DISTIBUSI BINOMIAL, POISSON, DISTRIBUSI NORMAL

MATA KULIAH : STATISTIKA

INFERENSIAL & MULTIVARIATE

DOSEN PENGAMPU : Ulfa nurhayani ,SE,.M.Si

Weny nurwendary, SE.,M.Pd

NAMA MAHASISWA : Sofia fahra rianda (7201142001)

Ela pasaribu (7203342025)

Winni rahmayani depari (7202442007)

PROGRAM STUDI S1 PENDIDIKAN AKUNTANSI

FAKULTAS EKONOMI – UNIVERSITAS NEGERI

MEDAN

0
 KATA PENGANTAR

Puji syukur kehadirat tuhan yang maha kuasa atas segala limpahan rahmatnya sehingga saya
dapat menyelesaikan penyusunaan makalah ini atas pemenuhan tugas makalah Mata kuliah
STATISTIKA INFERENSIAL & MULTIVARIATE dalam bentuk maupun isinya
sederhana.semoga tugas ini dapat di pergunakan sebagai salah satu acuan, petunjuk maupun
pedomanbagi pembaca.

Harapan saya semoga makalah ini membantu menambah pengetahuan dan pengalaman bagi
para pembaca khusus nya saya sebagai mahasiswa , sehingga saya dapat memperbaiki bentuk
maupun isi makalah ini sehingga kedepanya dapat lebih baik dan dapat belajar dalam
mengerjakan tugas MAKALAH dengan baik

Tugas ini saya akui masih banyak kekurangan karna pengalaman yang saya miliki sangat
kurang.oleh karna itu saya harapkankepada pembaca untuk memberikan masukan yang bersifat
membangun untuk kesempurnaan makalah ini, sehinga tugas- tugas MAKALAH saya lebih baik
sebelumnya

Medan 5 September 2021

Periview

1
 DAFTAR ISI

Kata Pengantar
Daftar Isi
BAB I PENDAHULUAN...................................................................3
A.Latar belakang................................................................................................................3
B.Rumusan masalah ..........................................................................................................3
C.Tujuan penulisan ............................................................................................................3

BAB II PEMBAHASAN ...................................................................4

A Distribibusi binomial .....................................................................................................4
B.Distribusi possion...........................................................................................................6
C.Distribusi normal ...........................................................................................................7

BAB III PENUTUP ........................................................................11

A.Kesimpulan ..................................................................................................................11
B.Saran ............................................................................................................................11

DAFTAR PUSTAKA......................................................................12

2
 BAB I
PENDAHULU

A. LATAR BELAKANG
Teori probabilitas bisa dikatakan merupakan salah satu ilmu untuk “mengukur” Ketidak
pastian hingga ke tingkat yang lebih manageble dan predictable Teori probabilitas
digunakan bukan hanya untuk hal-hal yang praktis, bahkan juga untuk hal-hal yang
teoritis ketika model-model matematis tidak dapat lagi disusun secara komprehensif
untuk memecahkan suatu masalah. Apalagi duniaengineering yang pada umumnya
memerlukan pertimbangan yang lebih singkat dan pragmatis sangat mengandalkan
konsep-konsep di dalam teori probabilitas.Metode statistika adalah “muka” dari teori
probabilitas. Metode statistika digunakan untuk melakukan pengukuran kuantitatif yang
aproksimatif akan suatu hal. Konsep metodologis yang digunakan di dalam metode
statistika dikembangkan berdasarkan teori probabilitas. Dalam penggunaannya, hasil
pengukuran statistika sudah dapat dianggap memadai. Namun, untuk memahami apa
yang ada di balik angka-angka hasil perhitungan statistika tersebut memerlukan
pemahaman mengenai model probabilitas yang digunakannya, yang artinya perlu kembali
ke teori probabilitas.
B. RUMUSAN MASALAH
1. Apa itu distribusi binomial, passion dan normal ?
2. Apa saja ciri-ciri dari distribusi binomial, passion, dan normal ?
3. Bagaimana penerapan distribusi binomial , passion, dan normal ?
B. MANFAAT PENELITIAN
1. Agar mengetahui pengertian distribusi binomial, passion dan normal
2. Agar mengetahui ciri-ciri distribusi binomial, passion dan normal
3. Agar mengetahui bagaimana penerapan distribusi binomial, passion dan normal

