SD, SMP,SMA ,PT).
Agar dapat diolah dan dianalisis dengan statistik harus diubah menjadi data kuantitatif.
2. Data kuantitatif
Yaitu data yang dinyatakan dalam bentuk angka.
Misalnya berat badan, tinggi badan , kecepatan, indek prestasi mahasiswa, dll
Adapun berdasarkan cara memperoleh data, data kuantitatif dibagi menjadi dua yaitu
1. Data diskrit yaitu data yang diperoleh dari hasil penghitung
2. Data kontinu yaitu data yang diperoleh dari hasil pengukuran
Jenis data statistik juga dapat menjadi empat macam yaitu
1. Data nominal
Data nominal adalah data statistik yang memiliki sifat sebagai berikut
a. Data berupa kategori/ kualitatif
b.Data hanya dapat digunakan untuk membedakan
c. Masing-masing data mempunyai kedudukan setara
d.Tidak bisa dilakukan operasi matematika
Contoh data nominal adalah
a. Data statistik tentang jenis kelamin, yaitu perempuan, laki-laki
b.Data statistik Agama, yaitu : Islam, Kristen, Katolik, Hindu, Budha
c. Data tentang suku bangasa, yaitu: Jawa, Sunda, batak, Minang

21
2. Data Ordinal
Data Ordinal adalah data statistik yang memiliki sifat sebagai berikut
a. Data berupa kategori/ kualitatif
b.Data selain dapat digunakan untuk membedakan, juga dapat diurutkan
c. Posisi data tidaka setara
d.Tidak bisa dilakukan operasi hitung
Contoh data ordinal adalah
a. Data statistik tentang kemampuan akademik,yaitu : pintar, sedang, bodoh
b.Data statistik tentang kepuasan mengguanakan suatu produk, yaitu: sangat puas, puas,
cukup puas, tidak puas, sangat tidak puas
c. Data statistik tentang tingkat pendidikan, yaitu: SD, SMP, SMA, dan Perguruan Tinggi
3. Data Interval
Data Interval adalah data statistik yang memiliki sifat sebagai berikut
a. Data selain dapat dibedakan dan diurutkan, juga mempunyai jarak sama diantara hal-hal
yang sedang diselidiki.
Maksud jarak sama disini adlah selisih data-data ini dicacah dengan kelipatan satu angka
( dalam hai ini angka satu yang bermakna berselisih satu yang sama dan tetap)
b. Satuan ukurannya mempunyai skala sama. Alat ukur yang digunakan tidak standar atau
tidak universal. Sehingga tempat pengukuran yang berbeda hasil ukur bisa juga berbeda
c. Mempunyai titik nol tidak mutlak, artinya titik nol selalu berubah-ubah maknanya.
Misalkan suhu air 00C bukan berarti air tidak bersuhu, karena suhu air biasa -10C, -20C
d. Antar data dapat diketahui selisihnya
e. Antar data tidak dapat dibandingkan.
Misalkan Hanif nilainya 80, irfan nilainya 40, Helmi nilainya 0. Tidak bisa dibandingkan
Hanif dua kali lebih pandai dari Irfan dan Helmi bukan berati tidak punya pengetahuan sama
sekali.

4. Data rasio
Data rasio merupakan jenis data statistik yag menempati posisi tertinggi dibandingkan
dengan jenisdata statistik yang lain. Data rasio adalah data statistik yang memiliki sifat
sebagai berikut

22
 a. Data yang diperoleh melalui pengukuran, dimana jarak dua titk pada data diketahui dari
alat ukurnya
b. Dapat diketahui selisihnya
c. Mengunakan titik nol mutlak
d. Data dapat dibandingkan
Contoh data rasio
a. Data statistik tentang lama studi, misalnya A= 9 tahun, B=6 tahun dan C= 3 tahun
b. Data statistik tentang penghasilan, misalnya A= 6.000.000,- / bulan, B=4.000.000,-/
bulan, dan C= 2.000.000,-/ bulan

