TUGAS STATISTIKA

DISTRIBUSI PELUANG POISSON

DOSEN PENGAMPU : Drs.Harison,M.Si

OLEH:

NAMA : MELLYANA SARY

NIM : 1903111931
KELAS :B

JURUSAN BIOLOGI
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS RIAU
PEKANBARU
2020
 A. Latar Belakang

Dalam kehidupan sehari-hari, agar dapat mengetahui banyaknya hubungan

telepon sejam yang diterima suatu kantor, banyaknya hari sekolah yang ditutup
karena banjir, banyaknya pertandingan sepak bola yang terpaksa diundur karena
hujan salju selama musim dingin, banyaknya tikus sawah per hektar, banyaknya
bakteria dalam suatu makanan, ataupun banyaknya salah ketik per halaman,
sehingga dapat menghasilkan pengamatan untuk peubah acak X, kita bisa
mengetahuinya dengan menggunakan percobaan poisson.
Percobaan poisson merupakan percobaan yang menghasilkan peubah acak
X yang bernilai numerik, yaitu banyaknya sukses selama selang waktu tertentu
atau dalam daerah tertentu. Kemudian, distribusi peluang suatu peubah acak
poisson X disebut distribusi poisson karena nilainya hanya tergantung pada rata-
rata banyaknya sukses yang terjadi dalam selang waktu atau daerah tertentu.
Panjang selang waktu tersebut boleh berapa saja, semenit, sejam, seminggu,
sebulan atau malah setahun. Daerah yang dimaksud dapat berupa sepotong garis,
suatu luasan, suatu isi, ataupun barangkali sepotong benda.
Distribusi poisson1 diturunkan dari distribusi binomial, yaitu pada kasus
khusus dimana banyak perulangan eksperimennya relatif besar (secara matematik
dinotasikan ), dan probabilitas kejadian yang menjadi fokus perhatian
relatif kecil (secara matematik dinotasikann ). Penurunan fungsi poisson
diperoleh dari fungsi peluang binomial, dengan menggunakan pemisalan:
sehingga .
Oleh karena itu, dalam rangka ingin mengetahui dan memahami distribusi
poisson secara mendalam, kita harus mengetahui definisi distribusi poisson dan
teorema terkait distribusi poisson, yang akan dibahas pada makalah ini.

B. Tinjauan Pustaka
Distribusi poisson diturunkan dari distribusi binomial, yaitu pada kasus
khusus dimana banyak perulangan eksperimennya relatif besar (secara matematik
dinotasikan ), dan probabilitas kejadian yang menjadi fokus perhatian
relatif kecil (secara matematik dinotasikann ). Penurunan fungsi poisson
diperoleh dari fungsi peluang binomial, dengan menggunakan pemisalan:
sehingga .
Distribusi poisson disebut juga distribusi peristiwa yang jarang terjadi,
ditemukan oleh S.D. Poisson (1781-1841), seorang ahli matematika bangsa
Prancis. Distribusi poisson termasuk distribusi teoritis yang memakai variabel
random diskrit. Distribusi poisson adalah distribusi nilai-nilai bagi suatu variabel
random X(Xdiskrit), yaitu sebanyak hasil percobaan yang terjadi dalam suatu
interval waktu tertentu atau suatu daerah tertentu.2

1
Budi Manfaat. 2016. Pengantar Teori Probabilitas. Cirebon: Eduvision, hal. 93
2
Iqbal Hasan. 2012. Pokok-pokok Materi Statistika 2 (Statistika Inferensif). Jakata: PT Bumi
Aksara, hal 64
 Distribusi poisson memiliki ciri-ciri sebagai berikut:
1. Banyaknya percobaan yang terjadi dalam suatu interval waktu atau suatu
daerah tertentu tidak tergantungpada banyak nya hasil percobaan yang
terjadipada interval waktu atau daerah lain yang terpisah.
2. Probabilitas hasil percobaan yang terjadi selama suatu interval waktu yang
singkat atau daerah yang kecil, sebanding dengan panjangnya waktu atau
besarnya daerah tersebutu dan tidak tergantung pada banyaknya hasil
percobaan yang terjadi diluar waktu atau daerah tersebut.
3. Probabilitas lebih dari satu hasil percobaan yang terjadi dalam interval waktu
yang singkat atau dalam daerah yang kecil dapat diabaikan.

