TUGAS PRAKTIKUM MODUL 6

“DISTRIBUSI PEUBAH DISKRIT”

Untuk Memenuhi Tugas Mata Praktikum Statistika

Disusun Oleh:

Muhammad Kahfi Fabulangi (16119099)

1 Logistik C

LABORATORIUM OPTIMASI DAN PEMODELAN LOGISTIK

SEKOLAH TINGGI MANAJEMEN LOGISTIK INDONESIA
BANDUNG
2020

1
 KATA PENGANTAR

Assalamu’alaikum warahmatullahi wabarakatuh.

Puji syukur kami panjatkan kehadirat Tuhan Yang Maha Esa yang telah
memberikan rahmat dan karunia-Nya sehingga kami dapat melaksanakan sebuah
praktikum dan menyelesaikannya dengan baik hingga menjadi sebuah laporan
resmi praktikum Statistika.

Laporan yang kami susun dengan sistematis dan sebaik mungkin ini
bertujuan untuk memenuhi tugas kuliah Statistika. Dengan terselesainya laporan
resmi praktikum ini, maka tidak lupa kami mengucapkan banyak terima kasih
kepada semua pihak yang terlibat dalam penyusunan laporan ini, khususnya kepada
:

1. Kepada Akang Rezky Rafly Vardian

2. Kepada Akang Tumpak Batara Cristyanto Simangungsong

3. Kepada Akang I Made Adi Surya Dana.

Demikian laporan yang kami buat, mohon kritik dan sarannya atas
kekurangan dalam penyusunan laporan ini. Semoga laporan ini dapat bermanfaat
bagi semua pihak dan bagi kami selaku penulis. Demikian dan apabila terdapat
banyak kesalahan pada jurnal ini penulis mohon maaf yang sebesar-besarnya.
Semoga jurnal ini dapat bermanfaat. Terima kasih.

2
 DAFTAR ISI

KATA PENGANTAR
DAFTAR ISI
BAB I PENDAHULUAN ................................................................................................... 4
1.1 Latar Belakang .................................................................................................... 4
1.2 Tujuan Praktikum................................................................................................ 4
1.3 Rumusan Masalah……………………………………………………...……….4
BAB II LANDASAN TEORI ............................................................................................ 5
2.1 Pengertian Distribusi Peluang Diskrit ....................................................................... 5
2.2 Pengertian Distribusi Binomial ................................................................................. 5
2.3 Pengertian Distribusi Poisson……………… …….………………………………...7
BAB III HASIL & PEMBAHASAN .................................................................................. 9
3.1 Cara Kerja ................................................................................................................. 9
3.2 Analisis ................................................................................................................... 16
BAB IV PENUTUP .......................................................................................................... 19
4.1 Kesimpulan………………………………………………………………………...19

4.2 Saran…………………………………………………………………….................19
DAFTAR PUSTAKA ....................................................................................................... 20

3
 BAB I

PENDAHULUAN

1.1 Latar Belakang

Distribusi peluang adalah sebaran kemungkinan terjadinya variable acak
tertentu. Variable acak adalah peristiwa yang diharapkan akan terjadi, yang
biasanya dilambangkan dengan X. Atau, suatu bilangan yang ditentukan oleh
peristiwa yang dihasilkan dari eksperimen.
Distribusi peluang atau peluang teoritis merupakan suatu model peluang
yang memungkinkan untuk mempelajari hasil eksperimen random yang riil dan
menduga hasil – hasil yang akan terjadi. Distribusi peluang yang demikian
merupakan distribusi populasi karena berhubungan dengan semua nilai – nilai
yang mungkin terjadi dan populasinya merupakan variabel random

1.2 Tujuan Praktikum

1. Pratikan Memahami pengertian peubah diskrit.
2. Pratikan memahami dan mampu menguji proporsi suatu variabel apakah
nilainya berdistribusi Binomial.
3. Pratikan memahami dan mampu menguji data atau variable apakah
berdistribusi Poisson.