C. Uji Binomial
Uji Binomial digunakan untuk menguji hipotesis bila dalam populasi terdiri atas dua
kelompok kelas, datanya berbentuk nominal dan ukuran sampel kecil (kurang dari atau sama
dengan 25). Jika dalam suatu populasi dengan jumlah n, terdapat satu kelas berkategori x, maka
kategori yang lain n-x. Uji binomial didasarkan atas dua kategori misalnya setuju-tidak setuju,
cacat-tidak cacat, positif - negatif bagi nilai-nilai pengamatan. Jika hipotesis nol benar dan
populasinya simetris, jumlah kategori satu kira-kira sama dengan jumlah kategori dua. Bila salah
satu kategori tampaknya muncul lebih sering dari yang seharusnya, berdasarkan faktor kebetulan
belaka maka H0 ditolak.
Statistik uji untuk uji Binomial adalah variabel acak binomial X yang menyatakan
banyaknya kategori satu atau kategori dua yang paling sedikit. Bila H0 benar maka peluang nilai
sampel menghasilkan kategori satu atau kategori dua sama dengan ½. Akibatnya jika H0 benar
Statistik uji X memiliki sebaran Binomial dengan parameter p = ½. Jadi untuk menguji H0 :  =
0, sesungguhnya menguji X dengan parameter p=1/2.
Adapun hipotesi yang dapat disusun dalam uji Binomial adalah sebagai berikut
H0 : p1 = p2 = 0,5
H1 : p 1 ≠ p2
Kriteria H0 ditolak
Satu sisi : 𝑝(𝑋 ≤ 𝑟) = ∑𝑟𝑥=0 𝑏(𝑥; 𝑛; 0,5) < 𝛼

Dua sisi : 2(𝑋 ≤ 𝑟) = 2 ∑𝑟𝑥=0 𝑏(𝑥; 𝑛; 0,5) < 𝛼

23
Contoh
1. Sebuah perusahaan roti memproduksi dua jenis roti yaitu roti rasa nanas dan roti rasa durian.
Manajer pemasaran perusahaan tersebut melakukan penelitian dengan tujuan untuk
mengetahui apakah konsumen lebih menyukai roti tertentu. Berdasarkan 20 sampel yang
dipilih secara acak ternyata 12 orang lebih menyukai roti nanas dan 8 orang memilih roti rasa
Durian. Ujilah apakah ada perbedaan selera konsumen terhadap kedua rasa roti tersebut?
Gunakan α = 0,01
Penyelesaian
a. H0 : p1 = p2 = 0,5
H1 : p 1 ≠ p2
Atau
H0 : Tidak terdapat selera konsumen terhadap dua rasa roti
H1 : Terdapat selera konsumen terhadap dua rasa roti
b. α = 0,01
c. Statistik uji
𝑟

∑ 𝑏(𝑥; 𝑛; 0,5)
𝑥=0

d. Daerah penolakan H0
𝑟

2(𝑋 ≤ 𝑟) = 2 ∑ 𝑏(𝑥; 𝑛; 0,5) < 𝛼

𝑥=0

e. Perhitungan
Diketahui
n = 20
r =8
8

2 ∑ 𝑏(𝑥; 20; 0,5) = 2 (0,5881) = 1,176

𝑥=0

f. Kesimpulan
Karena 1,176 > 0,01 maka H0 diterima. Jadi tidak terdapat perbedaan selera doa roti
tersebut

24
2. Berikut ini data sampel acak isi 10 kaleng minyak pelumas.
10,2 9,7 10,1 10,3 10,1 9,8 9,9 10,4 10,3 9,8
Ujilah pada taraf signifikan 0,05 apakah isi kaleng minyak pelumas adalah 10 liter?
Penyelesaian
a. H0 :  = 10
H1 :   10
Atau
H0 : p1 = p2 = 0,5
H1 : p1 ≠ p2
b. Taraf signifikan  = 0, 05
c. Uji statistik : uji binomial
d. Daerah penolakan
𝑟

2(𝑋 ≤ 𝑟) = 2 ∑ 𝑏(𝑥; 𝑛; 0,5) < 𝛼

𝑥=0

e. Perhitungan
Nilai pengamatan lebih dari 10 diberi tanda (+) , kurang dari 10 diberi tanda (-),
sedangkan tanda nol tidak diikutkan dalam analisis.
Nilai 10,2 9,7 10,1 10,3 10,1 9,8 9,9 10,4 10,3 9,8
Tanda + - + + + - - + + -
Berdasarkan tabel di atas diperoleh
Banyaknya tanda (+) = 6
Banyaknya tanda (-) = 4
Oleh karena itu diperoleh X = 4, sehingga
2(𝑋 ≤ 4) = 2 ∑4𝑥=0 𝑏(𝑥; 10; 0,5) = 2 (0,3770) = 0.7540
f. Kesimpulan
Karena 0,7540 > 0,05, maka H0 diterima, artinya rata-rata isi kaleng minyak pelumas
sama dengan 10 liter.
Latihan
1. Berikut ini data sampel random IPK 15 mahasiswa semester V program studi pendidikan
matematika UAD

25
 3,24 3,00 2,89 3,06 2,75 3,00 3,56 3,90
2,87 2,50 2,65 3,00 3,00 3,01 3,21
Ujilah apakah rata-rata IPK mahasiswa semester V program studi Pendidikan Matematika
FKIP UAD adalah 3,00, dengan taraf signifikan 0,05?