3
 BAB II

PEMBAHASAN

A. DISTRIBUSI BINOMIAL ‘
Definisi distribusi binomial
Dalam berbgai percobaan dimana variabel yang sedang diteliti adalah tingkat
nominal maka hanya ada 2 kemungkinan nilai atau hasil dari variabel tersebut.
Misalnya
Salesmen pandai atau tidak pandai menjual barang dagangan, anak yang baru lahir
kedua lelaki atau perempuan, dan petani berhasil atau gagal panen padi di tahun
ini. Sampel yang melibatkan variabel yang dapat diwakili oleh probabilitas teoritis
distribusi disebut distribusi binomial, dikatakan binomial karena terdapat dua hasil
yang mungkin.Distribusi Binomial atau distribusi Bernoulli (ditemukan oleh James
Bernoulli) adalah suatu distribusi teoritis yang menggunakan variabel random diskrit
yang terdiri dari dua kejadian yang berkomplemen, seperti sukses-gagal, ya-tidak,
baik-cacat, kepala- ekor dll.
Ciri-ciri distribusi Binomial adalah
 Setiap percobaan hanya memiliki dua peristiwa, seperti ya-tidak, sukses Setiap
percobaan hanya memiliki dua peristiwa, seperti ya-tidak, sukses-gagal.
 Probabilitas suatu peristiwa adalah tetap, tidak berubah untuk setiap percobaan
 Percobaannya bersifat independent, artinya peristiwa dari suatu percobaan tidak
mempengaruhi atau dipengaruhi peristiwa dalam percobaan lainnya.
 Jumlah atau banyaknya percobaan yang merupakan komponen percobaan
binomial harus tertentu.

Rumus Distribusi Binomial

a. Rumus binomial suatu peristiwa

4
Probabilitas suatu peristiwa dapat dihitung dengan mengalikan kombinasi susunan
dengan probabilitas salah satu susunan. Berdasarkan hal tersebut, secara umum rumus
dari probabilitas binomial suatu peristiwa dituliskan

b. Probabilitas binomial kumulatif

Probabilitas binomial kumulatif adalah probabilitas dari peristiwa binomial lebih dari satu
sukses. Probabilitas binomial kumulatif dapat dihitung dengan menggunakan rumus

Contoh soal distribusi probabilitas

Sebuah dadu dilemparkan keatas sebanyak 4 kali. Tentukan probabilitas dari peristiwa
berikut :

 Mata dadu 5 muncul 1 kali

 Mata dadu genap muncul 2 kali
 Mata dadu 2 atau 6 muncul sebanyak 4 kali

Penyelesaian :

5
  Karena dadu memiliki 6 sisi, yaitu 1, 2, 3, 4, 5, 6, sehingga setiap sisi memiliki
probabilitas 1/6. Jadi, probabilitas untuk mata 1 adalah 1/6, sehigga :

 Mata dadu genap ada 3, yaitu 2,4, dan 6, sehingga :

 Muncul mata dadu 2 atau 6 sebanyak 4 kali, sehngga

B. DISTRIBUSI POSSION
Distribusi poisson adalah
Distribusi nilai-nilai bagi suatu variabel random X (X diskret), yaitu banyaknya hasil
percobaan yang terjadi dalam suatu interval waktu tertentu atau di suatu daerah tertentu.
Distribusi probabilitas diskret yang menyatakan peluang jumlah peristiwa yang terjadi
pada periode waktu tertentu apabila rata-rata kejadian tersebut diketahui dan dalam waktu
yang saling bebas sejak kejadian terakhir.
Ciri-ciri distribusi passion
 Banyaknya hasil percobaan yang terjadi dalam suatu interval waktu atau suatu daerah
tertentu tidak bergantung pada banyaknya hasil percobaan yang terjadi pada interval
waktu atau daerah lain yang terpisah.

