I. TUJUAN PRAKTIKUM
Dari praktikum ini praktikan diharapkan :
1. Mahasiswa Memahami pengertian peubah diskrit.
2. Mahasiswa memahami dan mampu menguji proporsi suatu variabel
apakah nilainya berdistribusi Binomial.
3. Mahasiswa memahami dan mampu menguji data atau variabel apakah
nilainya berdistribusi Poisson.
IV-1
a. Distribusi Binomial
Suatu percobaan sering terdiri atas beberapa usaha, tiap usaha
dengan dua kemungkinan hasil yang dapat diberi nama sukses atau
gagal. Misalnya pada pengujian barang hasil produksi, dengan tiap
pengujian atau usaha dapat menunjukkan apakah suatu barang cact atau
tidak cacat. Kita dapat menentukan atau memilih salah satu hasil sebagai
sukses. Proses seperti ini disebut proses Bernoulli, tiap usahanya disebut
usaha Bernoulli.
Syarat percobaan Bernoulli :
1. Pada setiap trial (percobaan) hanya dimungkinkan terjadinya dua (2)
jenis outcome yaitu sukses atau gagal. (Sukses atau gagal sesuai
dengan definisi yang dikehendaki / sifat Dichotomi).
2. Probabilitas terjadinya sukses pada setiap trial adalah sama (sifat
Replacement).
3. Percobaan terdiri atas n trial (usaha) yang berulang, dimana n =
konstanta.
4. Tiap trial (usaha) bersifat independent (bebas dengan usaha lainnya).
IV-2
Mean μ = np
2
Variance σ = npq
3 𝑞−𝑝
Coefficient of Skewness σ =
𝑛𝑝𝑞
4 1−6𝑝𝑞
Coefficient of Kurtosis σ =3+
𝑛𝑝𝑞
b. Distribusi Poisson
Percobaan yang menghasilkan variabel acak X yang bernilai
numerik, yaitu banyaknya hasil selama selang waktu tertentu atau dalam
daerah tertentu, disebut Percobaan Poisson. Panjang selang waktu
tersebut boleh berapa saja, semenit, sehari, seminggu, sebulan, atau
malah setahun. Jadi percobaan Poisson dapat menghasilkan pengamatan
untuk variabel acak X yang menyatakan banyaknya hubungan telepon
per jam yang diterima suatu kantor, banyaknya hari sekolah ditutup
karena banjir, banyaknya pertandingan sepakbola yang terpaksa
diundurkan karena hujan selama musim hujan. Daerah yang dimaksud
dapat berupa sepotong garis, suatu luas daerah, suatu isi benda, ataupun
barangkali sepotong benda. Dalam hal seperti ini X mungkin
menyatakan banyaknya tikus sawah per hektar, banyaknya bakteri dalam
suatu kultur, ataupun banyaknya salah ketik per halaman.
IV-3
1. Banyaknya hasil yang terjadi dalam suatu selang waktu atau daerah
tertentu tidak terpengaruh oleh (bebas dari) apa yang terjadi pada
selang waktu atau daerah lain yang terpisah. Dalam hubungan ini
proses Poisson dikatakan tak punya ingatan.
2. Peluang terjadinya suatu hasil (tunggal) dalam selang waktu yang
amat pendek atau dalam daerah yang kecil sebanding dengan
panjang selang waktu atau besarnya daerah dan tidak tergantung
pada banyaknya hasil yang terjadi di luar selang waktu atau daerah
tersebut.
3. Peluang terjadinya lebih dari satu hasil dalam selang waktu yang
pendek atau daerah yang sempit tersebut dapat diabaikan.
IV-4
x = 0, 1, 2, …; e = 2,7138
Teorema :
2
𝜇 = 𝜆 dan σ = 𝜆
c. Distribusi Seragam
Di antara semua distribusi peubah diskrit, yang paling sederhana
adalah distribusi seragam. Dalam sebaran ini, setiap nilai peubah acak
mempunyai peluang terjadi yang sama.