26
Tabel 1. Jumlah Peluang Binomial

p
n r
0.2 0.3 0.4 0.5 0.6 0.7 0.8
0 0.1678 0.0576 0.0168 0.0039 0.0007 0.0001 0.0000
1 0.5033 0.2553 0.1064 0.0352 0.0085 0.0013 0.0001
2 0.7969 0.5518 0.3154 0.1445 0.0498 0.0113 0.0012
3 0.9437 0.8059 0.5941 0.3633 0.1737 0.0580 0.0104
8 4 0.9896 0.9420 0.8263 0.6367 0.4059 0.1941 0.0563
5 0.9988 0.9887 0.9502 0.8555 0.6846 0.4482 0.2031
6 0.9999 0.9987 0.9915 0.9648 0.8936 0.7447 0.4967
7 1.0000 0.9999 0.9993 0.9961 0.9832 0.9424 0.8322
8 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
0 0.1342 0.0404 0.0101 0.0020 0.0003 0.0000 0.0000
1 0.4362 0.1960 0.0705 0.0195 0.0038 0.0004 0.0000
2 0.7382 0.4628 0.2318 0.0898 0.0250 0.0043 0.0003
3 0.9144 0.7297 0.4826 0.2539 0.0994 0.0253 0.0031
4 0.9804 0.9012 0.7334 0.5000 0.2666 0.0988 0.0196
9
5 0.9969 0.9747 0.9006 0.7461 0.5174 0.2703 0.0856
6 0.9997 0.9957 0.9750 0.9102 0.7682 0.5372 0.2618
7 1.0000 0.9996 0.9962 0.9805 0.9295 0.8040 0.5638
8 1.0000 1.0000 0.9997 0.9980 0.9899 0.9596 0.8658
9 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
0 0.0563 0.0282 0.0060 0.0010 0.0001 0.0000 0.0000
1 0.3758 0.1493 0.0464 0.0107 0.0017 0.0001 0.0000
2 0.6778 0.3828 0.1673 0.0547 0.0123 0.0016 0.0001
3 0.8791 0.6496 0.3823 0.1719 0.0548 0.0106 0.0009
4 0.9672 0.8497 0.6331 0.3770 0.1662 0.0473 0.0064
10 5 0.9936 0.9527 0.8338 0.6230 0.3669 0.1503 0.0328
6 0.9991 0.9894 0.9452 0.8281 0.6177 0.3504 0.1209
7 0.9999 0.9984 0.9877 0.9453 0.8327 0.6172 0.3222
8 1.0000 0.9999 0.9983 0.9893 0.9536 0.8507 0.6242
9 1.0000 1.0000 0.9999 0.9990 0.9940 0.9718 0.8926
10 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
0 0.0859 0.0198 0.0036 0.0005 0.0000 0.0000 0.0000
1 0.3221 0.1130 0.0302 0.0059 0.0007 0.0000 0.0000
2 0.6174 0.3127 0.1189 0.0327 0.0059 0.0006 0.0000
11 3 0.8389 0.5696 0.2963 0.1133 0.0293 0.0043 0.0002
4 0.9496 0.7897 0.5328 0.2744 0.0994 0.0216 0.0020
5 0.9883 0.9218 0.7535 0.5000 0.2465 0.0782 0.0117
6 0.9980 0.9784 0.9006 0.7256 0.4672 0.2103 0.0504

