PROBABILITAS DAN STATISTIKA

MINI RISET

PEMECAHAN MASALAH PROBABILITAS KEJADIAN DISTRIBUSI

HIPERGEOMETRIK

Disusun Oleh :

Joel Holy Raflyn Lingga 5193230002

Rian Miswanda Sihombing 5192230001

Muhammad Wahyu 5193530026

FAKULTAS TEKNIK

TEKNIK ELEKTRO

UNIVERSITAS NEGERI MEDAN

2020
 KATA PENGANTAR

Puji syukur kita panjatkan atas kehadirat Tuhan Yang Maha Esa atas penyertaannya
sehingga Critical Book Review ini dapat disusun hingga selesai. Makalah ini di buat untuk
memenuhi salah satu tugas mata kuliah Probabilitas dan Statistika.

Dan harapan kami semoga makalah ini dapat menambah pengetahuan dan wawasan
bagi para pembaca, Jika ada isi yang kurang relevan maka untuk ke depannya kami akan
memperbaiki bentuk maupun menambah isi makalah agar menjadi lebih baik lagi dari
sebelumnya.

Karena keterbatasan pengetahuan maupun kurangnya pengalaman penulis, kami yakin

masih banyak kekurangan dalam makalah ini, Oleh karena itu kami mengharapkan saran dan
kritik yang membangun dari pembaca demi kesempurnaan makalah ini.

Medan, April 2020

Penulis

i
 DAFTAR ISI

KATA PENGANTAR..........................................................................................................................i

DAFTAR ISI........................................................................................................................................ii

BAB I PENDAHULUAN....................................................................................................................1

1. Latar Belakang...........................................................................................................................1

2. Rumusan Masalah......................................................................................................................1

3. Tujuan Penulisan.......................................................................................................................1

BAB II KAJIAN TEORI.....................................................................................................................2

BAB III METODE PENELITIAN.....................................................................................................9

1. Metode dan Alasan Menggunakan Metode................................................................................9

2. Kehadiran Peneliti.....................................................................................................................9

3. Teknik Pengumpulan Data.........................................................................................................9

4. Teknik Analisis Data.................................................................................................................9

BAB IV HASIL DAN PEMBAHASAN...........................................................................................11

BAB V PENUTUP.............................................................................................................................15

1. Kesimpulan..............................................................................................................................15

2. Saran........................................................................................................................................15

DAFTAR PUSTAKA........................................................................................................................16

ii
 BAB I
PENDAHULUAN

1. Latar Belakang

Statistika merupakan salah satu cabang dari ilmu matematika yang telah banyak
digunakan untuk meyelesaiakan masalah yang ada dalam kehidupan kita seperti masalah
dalam dunia penelitian dan riset. Statistika adalah pengetahuan yang berhubungan dengan
cara-cara pengunpulan data, pengelolahan atau tentang penganalisisan data hingga penarikan
kesimpulan.

Dalam statistika terdapat kajian mengenai variabel acak dan distribusi teoritisnya. Ada
berbaagai macam distribusi yang termasuk sebagai distribusi variabel acak diskrit diantaranya
bernouli, distribusi hipergeometrik dan lain sebgaianya.

Dalam kehidupan sehari-hari kita sering menjumpai kejadian yang sebenarnya dapat
diselesaiakan dengan meenggunkan probabilitas. Dngan menggunakan distribusi
hipergeometrik kita dapat menyelesaiakan permasalahan tersebut. Kita dapat mencari
probabilitas dari terpilihnya barang yang rusak, sehingga apabila probabilitasnya tinggi kita
dapat mengetahui bahwa kemungkinan besar kita akan membeli barang yang rusak.

2. Rumusan Masalah

Bagaimana mempermudah penyelesaian probabilitas sebuah peluang kejadian peubah

acak masalah khusus distribusi hipergeometrik?

Bagaimana cara mempermudah penjelasan apabila sebuah kejadian memiliki satu atau
lebih sampel dalam pemecahan masalah khusus distribusi hipergeometrik?