IV-5
Bila ulangan yang bebas dan berulang-ulang dapat menghasilkan
keberhasilan dengan peluang p dan kegagalan dengan peluang q = 1 – p,
maka distribusi peluang bagi peubah acak x, yaitu banyaknya ulangan
sampai terjadinya k keberhasilan, diberikan menurut rumus :
* 𝑘 𝑥−𝑘
𝑏 (x; k; p) = (𝑥 − 1 𝑘 − 1 ) 𝑝 𝑞 , untuk x = k, k+1, k+2, …
e. Distribusi Geometri
Untuk k = 1, distribusi binomial negatif itu akan menghasilkan
distribusi peluang bagi banyaknya ulangan yang diperlukan sampai
munculnya sisi gambar. Kita mungkin saja ingin mengetahui peluang
bahwa sisi gambar muncul pada lemparan yang keempat. Dengan
*
demikian distribusi binomial negatif akan tereduksi menjadi 𝑏 (𝑥; 1, 𝑝)
𝑥−1
= 𝑝𝑞 , dengan x =1, 2, 3… . Karena suku-suku yang berurutan
membentuk suatu barisan geometrik, maka kasus khusus ini sering
disebut distribusi geometri.
f. Distribusi Hipergeometri
Secara umum, kita tertarik pada peluang terambilnya x keberhasilan dari
k benda yang diberi label “berhasil” dan n – x kegagalan dari N – k
benda yang diberi label “gagal”, bila suatu contoh berukuran n diambil
IV-6
dari sebuah populasi sehingga berukuran N. Percobaan demikian ini
dikenal sebagai percobaan hipergeometri.
Percobaan hipergeometri bercirikan dua sifat berikut :
a. Suatu contoh acak berukuran n diambil dari populasi yang berukuran
N.
b. k dari N benda di klasifikasikan sebagai berhasil dan N – k benda di
klasifikasikan sebagai gagal.
IV-7
3. Klik Analyze > Nonparametric Test > Binomial. Maka muncul
kotak dialog berikut. Masukkan Dosis_Vaksin ke bagian Test
Variable List.
* Test Proportion ketikkan nilai yang akan diuji dalam hal ini
ialah 0,50.
IV-8
4. Klik OK untuk memunculkan hasil output.
Analisis Output :
Untuk menentukan apakah kemunculan angka dan gambar pada uang
koin mempunyai peluang yang sama ,pertama – tama buat hipotesis
sebagai berikut :
H0 = Munculnya angka dan gambar pada pelemparan uang koin
mempunyai peluang yang sama.
H1 = Munculnya angka dan gambar pada pelemparan uang koin
mempunyai peluang yang mempunyai peluang yang tidak sama.
Dari hasil pengolahan data di atas pada kolom Sig. (2-tailed) terlihat
bahwa nilai probabilitas 0.076.Maka keputusan yang diambil adalah H0.
(0.076 > 0.05) Jadi : Munculnya angka dan gambar pada pelemparan
uang koin mempunyai peluang yang sama.
b. Distribusi Poisson
IV-9
Di sebuah toko swalayan X, peneliti ingin mengetahui probabilitas
banyaknya penjualan handsaanitizer dalam kurun waktu 8 jam
operasional kerja. Lakukanlah uji statistik untuk mengetahui apakah data
mengikuti distribusi Poisson atau tidak.
1. Buka Data baru, isi data seperti dibawah ini.
2. Klik Analyze > Nonparametric Tests > 1-Sample K-S. Maka akan
muncul kotak dialog seperti dibawah. Klik OK.
IV-10
Dari output tabel diatas dapat diperoleh informasi bahwa:
IV-11
Dari data output table diatas didapatkan informasi, yaitu:
1. Uji Hipotesis:
Ho: Banyaknya hand sanitizer yang terjual dalam kurun waktu 8 jam
oprerasional distribusi poisson
Ha: Banyaknya hand sanitizer yang terjual dalam kurun waktu 8 jam
oprerasional tidak mengikuti distribusi poisson
Jika probabilitas atau Asymp. Sig. (2-tailed) > 0,05 maka Ho
diterima.
Jika probabilitas atau Asymp. Sig. (2-tailed) < 0,05 maka Ho ditolak.
IV-12