27
 7 0.9998 0.9957 0.9707 0.8867 0.7037 0.4304 0.1611
8 1.0000 0.9994 0.9941 0.9673 0.8811 0.6873 0.3826
9 1.0000 1.0000 0.9993 0.9941 0.9698 0.8870 0.6779
10 1.0000 1.0000 1.0000 0.9995 0.9964 0.9802 0.9141
11 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
0 0.0687 0.0138 0.0022 0.0002 0.0000 0.0000 0.0000
1 0.2749 0.0850 0.0196 0.0032 0.0003 0.0000 0.0000
2 0.5583 0.2528 0.0834 0.0193 0.0028 0.0002 0.0000
3 0.7946 0.4925 0.2253 0.0730 0.0153 0.0017 0.0001
4 0.9274 0.7237 0.4382 0.1938 0.0573 0.0095 0.0006
5 0.9806 0.8822 0.6652 0.3872 0.1582 0.0386 0.0039
12 6 0.9961 0.9614 0.8418 0.6128 0.3348 0.1178 0.0194
7 0.9994 0.9905 0.9427 0.8062 0.5618 0.2763 0.0726
8 0.9999 0.9983 0.9847 0.9270 0.7747 0.5075 0.2054
9 1.0000 0.9998 0.9972 0.9807 0.9166 0.7472 0.4417
10 1.0000 1.0000 0.9997 0.9968 0.9804 0.9150 0.7251
11 1.0000 1.0000 1.0000 0.9998 0.9978 0.9862 0.9313
12 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
0 0.0550 0.0097 0.0013 0.0001 0.0000 0.0000 0.0000
1 0.2336 0.0637 0.0126 0.0017 0.0001 0.0000 0.0000
2 0.5017 0.2025 0.0579 0.0112 0.0013 0.0001 0.0000
3 0.7473 0.4206 0.1686 0.0461 0.0078 0.0007 0.0000
4 0.9009 0.6543 0.3530 0.1334 0.0321 0.0040 0.0002
5 0.9700 0.8346 0.5744 0.2905 0.0977 0.0182 0.0012
6 0.9930 0.9376 0.7712 0.5000 0.2288 0.0624 0.0070
13
7 0.9988 0.9818 0.9023 0.7095 0.4256 0.1654 0.0300
8 0.9998 0.9960 0.9679 0.8666 0.6470 0.3457 0.0991
9 1.0000 0.9993 0.9922 0.9539 0.8314 0.5794 0.2527
10 1.0000 0.9999 0.9987 0.9888 0.9421 0.7975 0.4983
11 1.0000 1.0000 0.9999 0.9983 0.9874 0.9363 0.7664
12 1.0000 1.0000 1.0000 0.9999 0.9987 0.9903 0.9450
13 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
0 0.0440 0.0068 0.0008 0.0001 0.0000 0.0000 0.0000
1 0.1979 0.0475 0.0081 0.0009 0.0001 0.0000 0.0000
2 0.4481 0.1608 0.0398 0.0065 0.0006 0.0000 0.0000
3 0.6982 0.3552 0.1243 0.0287 0.0039 0.0002 0.0000
14 4 0.8702 0.5842 0.2793 0.0898 0.0175 0.0017 0.0000
5 0.9561 0.7805 0.4859 0.2120 0.0583 0.0083 0.0004
6 0.9884 0.9067 0.6925 0.3953 0.1501 0.0315 0.0024
7 0.9976 0.9685 0.8499 0.6047 0.3075 0.0933 0.0116
8 0.9996 0.9917 0.9417 0.7880 0.5141 0.2195 0.0439