3. Tujuan Penulisan

Untuk menunjukkan pemecahan masalah khusus dalam peubah acak distribusi

hipergeometrik.

Untuk menunjukkan penurunan rumus dalam hal khusus distribusi hipergeometrik

apabila memilih sebanyak satu sampel atau lebih.

1
 BAB II
KAJIAN TEORI

Distribusi Hypergeometrik muncul ketika pengambilan sampel dilakukan dari

populasi yang terbatas tanpa penggantian sehingga membuat uji coba saling bergantung.
Namun, ketika Distribusi Hypergeometrik diperkenalkan, sering ada perbandingan yang
dibuat dengan Distribusi Binomial. Lebih khusus lagi, dikatakan bahwa jika n relatif kecil
terhadap ukuran populasi, N, maka (dengan asumsi semua kondisi lain terpenuhi) Y dapat
diperkirakan dengan Distribusi Binomial. Kasus ini dibuat karena fakta bahwa tidak
mengganti item memiliki efek yang dapat diabaikan pada kondisi p. Namun, ketika ini tidak
terjadi, kondisi independensi tidak lagi terpenuhi dan Distribusi Binomial tidak akan lagi
melakukan pekerjaan yang efisien pada perkiraan karena tidak mengganti item akan
berdampak pada p bersyarat. Akibatnya, Distribusi Hypergeometric harus digunakan sebagai
gantinya. Jadi, ketika seseorang membandingkan Hypergeometrik dengan kondisi Binomial,
orang akan melihat bahwa kondisi 1, 2, 3, dan 5 masih berlaku sedangkan kondisi 4
(diberikan dalam Bagian 2.1), independensi, tidak lagi berlaku. Ketika Distribusi
Hypergeometrik menarik, PMF berikut dapat digunakan:

Di mana r mewakili jumlah item "berhasil" dari total N item. Selain itu, nilai dan
varian yang diharapkan dapat dimanfaatkan:

Membandingkan PMF dari Distribusi Binomial dengan Distribusi Hypergeometrik,

satu dapat melihat bahwa mereka berbeda karena aspek “dengan penggantian” dari Distribusi
Binomial dibandingkan dengan aspek "tanpa penggantian" dari Distribusi Hypergeometric.
Sebagai tambahan, dukungan y terlihat sangat berbeda antara keduanya. Ini lagi karena

2
"dengan penggantian" vs. aspek “tanpa penggantian” antara kedua distribusi. Misalnya saat
menggambar kartu dari dek 52 kartu standar, misalkan kita tertarik pada Y , klub yang ditarik
dari n.

Ketika seseorang membandingkan nilai yang diharapkan dan varians dari dua
distribusi, mereka tampaknya sangat berbeda. Namun, ini tidak benar-benar terjadi. Jika
seseorang melihat bahwa r / N (dari Distribusi Hypergeometrik) mirip dengan p (dari
Distribusi Binomial), nilai yang diharapkan adalah sama dan varians hanya berbeda dengan
faktor (N-n) / (N-1), di mana varians identik dalam n = 1; varians dari Hypergeometric lebih
kecil untuk n> 1. Ini berhubungan kembali dengan gagasan bahwa Distribusi Hypergeometrik
digunakan ketika ukuran sampel, n, adalah tidak lagi kecil dalam kaitannya dengan ukuran
populasi, N. Namun, ketika n kecil dalam kaitannya dengan N, faktor ini dapat diabaikan
(dan dengan demikian Distribusi Binomial mungkin sesuai sebagai perkiraan).

Distribusi Hypergeometric Gaussi Versi terpisah dari sistem Pearson diberikan oleh

di mana fr = Pr [X = r] adalah fungsi massa probabilitas dan L dan G diberi fungsi.