6
 Probabilitas terjadinya hasil percobaan selama suatu interval waktu yang singkat atau
dalam suatu daerah yang kecil, sebanding dengan panjang interval waktu atau
besarnya daerah tersebut dan tidak bergantung pada banyaknya hasil percobaan yang
terjadi di luar interval waktu atau daerah tersebut
Probabilitas lebih dari satu hasil percobaan yang terjadi dalam interval waktu yang
singkat atau dalam daerah yang kecil dapat diabaikan. Selain itu, Distribusi poisson
banyak digunakan dalam hal berikut Menghitung probabilitas terjadinya peristiwa
menurut satuan waktu, ruang atau isi, luas, panjang tertentu, seperti menghitung
probabilitas dari:
 Banyaknya penggunaan telepon per menit atau banyaknya mobil yang lewat
selama 5 menit di suatu ruas jalan,
 Banyaknya bakteri dalam satu tetes atau 1 liter air,
 Banyaknya kesalahan ketik per halaman sebuah buku, dan
 Banyaknya kecelakaan mobil di jalan tol selama minggu pertama bulan Oktober.
 Menghitung distribusi binomial apabila n besar (n ³ 30) dan p kecil (p <>
 Rumus Pendekatan Peluang Poisson untuk Binomial
Pendekatan Peluang Poisson untuk Peluang Binomial dilakukan untuk mendekatkan
probabilitas probabilitas dari kelas sukses (x) dari n percobaan Binomial dalam situasi
dimana n sangat besar dan probabilitas kelas sukses (p) sangat kecil. Aturan yang diikuti
oleh kebanyakan ahli statistika adalah bahwa n cukup besar dan p cukup kecil, jika n
adalah 20 atau lebih dari 20 dan p adalah 0.05 atau kurang dari 0.05.
Rumus pendekatannya adalah :
P(x;μ)=e–μ.μX
X ! Dimana : e = 2.71828
μ = rata – ratakeberhasilan = n . p
x = Banyaknya unsur berhasil dalam sampel
n = Jumlah / ukuran populasi
p = probabilitas kelas sukses
Contoh soal possion

7
 Dua ratus penumpang telah memesan tiket untuk sebuah penerbangan luar negeri. Jika
probabilitas penumpang yang telah mempunyai tiket tidak akan datang adalah 0.01 maka
berapakah peluang ada 3 orang yang tidak datang.
Jawaban
Dik : n = 200, P = 0.01, X = 3, μ = n . p = 200 . 0.01 =2
P(x;μ)=e–μ.μX
X!= 2.71828 – 2 . 2 3 = 0.1804 atau 18.04 %
3!
C. DISTRIBUSI NORMAL
Distribusi normal merupakan sebuah fungsi probabilitas yang menunjukkan distribusi
atau penyebaran suatu variabel. Fungsi tersebut umumnya dibuktikan oleh sebuah grafik
simetris yang disebut kurva lonceng (bell curve). Saat menandakan distribusi yang
merata, kurva akan memuncak di bagian tengah dan melandai di kedua sisinya dengan
nilai yang setara.
Teori distribusi ini dikenal pula dengan istilah Distribusi Gauss (Gaussian Distribution).
Istilah tersebut mengacu pada Carl Friedrich Gauss, seorang matematikawan asal Jerman
yang mengembangkan teori distribusi berisi fungsi eksponensial dua parameter pada
periode 1794-1809. Meski demikian, teori awal yang menjadi cikal-bakal fungsi
distribusi tersebut sebenarnya mulai dikembangkan oleh Abraham de Moivre pada tahun
1733.

Ciri-ciri distribusi normal

Saat menunjukkan nilai penyebaran data, distribusi normal memiliki sejumlah
karakteristik utama sebagai berikut:
 Teori distribusi ini memiliki nilai mean, median, dan modus yang sama. Oleh karena
itu, distribusinya sering pula disebut unimodal.
 Kurva distribusi selalu bersifat simetris dengan bentuk lonceng (bell curve). Titik
puncak kurva adalah nilai rata-rata. Nilai ini berada tepat di tengah kurva, sedangkan
data distribusi terletak di sekitar garis lurus yang ditarik ke bawah dari titik tengah
tersebut.