28
 9 1.0000 0.9983 0.9825 0.9102 0.7207 0.4158 0.1298
10 1.0000 0.9998 0.9961 0.9713 0.8757 0.6448 0.3018
11 1.0000 1.0000 0.9994 0.9935 0.9602 0.8392 0.5519
12 1.0000 1.0000 0.9999 0.9991 0.9919 0.9525 0.8021
13 1.0000 1.0000 1.0000 0.9999 0.9992 0.9932 0.9560
14 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
0 0.0352 0.0047 0.0005 0.0000 0.0000 0.0000 0.0000
1 0.1671 0.0353 0.0052 0.0005 0.0000 0.0000 0.0000
2 0.3980 0.1268 0.0271 0.0037 0.0003 0.0000 0.0000
3 0.6482 0.2969 0.0905 0.0176 0.0019 0.0001 0.0000
4 0.8358 0.5155 0.2173 0.0592 0.0093 0.0007 0.0000
5 0.9389 0.7216 0.4032 0.1509 0.0338 0.0037 0.0001
6 0.9819 0.8689 0.6098 0.3036 0.0950 0.0152 0.0008
7 0.9958 0.9500 0.7869 0.5000 0.2131 0.0500 0.0042
15
8 0.9992 0.9848 0.9050 0.6964 0.3902 0.1311 0.0181
9 0.9999 0.9963 0.9662 0.8491 0.5968 0.2784 0.0611
10 1.0000 0.9993 0.9907 0.9408 0.7827 0.4845 0.1642
11 1.0000 0.9999 0.9981 0.9824 0.9095 0.7031 0.3518
12 1.0000 1.0000 0.9997 0.9963 0.9729 0.8732 0.6020
13 1.0000 1.0000 1.0000 0.9995 0.9948 0.9647 0.8329
14 1.0000 1.0000 1.0000 1.0000 0.9995 0.9953 0.9648
15 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
0 0.0281 0.0033 0.0003 0.0000 0.0000 0.0000 0.0000
1 0.1407 0.0261 0.0033 0.0003 0.0000 0.0000 0.0000
2 0.3518 0.0994 0.0183 0.0021 0.0001 0.0000 0.0000
3 0.5981 0.2459 0.0651 0.0106 0.0009 0.0000 0.0000
4 0.7982 0.4499 0.1666 0.0384 0.0049 0.0003 0.0000
5 0.9183 0.6598 0.3288 0.1051 0.0191 0.0016 0.0000
6 0.9733 0.8247 0.5272 0.2272 0.0583 0.0071 0.0002
7 0.9930 0.9256 0.7161 0.4018 0.1423 0.0257 0.0015
16 8 0.9985 0.9743 0.8577 0.5982 0.2839 0.0744 0.0070
9 0.9998 0.9929 0.9417 0.7728 0.4728 0.1753 0.0267
10 1.0000 0.9984 0.9809 0.8949 0.6712 0.3402 0.0817
11 1.0000 0.9997 0.9951 0.9616 0.8334 0.5501 0.2018
12 1.0000 1.0000 0.9991 0.9894 0.9349 0.7541 0.4019
13 1.0000 1.0000 0.9999 0.9979 0.9817 0.9006 0.6482
14 1.0000 1.0000 1.0000 0.9997 0.9967 0.9739 0.8593
15 1.0000 1.0000 1.0000 1.0000 0.9997 0.9967 0.9719
16 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
0 0.0225 0.0023 0.0002 0.0000 0.0000 0.0000 0.0000
17
1 0.1182 0.0193 0.0021 0.0001 0.0000 0.0000 0.0000

29
 2 0.3096 0.0774 0.0123 0.0012 0.0001 0.0000 0.0000
3 0.5489 0.2019 0.0464 0.0064 0.0005 0.0000 0.0000
4 0.7582 0.3887 0.1260 0.0245 0.0025 0.0001 0.0000
5 0.8943 0.5968 0.2639 0.0717 0.0106 0.0007 0.0000
6 0.9623 0.7752 0.4478 0.1662 0.0348 0.0032 0.0001
7 0.9891 0.8954 0.6405 0.3145 0.0919 0.0127 0.0005
8 0.9974 0.9597 0.8011 0.5000 0.1989 0.0403 0.0026
9 0.9995 0.9873 0.9081 0.6855 0.3595 0.1046 0.0109
10 0.9999 0.9968 0.9652 0.8338 0.5522 0.2248 0.0377
11 1.0000 0.9993 0.9894 0.9283 0.7361 0.4032 0.1057
12 1.0000 0.9999 0.9975 0.9755 0.8740 0.6113 0.2418
13 1.0000 1.0000 0.9995 0.9936 0.9536 0.7981 0.4511
14 1.0000 1.0000 0.9999 0.9988 0.9877 0.9226 0.6904
15 1.0000 1.0000 1.0000 0.9999 0.9979 0.9807 0.8818
16 1.0000 1.0000 1.0000 1.0000 0.9998 0.9977 0.9775
17 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
0 0.0180 0.0016 0.0001 0.0000 0.0000 0.0000 0.0000
1 0.0991 0.0142 0.0013 0.0001 0.0000 0.0000 0.0000
2 0.2713 0.0600 0.0082 0.0007 0.0000 0.0000 0.0000
3 0.5010 0.1646 0.0328 0.0038 0.0002 0.0000 0.0000
4 0.7164 0.3327 0.0942 0.0154 0.0013 0.0000 0.0000
5 0.8671 0.5344 0.2088 0.0481 0.0058 0.0003 0.0000
6 0.9487 0.7217 0.3743 0.1189 0.0203 0.0014 0.0000
7 0.9837 0.8593 0.5634 0.2403 0.0576 0.0061 0.0002
8 0.9957 0.9404 0.7368 0.4073 0.1347 0.0210 0.0009
18 9 0.9991 0.9790 0.8653 0.5927 0.2632 0.0596 0.0043
10 0.9998 0.9939 0.9424 0.7597 0.4366 0.1407 0.0163
11 1.0000 0.9986 0.9797 0.8811 0.6257 0.2783 0.0513
12 1.0000 0.9997 0.9942 0.9519 0.7912 0.4656 0.1329
13 1.0000 1.0000 0.9987 0.9846 0.9058 0.6673 0.2836
14 1.0000 1.0000 0.9998 0.9962 0.9672 0.8354 0.4990
15 1.0000 1.0000 1.0000 0.9993 0.9918 0.9400 0.7287
16 1.0000 1.0000 1.0000 0.9999 0.9987 0.9858 0.9009
17 1.0000 1.0000 1.0000 1.0000 0.9999 0.9984 0.9820
18 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
0 0.0144 0.0011 0.0001 0.0000 0.0000 0.0000 0.0000
1 0.0829 0.0104 0.0008 0.0000 0.0000 0.0000 0.0000
2 0.2369 0.0462 0.0055 0.0004 0.0000 0.0000 0.0000
19
3 0.4551 0.1332 0.0230 0.0022 0.0001 0.0000 0.0000
4 0.6733 0.2822 0.0696 0.0096 0.0006 0.0000 0.0000
5 0.8369 0.4739 0.1629 0.0318 0.0031 0.0001 0.0000