Jika kita mempertimbangkan polinomial kuadrat L dan G yang diberikan oleh

di mana α, β, γ dan λ adalah bilangan real yang menyediakan a probabilitas fungsi

massa (PMF), maka solusi dari Eq. (2) adalah:

di mana f 1 F (;) o = 2 1 α β γ λ - dan probabilitasnya menghasilkan fungsi (pgf)

adalah

3
 Distribusi yang dihasilkan dengan cara ini dinamai Distribusi hypergeometrik
Gaussian (GHD). Di dalam merasakan satu-satunya hasil umum yang diketahui adalah Gauss

teorema penjumlahan, ketika λ = 1.

Untuk distribusi triparametrik, GHD (α, β, γ, 1) melalui momen pertama. Keluarga ini
termasuk beberapa yang terkenal distribusi, seperti Hypergeometric, Hypergeometrik negatif
atau terbalik, Beta-Pascal, Pólya, Beta-Binomial, Waring, Generalized Waring, Yule, dll.
Kasus umum 0 <λ≤1 berada di bawah pertimbangan.

(Wroughton, Cole. 2013)

TEORI KARAKTERISASI

Teorema 1: Variabel acak diskrit non-negatif X didefinisikan atas domain yang

diberikan, milik GHD (α, β, γ, 1) dengan probabilitas fungsi massa (PMF),

Jika dan hanya jika

di mana f 1 F (,;; 1) o = 2 1 α β γ -, μ1 ′ menunjukkan momen pertama sekitar nol, α,

β, γ adalah bilangan real yang menyediakan PMF.

4
Bukti:

Misalkan berlaku, maka kita miliki

Karenanya, kita bisa

mendapatkan set yang setara dari persamaan (untuk hasil yang serupa lihat juga [13, 14, 15]):

Eq. (6) adalah versi diskrit dari sistem Pearson (2) dan solusinya memberikan fr.
Kebalikannya mudah.

(Anwar, Ahmad. 2010)

Sistem Antrian Model Geo/G/1. Pada sistem antrian modelGeo/G/1, kedatangan

pelanggan di asumsikan terjadi pada waktu diskret yaitu pad asaat t = 0; 1; 2; ... dikarenakan
kedatangan pelanggan terjadi sebelum adanya pelayanan. Waktu antar kedatangan (T)
merupakan variabel random yang bersifat independen dan terdistribusi secara identik
mengikuti distribusi Geometrik dengan parameter p memiliki fungsi peluang (pmf) aj .
Selanjutnya,banyaknya kedatangan terjadi pada interval [0; n], dinotasikan dengan Cn,

5
mengikuti distribusi Binomial dengan parameter (n;p) dengan pmf .Serta,waktu pelayanan(S)
merupakan variabel random yang bersifat independen danidentikmengikutidistribusi
umum,dengan pmf. Dengan demikian, espektasi dan fungsi pembangkit (pgf) dari waktu
pelayananadalah

Misalkan A adalah jumlah pelanggan yang datang selama waktu pelayanan, maka
probabilitas dari A yaitu

Dengan A(z) merupakan bentuk pgf dari Persamaan 1 atau peluang dari jumlah
pelanggan yang datang selama waktu pelayanan,yaitu

Selanjutnya, ekspektasi jumlah kedatangan pelanggan selama waktu pelayanan yaitu

Misalkan Ln adalah jumlah pelanggan dalam sistem pada saat pelanggan ke-n
meninggalkan sistem. Dengan demikian,

6
 Karena fLn; n _ 1g adalah rantai Markov,makadapatdiperolehekspektasi untuk Ln+1,
yaitu

Kemudian,denganmengansumsikanbahwa Ln stasioner, maka dari Persamaan 5

diperoleh

Berdasarkan Persamaan 4, diperoleh peluang dari jumlah pelanggan dalam sistem,

yaitu

Peluang dari jumlah pelanggan dalam sistem sama dengan peluang dari jum- lah
kedatangan selama waktu pelayanan dan waktu tunggu pelanggan dalam antrian yaitu

Akibatnya, diperoleh

Selanjutnya, Persamaan 4 didefinisikan sebagai

Dari Persamaan 8, dapat diperoleh ekspektasi jumlah pelanggan dalam sistem, yaitu