Distribusi ini secara luas banyak dipakai terutama dalam proses simulasi,
seperti proses kedatangan, proses antrian dll. Jumlah X dari keluaran yang terjadi
selama satu percobaan Poisson disebut Variabel random Poisson, dan distribusi
probabilitasnya disebut distribusi Poisson.
Bila x menyatakan banyaknya sukses yang terjadi ,  adalah rata-rata
banyaknya sukses yang terjadi dalam interval waktu atau daerah tertentu, dan e =
2,718 , maka rumus distribusi poisson adalah :

Probabilitas terjadinya suatu kedatangan yang mengikuti proses poisson,

dirumuskan:3

P (X = x) =

Keterangan :
= tingkat kedatangan rata-rata per satuan waktu
t = banyaknya suatu waktu
x = banyaknya kedatangan dalam t satuan waktu
Jika terdapat probabilitas dari poisson yang lebih dari satu, maka probabilitas
tersebut dinamakan dengan probabilitas poisson kumulatif.
Probabilitas poisson dapat dihitung dengan rumus:4
PPK =
=
= P (X = 0) + P(X = 1) + P(X = 2) +...+ P(X = n)
Beberapa sifat dari distribusi poisson dapat dilihat pada tabel dibawah ini:5
Mean => µ=λ=n.p
Varian => σ2 = λ = n . p
Deviasi Standar => σ=

σ3 =
Koefisien Momen Kemiringan =>

3
Ibid, hal 65
4
Ibid, hal 67
5
Murray R Spiegel & Larry J. Stephens. 2004. Schaum’s Easy Outline (Teori dan Soal-soal).
Jakarta: Erlangga. Hal 130
 σ4 =
Koefisien Momen Kurtosis =>

C. Contoh/ Aplikasi Dalam Biologi

1. Dalam sebuah laboratorium Botani di FMIPA Universitas Riau, dibuat
sebuah pembibitan dengan metode cangkok dari anakan pohon Eugenia
jambos (Jambu mawar) yang terdiri dari 120 bibit. Terdapat 80 bibit yang
salah cangkok, dan berdistribusi secara acak didalam 4 buah keranjang di
laboratorium Botani tersebut. Hitung probabilitas, seandainya bibit cangkok
tersebut di cek dalam sebuah keranjang tersebut:
a) Tidak terdapat salah cangkok
b) 4 bibit yang salah cangkok
Penyelesaian :
n = 80; p = 1/120
=n.p
= 80 x 1/120 = 0,67

a. P (X= 0) =

= 0,512

b. P (X= 4) =

= = 0,004

D. Kesimpulan
Distribusi peluang suatu peubah acak poisson X disebut distribusi
poisson karena nilainya hanya tergantung pada rata-rata banyaknya sukses
yang terjadi dalam selang waktu atau daerah tertentu.
Distribusi poisson diturunkan dari distribusi binomial, yaitu pada
kasus khusus dimana banyak perulangan eksperimennya relatif besar (secara
matematik dinotasikan ), dan probabilitas kejadian yang menjadi fokus
perhatian relatif kecil (secara matematik dinotasikann ). Penurunan

fungsi poisson diperoleh dari fungsi peluang binomial, dengan menggunakan

pemisalan: sehingga .
 DAFTAR PUSTAKA

Manfaat, Budi. 2016. Pengantar Teori Probabilitas. Cirebon: Eduvision.

Hasan, Iqbal. 2012. Pokok-pokok Materi Statistika 2 (Statistika Inferensif). Jakata:
PT Bumi Aksara.
Spiegel, Murray R. 2004. Schaum’s Easy Outline Statistik. Jakarta: Erlangga.
Spiegel, Murray R & Stephens, Larry J. 2004. Schaum’s Outline (Teori dan Soal-soal).
Jakarta: Erlangga.
Harinaldi. 2005. Prinsip-prinsip untuk Teknik dan Sains. Jakarta: Erlangga.
Lind, Douglas A,. Marchal, William G & Wathen, Samuel A. 2007. Teknik-teknik
Statistika dalam Bisnis dan Ekonomi Menggunakan Kelompok Data Global.
Jakarta: Salemba Empat.