30
 6 0.9324 0.6655 0.3081 0.0835 0.0116 0.0006 0.0000
7 0.9767 0.8180 0.4878 0.1796 0.0352 0.0028 0.0000
8 0.9933 0.9161 0.6675 0.3238 0.0885 0.0105 0.0003
9 0.9984 0.9674 0.8139 0.5000 0.1861 0.0326 0.0016
10 0.9997 0.9895 0.9115 0.6762 0.3325 0.0839 0.0067
11 1.0000 0.9972 0.9648 0.8204 0.5122 0.1820 0.0233
12 1.0000 0.9994 0.9884 0.9165 0.6919 0.3345 0.0676
13 1.0000 0.9999 0.9969 0.9682 0.8371 0.5261 0.1631
14 1.0000 1.0000 0.9994 0.9904 0.9304 0.7178 0.3267
15 1.0000 1.0000 0.9999 0.9978 0.9770 0.8668 0.5449
16 1.0000 1.0000 1.0000 0.9996 0.9945 0.9538 0.7631
17 1.0000 1.0000 1.0000 1.0000 0.9992 0.9896 0.9171
18 1.0000 1.0000 1.0000 1.0000 0.9999 0.9989 0.9856
19 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
0 0.0115 0.0008 0.0000 0.0000 0.0000 0.0000 0.0000
1 0.0692 0.0076 0.0005 0.0000 0.0000 0.0000 0.0000
2 0.2061 0.0355 0.0036 0.0002 0.0000 0.0000 0.0000
3 0.4114 0.1071 0.0160 0.0013 0.0000 0.0000 0.0000
4 0.6296 0.2375 0.0510 0.0059 0.0003 0.0000 0.0000
5 0.8042 0.4164 0.1256 0.0207 0.0016 0.0000 0.0000
6 0.9133 0.6080 0.2500 0.0577 0.0065 0.0003 0.0000
7 0.9679 0.7723 0.4159 0.1316 0.0210 0.0013 0.0000
8 0.9900 0.8867 0.5956 0.2517 0.0565 0.0051 0.0001
9 0.9974 0.9520 0.7553 0.4119 0.1275 0.0171 0.0006
20 10 0.9994 0.9829 0.8725 0.5881 0.2447 0.0480 0.0026
11 0.9999 0.9949 0.9435 0.7483 0.4044 0.1133 0.0100
12 1.0000 0.9987 0.9790 0.8684 0.5841 0.2277 0.0321
13 1.0000 0.9997 0.9935 0.9423 0.7500 0.3920 0.0867
14 1.0000 1.0000 0.9984 0.9793 0.8744 0.5836 0.1958
15 1.0000 1.0000 0.9997 0.9941 0.9490 0.7625 0.3704
16 1.0000 1.0000 1.0000 0.9987 0.9840 0.8929 0.5886
17 1.0000 1.0000 1.0000 0.9998 0.9964 0.9645 0.7939
18 1.0000 1.0000 1.0000 1.0000 0.9995 0.9924 0.9308
19 1.0000 1.0000 1.0000 1.0000 1.0000 0.9992 0.9885
20 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000