7
 Selanjutnya,untuk menentukan ekspektasi jumlah pelanggan dalam antrian (E(Q))
sama dengan ekspektasi jumlah pelanggan dalam sistem dikurangi ekspektasi jumlah
kedatangan pelanggan selama waktu pelayanan, yaitu :

Ekspektasi waktu tunggu pelanggan dalam antrian (E(W)) dapat ditentukan dengan
perbandingan antara ekspektasi jumlah pelanggan dalam antrian dan parameter waktu antar
kedatangan,yaitu

(Supriyanto,dkk. 2018)

8
 BAB III
METODE PENELITIAN

1. Metode dan Alasan Menggunakan Metode

Pada penelitian ini digunakan metodologi dengan pendekatan kualitatif, yang

mempunyai karakteristik alami (natural setting) sebagai sumber data langsung, deskriptif,
proses lebih dipentingkan daripada hasil, analisis dalam penelitian kualitatif cenderung
dilakukan secara analisa induktif serta makna merupakan hal yang esensial.

Di dalam penelitian kualitatif analisis yang digunakan lebih bersifat deskriptif-analitik

yang berarti interpretasi terhadap isi, dibuat dan disusun secara sistemik atau menyeluruh dan
sistematis. Alasan peneliti menggunakan pendekatan ini karena data yang bersifat holistik,
kompleks, dinamis dan penuh makna. Sehingga, kurang tepat data pada situasi sosial tersebut
diperoleh dengan pendekatan kuantitatif.

2. Kehadiran Peneliti

Kehadiran peneliti dalam penelitian kualitatif yaitu peneliti sebagai instrumen

penelitian. Dalam Margono (2004: 51), dijelaskan peneliti kualitataif berusaha berinteraksi
dengan subjek penelitiannya secara alamiah dan dengan cara tidak memaksa. Di dalam
penelitian ini, peneliti sebagai instrumen penelitian berusaha mencari informasi dari jurnal-
jurnal yang dijadikan data dalam penelitian yang sedang dilakukan. Peneliti sadar bahwa
tujuan utama adalah mencari informasi bukan menilai suatu situasi. Sehingga, analisis
datanya pun berupa deskripsi tentang data yang diperoleh.

3. Teknik Pengumpulan Data

Teknik pengumpulan data dalam penelitian ini adalah dokumentasi. Dokumentasi dilakukan
dengan cara menyelidiki data yang didapat dari dokumen, catatan, file dan hal-hal lain yang
sudah didokumentasikan.

4. Teknik Analisis Data

Kegiatan dalam analisis data dalam penelitaian ini, yakni: pertama, kegiatan reduksi
data (data reduction), pada tahap ini peneliti memilih hal-hal yang pokok dari data yang di

9
dapat dari lapangan, merangkum, memfokuskan pada hal-hal yang penting dan dicari tema
dan polanya. Proses reduksi ini dilakukan secara bertahap, selama dan setelah pengumpulan
data sampai laporan hasil. Penulis memilah-milah data yang penting yang berkaitan dengan
fokus penelitan dan membuat kerangka penyajiannya. Kedua, penyajian data (data display),
setelah mereduksi data, maka langkah selanjunya adalah mendisplay data. Di dalam kegiatan
ini, penulis menyusun kembali data berdasarkan klasifikasi dan masing-masing topik
kemudian dipisahkan, kemduian topik yang sama disimpan dalam satu tempat, masing-
masing tempat dan diberi tanda, hal ini untuk memudahkan dalam penggunaan data agar
tidak terjadi kekeliruan. Ketiga, data yang dikelompokan pada kegiatan kedua kemduian
diteliti kembali dengan cermat, dilihat mana data yang telah lengkap dan data yang belum
lengkap yang masih memerlukan data tambahan, dan kegiatan ini dilakuakan pada saat
kegiatan berlangsung. Keempat, setelah data dianggap cukup dan telah sampai pada titik
jenuh atau telah memperoleh kesesuaian, maka kegiatan yang selanjutnya yaitu menyusun
laporan hingga pada akhir pembuatan simpulan.