8
 Mean (nilai rata-rata) dan nilai standar deviasi akan menentukan bentuk dan lokasi
distribusi.
 Jumlah luas daerah di bawah kurva normal bernilai 1, yakni ½ di sisi kiri dan ½ di sisi
kanan. Hal ini juga berlaku untuk seluruh distribusi probabilitas kontinu.
 Dalam kurva distribusi, dapat disimpulkan jika setengah data populasi akan memiliki
nilai yang kurang dari angka rata-rata, sedangkan sebagian lagi memiliki nilai yang
lebih besar.
 Masing-masing ekor kurva di kedua sisi memanjang tak berbatas. Dalam beberapa
kasus penghitungan distribusi, ekor kurva bahkan bisa memotong sumbu horizontal.
Distribusi Normal sering disebut distribusi Gauss. Distribusi Normal memiliki bentuk
fungsi sebagai berikut :

Keterangan :
X = nilai data µ = rata-rata x
π = 3,14
e = 2,71828
σ = Simpangan baku

Jenis-jenis distribusi normal

 Distribusi kurva normal dengan µ sama dan σ berbeda

 Distribusi kurva normal dengan µ berbeda dan σ sama

9
  Distribusi kurva normal dengan µ dan σ berbeda Grafik kurva normal

Contoh soal distribusi normal

Dalam suatu ujian terdapat 300 siswa yang mengikuti ujian tersebut. Rata-rata dari hasil
ujian yaitu 70 serta simpangan baku hasil ujian tersebut adalah 10. Jika data nilai hasil
ujian siswa tersebut berdistribusi normal, maka berapa persen mahasiswa yang mendapat
nilai A jika syarat untuk mendapatkan nilai A adalah nilai lebih dari 85?
Penyelesaian
Berdasarkan contoh soal di atas, diperoleh informasi sebagai berikut.
µ = 70
σ = 10
x = 85
akan ditentukan Z(X>85).
Z(X > 85) = 1 – Z(X < 85)
Akan dihitung terlebih dahulu nilai dari Z (X < 85)
Z = (85 – 70)/10 = 15/10 = 1,5
Nilai Z untuk 1,50 adalah 0,9332, sehingga
Z(X > 85) = 1 – Z(X < 85)
Z(X > 85) = 1 – 0,9332
Z(X > 85) = 0,0668
Z(X > 85) = 6,68%

10
 (AMP)

BAB III
PENUTUP
A. KESIMPULAN
Berdasarkan pembahasan yang telah penyusun uraikan diatas, maka sanggup
disimpulkan bahwa distribusi peluang kontinu yang terpenting dalam seluruh
bidang statistika ialah distribusi normal. Distribusi normal merupakan suatu alat
statistik yang sangat penting untuk menaksir dan meramalkan peristiwa-peristiwa
yang lebih luas. Grafiknya disebut kurva normal terbentuk lonceng yang
menggambarkan dengan cukup baik banyak tanda-tanda yang muncul di alam,
industri, dan penelitian. Abraham de Moivre ialah yang pertama kali
memperkenalkan distribusi normal ini dan kemudian dipopulerkan oleh Carl
Fredreich Gauss. Sehingga nama lain distribusi ini ialah distribusi Gauss.
B. SARAN
Dalam penulisan makalah ini kami meyadari bahwa masih banyak kekeliruan dan
kesalahan dalam hal penulisan dan penyusunannya. Oleh lantaran itu, kami
menantikan saran dan kritikan yang sifatnya membangun untuk perbaikan
selanjutnya. Semoga makalah ini bermanfaat bagi pembaca dan sanggup
menambah pustaka keilmuan mahasiswa.

11
 DAFTAR PUSTAKA
Https://www.slideshare.net/aisyahturidho/makalah-distribusi-binomial-poisson-distribusi-
normal?from_action=save
file:///C:/Users/ACER/AppData/Local/Temp/pertemuan10distribusibinomialpoissondistri
businormaledit-161213145538.pdf
http://blog.ub.ac.id/rakamahendras/2012/04/05/ditribusi-binomial-distribusi-normal/
https://www.academia.edu/6769745/MAKALAH_DISTRIBUSI_BINOMIAL
https://www.akseleran.co.id/blog/distribusi-normal/
https://www.google.com/search?client=firefox-b
d&q=distribusi+binomial+dan+aplikasinya
https://kumparan.com/berita-bisnis/contoh-soal-distribusi-normal-dan-pembahasannya-
1vnyl8wPlhZ/full

12