31
Tabel Peluang Poisson p(x ≤ r)
µ
r 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9
0 0.90484 0.81873 0.74082 0.67032 0.60653 0.54881 0.49659 0.44933 0.40657
1 0.99532 0.98248 0.96306 0.93845 0.9098 0.8781 0.8442 0.80879 0.77248
2 0.99985 0.99885 0.9964 0.99207 0.98561 0.97688 0.96586 0.95258 0.93714
3 1 0.99994 0.99973 0.99922 0.99825 0.99664 0.99425 0.99092 0.98654
4 1 0.99998 0.99994 0.99983 0.99961 0.99921 0.99859 0.99766
5 1 1 0.99999 0.99996 0.99991 0.99982 0.99966
6 1 1 0.99999 0.99998 0.99996
7 1 1 1

µ
r 1 1.5 2 2.5 3 3.5 4 4.5 5
0 0.36788 0.22313 0.13534 0.08208 0.04979 0.0302 0.01832 0.01111 0.00674
1 0.73576 0.55783 0.40601 0.2873 0.19915 0.13589 0.09158 0.0611 0.04043
2 0.9197 0.80885 0.67668 0.54381 0.42319 0.32085 0.2381 0.17358 0.12465
3 0.98101 0.93436 0.85712 0.75758 0.64723 0.53663 0.43347 0.3423 0.26503
4 0.99634 0.98142 0.94735 0.89118 0.81526 0.72544 0.62884 0.5321 0.44049
5 0.99941 0.99554 0.98344 0.95798 0.91608 0.85761 0.78513 0.70293 0.61596
6 0.99992 0.99907 0.99547 0.98581 0.96649 0.93471 0.88933 0.83105 0.76218
7 0.99999 0.99983 0.9989 0.99575 0.9881 0.97326 0.94887 0.91341 0.86663
8 1 0.99997 0.99976 0.99886 0.9962 0.99013 0.97864 0.95974 0.93191
9 1 0.99995 0.99972 0.9989 0.99669 0.99187 0.98291 0.96817
10 0.99999 0.99994 0.99971 0.99898 0.99716 0.99333 0.9863
11 1 0.99999 0.99993 0.99971 0.99908 0.9976 0.99455
12 1 0.99998 0.99992 0.99973 0.99919 0.99798
13 1 0.99998 0.99992 0.99975 0.9993
14 1 0.99998 0.99993 0.99977
15 1 0.99998 0.99993
16 1 0.99999 0.99998
17 1 0.99999
18 1

32
Tabel Peluang Poisson p(x ≤ r) . Lanjutan
µ
r 5.5 6 6.5 7 7.5 8 8.5 9 9.5
0 0.00409 0.00248 0.0015 0.00091 0.00055 0.00034 0.0002 0.00012 7.49E-05
1 0.02656 0.01735 0.01128 0.0073 0.0047 0.00302 0.00193 0.00123 0.000786
2 0.08838 0.06197 0.04304 0.02964 0.02026 0.01375 0.00928 0.00623 0.004164
3 0.2017 0.1512 0.11185 0.08177 0.05915 0.04238 0.03011 0.02123 0.01486
4 0.35752 0.28506 0.22367 0.17299 0.13206 0.09963 0.07436 0.05496 0.040263
5 0.52892 0.44568 0.36904 0.30071 0.24144 0.19124 0.1496 0.11569 0.088528
6 0.68604 0.6063 0.52652 0.44971 0.37815 0.31337 0.25618 0.20678 0.164949
7 0.80949 0.74398 0.67276 0.59871 0.52464 0.45296 0.3856 0.3239 0.268663
8 0.89436 0.84724 0.79157 0.72909 0.66197 0.59255 0.52311 0.45565 0.391823
9 0.94622 0.91608 0.87738 0.8305 0.77641 0.71662 0.65297 0.58741 0.521826
10 0.97475 0.95738 0.93316 0.90148 0.86224 0.81589 0.76336 0.70599 0.645328
11 0.98901 0.97991 0.96612 0.94665 0.92076 0.88808 0.84866 0.80301 0.75199
12 0.99555 0.99117 0.98397 0.973 0.95733 0.9362 0.90908 0.87577 0.83643
13 0.99831 0.99637 0.9929 0.98719 0.97844 0.96582 0.94859 0.92615 0.898136
14 0.9994 0.9986 0.99704 0.99428 0.98974 0.98274 0.97257 0.95853 0.940008
15 0.9998 0.99949 0.99884 0.99759 0.99539 0.99177 0.98617 0.97796 0.966527
16 0.99994 0.99983 0.99957 0.99904 0.99804 0.99628 0.99339 0.98889 0.982273
17 0.99998 0.99994 0.99985 0.99964 0.99921 0.99841 0.997 0.99468 0.991072
18 0.99999 0.99998 0.99995 0.99987 0.9997 0.99935 0.9987 0.99757 0.995716
19 1 0.99999 0.99998 0.99996 0.99989 0.99975 0.99947 0.99894 0.998038
20 1 1 0.99999 0.99996 0.99991 0.99979 0.99956 0.999141
21 1 1 0.99999 0.99997 0.99992 0.99983 0.999639
22 1 0.99999 0.99997 0.99993 0.999855
23 1 0.99999 0.99998 0.999944
24 1 0.99999 0.999979
25 1 0.999993
26 0.999997