Analisis data dalam penelitian kualitatif menggunakan metode induktif. Penelitain ini
tidak menguji hipotesis (akan tetapi hipotesis kerja hanya digunakan sebagai pedoman) tetapi
lebih merupakan penyusunan abstraksi berdasarkan data yang dikumpulkan. Analisis
dilakukan lebih intensif setelah semua data yang diperoleh di lapangan sudah memadai dan
dianggap cukup, untuk diolah dan disusun menjadi hasil penelitian sampai dengan tahap
akhir yakni kesimpulan penelitian.

10
 BAB IV
HASIL DAN PEMBAHASAN

Distribusi Hipergeometrik

Distribusi peluang peubah acak hipergeometrik X, yaitu banyaknya sukses dalam

sampel acak ukuran n yang diambil dari N benda yang mengandung k bernama sukses dan N
– k bernama gagal, ialah

k N −k
h ( x ; N , n , k )=
( x )( n−x )
, x=0,1,2 , … , n .
N
(n)
Pandang hal khusus distribusi hipergeometrik, yaitu

x=1

Dalam hal khusus distribusi hipergeometrik, yaitu dalam suatu kejadian yang hanya
memilih sebanyak satu sampel sukses dari k sukses yang terkandung atau x=1. Maka
diperoleh distribusi hipergeometrik menyusut menjadi

k N −k
h (1 ; N , n , k )=
( 1 )( n−1 )

( Nn )
k! ( N −k )!

¿
( )(
1! (k −1) ! ( n−1 ) !(N −k−n+1)! )
N!
( ( N −n)! n!)

¿
k ( N−k
n−1 )

( Nn )

11
 Sehingga dapat dinyatakan sebagai berikut.

h ( N , n , k )=
k ( Nn−1−k )
( Nn )
Contoh

Suatu kotak berisi 40 suku cadang dikatakan dapat diterima bila mengandung paling
banyak tiga yang cacat. Suatu kotak akan ditolak bila sampel acak ukuran 5 suku cadang
yang terpilih mengandung satu yang cacat. Berapakah peluang mendapatkan tepat satu yang
cacat dalam sampel bila kotak tersebut mengandung tiga suku cadang yang cacat?

Penyelesaian

Diketahui n=5 , N =40 , k =3, dan x=1, peluang mendapatkan tepat satu yang cacat

3 40−3 3 37 3 .37 !
h ( 40,5,3 )=
(
5−1
=
4) ( )
=
4 ! 33! 3 .5. 35. 34
= =0,3011
40 40 40 ! 40 . 39 .38
5 ( ) ( )
5 5 ! 35 !

x=k

Dalam hal khusus distribusi hipergeometrik, yaitu dalam suatu kejadian yang memilih
sampel sukses x sebanyak k sukses yang terkandung atau x=k. Maka diperoleh distribusi
hipergeometrik menyusut menjadi

Misalkan, x=a → k =a

a N−a
h ( a ; N , n , a )=
( a )( n−a )

( Nn )

12
 ( N−a ) !

¿
1
( ( n−a ) ! ( N −a−( n−a ) ) ! )
( ( N −nN !) ! n ! )
( N −a ) !
( n−a ) ! ( N−n ) !
¿
N!
( N−n ) ! n!

( N−a ) ! ( N −n ) ! n !
¿ ∙
( n−a ) ! ( N −n ) ! N!

( N−a)! n!
¿ ∙
N! ( n−a) !

Sehingga dapat dinyatakan sebagai berikut.

(N −a)! n!
h ( N , n , a )= ∙
N! (n−a)!

Contoh

Suatu kotak berisi 40 suku cadang dikatakan dapat diterima bila mengandung paling
banyak tiga yang cacat. Suatu kotak akan ditolak bila sampel acak ukuran 5 suku cadang
yang terpilih mengandung satu yang cacat. Berapakah peluang mendapatkan tepat satu yang
cacat dalam sampel bila kotak tersebut mengandung tiga suku cadang yang cacat?