1.3 Rumusan Masalah

1. Apa pengertian Distribusi Binomial ?

2. Apa pengertian Distribusi Poisson ?

4
 BAB II
LANDASAN TEORI

2.1 Pengertian Distribusi Peluang Diskrit

Distribusi Peluang Diskrit Jika suatu ruang sampel mengandung titik yang
berhingga banyaknya atau sederetan angka yang banyaknya sebanyak
bilangan bulat, maka ruang sampel itu disebut ruang sampel diskrit
sedangkan peubah acak yang didefinisikan pada ruang sampel tersebut
adalah variabel acak diskrit. Variabel acak diskrit X menentukan distribusi
peluang apabila untuk nilai-nilai 𝑋 = 𝑥1, 𝑥2, … , 𝑥 𝑛 terdapat peluang p (𝑥𝑖)
sehingga: ∑ 𝑝(𝑥𝑖) = 1, 𝑛 𝑖−1 p(x) disebut fungsi peluang untuk variabel acak
X pada harga X = x Suatu nilai yang diharapkan akan menjadi kejadian dapat
dipandang sebagai nilai harapan atau dinyatakan dengan (X) dibaca
“ekspektasi”. Dimana nilai harapan suatu peubah acak dapat diperoleh
dengan mengalikan tiap nilai peubah acak tersebut dengan peluangnya dan
menjumlahkan hasilnya . ∈ (𝑋) = ∑ 𝑥𝑖. 𝑝(𝑥𝑖) Jenis distribusi peluang diskrit
antara lain Distribusi Seragam (Uniform), Distribusi Binominal, Distribusi
Multinominal, Distribusi Hypergeometrik, Distribusi Poisson.

2.2 Pengertian Distribusi Binomial

Distribusi Binomial ditemukan oleh seorang ahli matematika
berkebangsaan Swiss bernama Jacob Bernauli. Oleh karena itu
distribusi binomial ini dikenal juga sebagai distribusi bernauli.
Distribusi binomial berasal dari percobaan binomial yaitu suatu proses
Bernoulli yang diulang sebanyak n kali dan saling bebas. Suatu distribusi
Bernoulli dibentuk oleh suatu percobaan Bernoulli (Bernoulli trial).
Sebuah percobaan Bernoulli harus memenuhi syarat: Keluaran (outcome)
yang mungkin hanya salah satudari “sukses” atau “gagal”, Jika probabilitas
sukses p, maka probabilitas gagal q = 1 – p.
Distribusi binomial adalah distribusi probabilitas diskrit jumlah
keberhasilan dalam n percobaan ya/tidak (berhasil/gagal) yang saling
bebas,dimana setiap hasil percobaan memiliki probabilitas p.

5
Eksperimen berhasil/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 Binomial digunakan untuk data diskrit (bukan data kontinu)
yang dihasilkan dari eksperimen Bernouli, mengacu kepada
matematikawan Jacob Bernouli. Peristiwa pelemparan mata uang (koin)
yang dilakukan beberapa kali adalah contoh dari proses bernouli,
dan hasil (outcomes) dari tiap-tiap pengocokan dapat dinyatakan
sebagai distribusi probabilitas binomial. Kejadian sukses atau gagal
calon pegawai dalam psikotest merupakan contoh lain dari proses
Bernouli. Sebaliknya distribusi frekuensi hidupnya lampu neon di pabrik
anda harus diukur dengan skala kontinu dan bukan dianggap sebagai
distribusi binomial.
Secara formal, suatu eksperimen dapat dikatakan eksperimen binomial
jika memenuhi empat persyaratan:
a. Banyaknya eksperimen merupakan bilangan tetap (fixed number of trial)
b. Setiap ekperimen selalu mempunyai dua hasil ”Sukses” dan
”Gagal”.Tidak ada daerah abu-abu . Dalam praktiknya, sukses dan
gagal harus‟ ‟didefinisikan sesuai keperluan, Misal:
1. Lulus (sukses), tidak lulus (gagal)
2. Setuju (sukses), tidak setuju (gagal)
3. Barang bagus (sukses), barang sortiran (gagal)
4. Puas (sukses), tidak puas (gagal)
c. Probabilitas sukses harus sama pada setiap eksperimen.
d. Eksperimen tersebut harus bebas satu sama lain, artinya satu
eksperimentidak boleh berpengaruh pada hasil eksperimen lainnya.