33
Tabel Peluang Poisson p(x ≤ r) . Lanjutan
µ
r 10 11 12 13 14 15 16 17 18
0 5E-05 2E-05 6E-06
1 0.0005 0.0002 8E-05 3E-05 1E-05
2 0.0028 0.0012 0.0005 0.0002 9E-05 4E-05 1E-05
3 0.0103 0.0049 0.0023 0.0011 0.0005 0.0002 6E-05 4E-05 2E-05
4 0.0293 0.0151 0.0076 0.0037 0.0018 0.0009 0.0003 0.0002 8E-05
5 0.0671 0.0375 0.0203 0.0107 0.0055 0.0028 0.001 0.0007 0.0003
6 0.1301 0.0786 0.0458 0.0259 0.0142 0.0076 0.0029 0.0021 0.001
7 0.2202 0.1432 0.0895 0.054 0.0316 0.018 0.0074 0.0054 0.0029
8 0.3328 0.232 0.155 0.0998 0.0621 0.0374 0.0167 0.0126 0.0071
9 0.4579 0.3405 0.2424 0.1658 0.1094 0.0699 0.0337 0.0261 0.0154
10 0.583 0.4599 0.3472 0.2517 0.1757 0.1185 0.0619 0.0491 0.0304
11 0.6968 0.5793 0.4616 0.3532 0.26 0.1848 0.1041 0.0847 0.0549
12 0.7916 0.6887 0.576 0.4631 0.3585 0.2676 0.1621 0.135 0.0917
13 0.8645 0.7813 0.6815 0.573 0.4644 0.3632 0.2357 0.2009 0.1426
14 0.9165 0.854 0.772 0.6751 0.5704 0.4657 0.3225 0.2808 0.2081
15 0.9513 0.9074 0.8444 0.7636 0.6694 0.5681 0.418 0.3715 0.2867
16 0.973 0.9441 0.8987 0.8355 0.7559 0.6641 0.5165 0.4677 0.3751
17 0.9857 0.9678 0.937 0.8905 0.8272 0.7489 0.612 0.564 0.4686
18 0.9928 0.9823 0.9626 0.9302 0.8826 0.8195 0.6996 0.655 0.5622
19 0.9965 0.9907 0.9787 0.9573 0.9235 0.8752 0.7757 0.7363 0.6509
20 0.9984 0.9953 0.9884 0.975 0.9521 0.917 0.8385 0.8055 0.7307
21 0.9993 0.9977 0.9939 0.9859 0.9712 0.9469 0.8878 0.8615 0.7991
22 0.9997 0.999 0.997 0.9924 0.9833 0.9673 0.9248 0.9047 0.8551
23 0.9999 0.9995 0.9985 0.996 0.9907 0.9805 0.9513 0.9367 0.8989
24 1 0.9998 0.9993 0.998 0.995 0.9888 0.9696 0.9594 0.9317
25 0.9999 0.9997 0.999 0.9974 0.9938 0.9816 0.9748 0.9554
26 1 0.9999 0.9995 0.9987 0.9967 0.9892 0.9848 0.9718
27 0.9999 0.9998 0.9994 0.9983 0.9939 0.9912 0.9827
28 1 0.9999 0.9997 0.9991 0.9967 0.995 0.9897
29 1 0.9999 0.9996 0.9982 0.9973 0.9941
30 0.9999 0.9998 0.9991 0.9986 0.9967
31 1 0.9999 0.9995 0.9993 0.9982
32 1 0.9998 0.9996 0.999
33 0.9999 0.9998 0.9995
34 1 0.9999 0.9998
35 1 0.9999
36 0.9999
37 1

34