Penyelesaian

Diketahui n=5 , N =40 , k =3, dan x=3 maka a=3, peluang mendapatkan tepat satu
yang cacat

(40−3)! 5! 37 ! 5! 1 5∙4∙3
h ( 40,5,3 )= ∙ = ∙ = ∙ =0,001
40 ! ( 5−3 ) ! 40 ! 2! 40 ∙39 ∙ 38 1

13
 Dalam hal khusus distribusi hipergeometrik, yaitu dalam suatu kejadian yang
memilih sampel sukses sebanyak 1 dari 1 sukses yang terkandung atau x=1 dan k =1. Maka
diperoleh distribusi hipergeometrik menyusut menjadi

1 N −1
h ( 1 ; N , n , 1 )=
( 1 )( n−1 )

( Nn )
( N −1 ) !

¿
( ( n−1 ) ! ( N −1−( n−1 ) ) ! )
( ( N−nN !) ! n! )
( N−1 ) ! n ! ( N−n ) !
¿ ∙
( n−1 ) ! ( N−n ) ! N!

( N −1 ) ! n!
¿ ∙
N! ( n−1 ) !

1 n
¿ ∙
N 1

n
¿
N

Sehingga dapat dinyatakan sebagai berikut.

n
h ( N , n )=
N

Contoh

Suatu kotak berisi 40 suku cadang dikatakan dapat diterima bila mengandung paling
banyak satu yang cacat. Suatu kotak akan ditolak bila sampel acak ukuran 5 suku cadang
yang terpilih mengandung satu yang cacat. Berapakah peluang mendapatkan tepat satu yang
cacat dalam sampel bila kotak tersebut mengandung satu suku cadang yang cacat?

14
 Penyelesaian

Diketahui n=5 , N =40 , k =1, dan x=1, peluang mendapatkan tepat satu yang cacat

5
h ( 1 ; 40,5,1 )= =0,125
40

BAB V
PENUTUP

1. Kesimpulan

Dalam hal khusus distribusi hipergeometrik, yaitu dalam suatu kejadian yang hanya
memilih sebanyak satu sampel sukses dari k sukses yang terkandung atau x=1, maka
distribusi hipergeometri menjadi:

h ( N , n , k )=
k ( Nn−1−k )
( Nn )
Dalam hal khusus distribusi hipergeometrik, yaitu dalam suatu kejadian yang memilih
sampel sukses x sebanyak k sukses yang terkandung atau x=k, maka distribusi hipergeometri
menjadi:

(N −a)! n!
h ( N , n , a )= ∙
N! (n−a)!

15
 Dalam hal khusus distribusi hipergeometrik, yaitu dalam suatu kejadian yang memilih
sampel sukses sebanyak 1 dari 1 sukses yang terkandung atau x=1 dan k =1, maka distribusi
hipergeometri menjadi:

n
h ( N , n )=
N

2. Saran

Berdasarkan analisis yang telah dilakukan penulis dalam menyusun Mini Research
ini, maka penulis menyarankan agar pembaca dapat melakukan pengembangan rumus yang
berasal dari rumus distribusi geometri yang dibuat oleh penulis. Sehingga pemecahan
masalah yang berhubungan dengan distribusi geometri dapat diselesaikan dengan cara yang
lebih mudah ,cepat dan tepat.

DAFTAR PUSTAKA

Binomial Distributions. Journal of Statistics Education, Vol (21), No (1). Hal : 1-16

Supriyanto,dkk. 2018. Sistem Antrian model geo/G/1 Dengan Vacation.Jurnal UJMC. Jilid
(1), No (1). Hal : 47-54

Anwar, Ahmad.2010. Characterization of Subfamily in Gaussian Hypergeometric

Distributions. World Applied Sciences Journal. Vol(11 ), No (11). Hal : 1446-1449

Wroughton, Cole. 2013. Distinguishing Between Binomial, Hypergeometric and Negative

16
17