Untuk membentuk suatu distribusi binomial diperlukan dua hal:

a. Banyaknya/jumlah percobaan/kegiatan
b. Probabilitas suatu kejadian baik sukses maupun gagal.

Distribusi probabilitas binomial dapat dinyatakan sebagai berikut:

6
 Dalam sebuah percobaan Bernoulli, dimana p adalah probabilitas “sukses”
dan q= 1 – p adalah probabilitas gagal, dan jika X adalah variabel
acak yang menyatakan sukses.

2.3 Pengertian Distribusi Poisson

Distribusi poisson diberi nama sesuai dengan penemunya yaitu Siemon D.
Poisson dilahirkan di Pithiers pada tanggal 21 Juni 1781. Poisson terkenal
karena penerapan ilmu matematikanya dalam mekanika dan fisika. Usaha
dan karya ilmiahnya ada di sekitar 300 sampai 400 buah. Tulisannya dalam
Traité de mécanique, dipublikasikan dalam dua volume pada tahun 1811
dan 1833, yang manjadi standar kerja dalam mekanika dalam waktu yang
lama. Salah satu teorinya yaitu Traité mathématique de la chaleur tahun
1835 ditambah sebuah suplemen pada tahun 1837, dan karyanya yang lain
adalah Recherches sur la probabilitié des jugements (1837). Recherches sur
la probabilitié des jugements merupakan sebuah karya penting dalam ilmu
probabilitas yang dipublikasikan pada tahun 1837, di tahun ini juga
distribusi poisson pertama kali muncul
Distribusi ini merupakan distribusi probabilitas untuk variabel diskrit acak
yang mempunyai nilai 0, 1, 2, 3 dan seterusnya. Suatu bentuk dari distribusi
ini adalah rumus pendekatan peluang poisson untuk peluang binomial yang
dapat digunakan untuk pendekatan probabilitas binomial dalam situasi
tertentu
Distribusi poisson dapat digunakan untuk menentukan probabilitas dari
sejumlah sukses yang ditentukan. Kejadian-kejadian terjadi dalam ruang
kontinyu. Proses poisson seperti proses Bernoulli, hanya berbeda pada sifat
kontinuitasnya saja

7
Distribusi poisson banyak digunakan dalam hal berikut:

1. Menghitung probabilitas terjadinya peristiwa menurut satuan waktu,

ruang, luas, atau panjang tertentu, seperti menentukan probabilitas dari:
a. Banyaknya penggunaan telepon per menit atau banyaknya mobil
yang lewat selama 5 menit di suatu ruas jalan.
b. Banyaknya bakteri dalam 1 tetes atau 1liter air.
c. Banyaknya kesalahan ketik per halaman sebuah buku.
d. Banyaknya kecelakaan mobil di jalan tol selama minggu pertama
pada bulan April.
2. Menghitung distribusi binomial apabila nilai n besar (n≥ 30) dan p kecil
(p < 0,1).

8
 BAB III

HASIL DAN PEMBAHASAN

3.1 Cara Kerja

a) Soal no 1
1. Buka aplikasi SPSS pada laptop kalia, dan kilik Variabel View

2. Inputkan data sesuai dengan di modul

9
3. Klik pada kolom Values untuk memasukan keterangan hasil
lempar, lalu akan muncul kotak dialog seperti ini

4. Isi seperti ini pada kotak dialog

5. Setelah itu klik Ok, Setelah data pada Variable View dimasukan
kita pindah ke Data View, masukan lagi data pada Data View
sesuai dengan di modul, hasilnya akan seperti ini

10
6. Lalu klik tab Analyze pilih bagian Nonparametric Tests
selanjutnya pilih bagian Legacy Dialogs dan terakhir pilih
bagian Binomial

7. Lalu akan muncul kotak dialog seperti ini, dan pindahkan

variable Hasil ke dalam Test Variable List

8. Lalu klik Options maka akan muncul kotak dialog seperti ini

11
9. Ceklis bagian Descriptive pada kolom Statistics dan ceklis bagian
Exclude Cases test by test pada kolom Missing Values, lalu klik
Continue dan klik Ok , maka akan keluar hasilnya seperti ini

12
b) Soal no 2

1. Buka aplikasi SPSS pada laptop Pratikan, lalu kita pindah ke

Variable View

2. Masukan data sesuai dengan di modul

3. Setelah data pada Variable View dimasukan kita pindah ke Data

View, masukan lagi data pada Data View sesuai dengan di modul,
hasilnya akan seperti ini:

13
4. Lalu klik tab Analyze pilih bagian Nonparametric Tests selanjutnya
pilih bagian Legacy Dialogs dan terakhir pilih bagian 1 Sample K-S

5. Lalu akan muncul kotak dialog seperti ini

14
6. Pindahkan variable Banyaknya Hand Sanitizer ke dalam Test
Variable List dan juga ceklis Poisson pada kolom Test Distribution

7. Selanjutnya klik Options maka akan muncul kotak dialog seperti ini

8. Ceklis bagian Descriptive pada kolom Statistics dan ceklis bagian

Exclude Cases test by test pada kolom Missing Values, lalu klik
Continue dan klik Ok, maka akan keluar hasilnya seperti ini

15
3.2 Analisis Data

a) Soal no 1

 Dari jumlah percobaan pelemparan koin sebanyak 26 kali, di

dapatkan hasil Gambar muncul sebanyak 8 kali sedangkan Angka
muncul sebanyak 26 kali.
 Test Prop. merupakan nilai persentase yang diharapkan/teoretis.

16
b) Soal no 2

 Most Extreme Differences Absolute menunjukkan perbedaan nilai

yang paling ekstrem secara absolute.
 Most Extreme Differences Positive menunjukkan perbedaan nilai
yang paling ekstrem secara positif.
 Most Extreme Differences Negative menunjukkan perbedaan nilai
yang paling ekstrem secara negatif.
 Nilai tes statistic dengan uji Kolmogorov-Smirnuv diperoleh sebesar
0,139.

17
 BAB IV
PENUTUP

4.1 Kesimpulan

Setelah melakukan Pratikum Statistika, Pratikan dapat Memahami

pengertian peubah diskrit.
Setelah melakukan Pratikum Statistika, Pratikan dapat memahami
dan mampu menguji proporsi suatu variabel apakah nilainya berdistribusi
Binomial
Setelah melakukan Pratikum Statistika, Pratikan dapat memahami
dan mampu menguji data atau variable apakah berdistribusi Poisson.

4.2 Saran

1. Saran buat Praktikum

Agar kiranya sarana yang diganakan dalam pertikum lebih ditingkatkan,
dikarenakan ada banyak pratikan yang terkendala masalah sarana
terkhusus computer yang sering mengalami error.

2. Saran buat Aslab

Lebih dapat menguasai jalannya pratikum, dan agar kiranya dapat
memaparkan materinya dengan lebih pelan dan dengan suara yang lebih
jelas. Dan tak lupa rasa terima kasih kepada akang dan teteh atas
bimbangnnya.

18
 DAFTAR PUSTAKA

https://www.slideshare.net/rizka_safa/distribusi-peluang-diskrit8
https://www.researchgate.net/publication/327645399_DISTRIBUSI_BINOMIAL
http://joe-proudly-present.blogspot.com/2013/01/sekilas-tentang-distribusi-poisson.html
https://rantielas.wordpress.com/2018/01/12/distribusi-diskrit-dan-distribusi-kontinu/
http://mochrian96.blogspot.com/2016/01/v-behaviorurldefaultvmlo.html

19