MAKALAH FISIKA STATISTIK

“PROJEK AKHIR FISIKA STATISTIK”

Oleh
Retno Ika Ningtiyas

NIM: 1905111182

DOSEN PENGAMPU:

Dr. Muhammad Nasir, S.Si.M.kom

PROGRAM STUDI PENDIDIKAN FISIKA

FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN

UNIVERSITAS RIAU

2021
A. DISTRIBUSI STATISTIK BINOMIAL
1. Pengertian Distribusi Statistik Binomial
Distribusi binomial adalah suatu ditribusi yang terdiri dari dua kelas (dua
peristiwa yang biasanya saling berkomplemen) (Coleman & Fuoss, 1955).
Distribusi binomial adalah distribusi yang menghasilkan kejadian sukses atau
gagal. Ditribusi binomial tidak sanggup mengatasi permasalahan permasalahan
yang sulit (kejadian yang banyak). Binomial digunakan dalam kasus variabel acak
(random). Artinya, kelompok sampel yang digunakan harus mandiri dan tidak
terpengaruh hal-hal lain. Jadi jika dalam suatu populasi dengan jumlah n terdapat
1 kelas yang berkategori x maka kelas yang lain adalah yang berkategori n-x.
Probabilitas untuk memperoleh nilai dirumuskan :
𝒏
𝑷𝑿 = ( ) 𝑷𝑿𝑸𝒏−𝒙
𝒙
Keterangan :
P : Proporsi kasus yang diharapkan dalam salah satu kategori dan kategori
lainnya adalah Q dimana Q = 1 – P
n : Jumlah anggota populasi
( 𝑛 ) : kombinasi x dala n, maka = 𝒏!
𝑥 𝒙!(𝒏−𝒙 )!
n! : n faktorial yang nilainya = n (n-1) (n-2)...
Uji ini digunakan untuk menguji hipotesis bila dalam populasi terdiri
atas dua kelompok kelas, datanya berbentuk nominal dan jumlah sampelnya
kecil.
2. Aplikasi Distribusi Statistik Binomial
Distirbusi ini sering kali digunakan untuk memodelkan jumlah keberahsilan pada
jumlah sampel n dari jumlah populasi N. Apabila sampel tidak saling bebas (tak
ini pengambilan sampel tanpa pengembalian), distribusi yang dihasilkan adalah
distribusi hipergeometrik, bukan binomial. Semakin besar N dari pada n, distribusi
binomial meruapakan pendekatan yang baik dan banyak digunakan. Dari
pembuktian dengan menggunakan simulasi, dapat dibuktikan bahwa semakin
besar ukuran sampel maka hasilnya akan mendekati distribusi normal.
3. Contoh Kasus Distribusi Statistik Binomial
Menemukan nilai peluang jika p ≤ 0,50
Misalkan kamu adalah seorang manajer dan mendapat laporan bahwa rata-rata
produk yang rusak setiap tahun adalah 10 %. Jika kamu akan mengambil 5 sampel
produk, berapa kemungkinan 1 produk yang kau pilih tersebut rusak ?
Jawab :
x=1
n=5
p=1
10 = 0,1
q = 1 – 0,1 = 0,9
 P (x) = 𝑛 !
( 𝑛−𝑥 )!𝑥! 𝑃𝑥𝑞𝑛−𝑥
P (3) = 5!
0,11 𝑥 0,95−1
( 5−1 )!5!

P (3) = 120 0,066

24
P(3) = 0,3280
P(3) = 0,33

4. Contoh Persoalan Distribusi Statistik Binomial

a. Berapa peluang melempar total 6 poin atau kurang dengan 3
dadu? Jawab:
Pelemparan 3 dadu, maka :
n(s) = 6x6x6 = 216
Peluang total 6 poin atau kurang ≤ 6:
(1,1,1)(1,2,1)(1,3,1)(1,4,1)
(1,1,2)(1,2,2)(1,3,2)
(1,1,3)(1,2,3)
(1,1,4)
(2,1,1)(2,2,1)(2,3,1)
(2,1,2)(2,2,2)
(2,1,3)
(3,1,1)(3,2,1)
(3,1,2)
(4,1,1)
Totalnya adalah 20 peluang = n(A) = 20
𝑛(𝐴)
P(A)
20 = = = 0,0926
𝑛(𝑠) 216
= 0,0926 x 100% = 9,26%
b. Pertimbangkan permainan dimana 6 dadu benar dilempar, tentukan
peluang diperbolehkannya tepat satu kartu as
Jawab :
Peluang untuk mendapatkan 1 as = 1 = P
6
Peluang untuk tidak mendapatkan 1 as = 6 = 1
6
Q=5
6

𝑊𝑁 (n1) = 𝑛!
𝑛1!.𝑛2! 𝑃𝑛1 𝑞𝑛2
6! 1 1 5 5
= ( ) ( )
1!.5! 6 6
 3125
= 7776
W6 (1) = 0,4102
c. Pertimbangkan permainan dimana 6 dadu benar di lempar, tentukan
peluang diperbolehkannya setidaknya satu kartu as !
Jawab :
Probabilitas/peluang mendapatkan sekurang-kurangnya satu as adalah satu
diukur probabilitas untuk tidak mendapatkan satupun, atau
5
P = 1 – ( )6
6
= 1 – 0,334
P= 0,665

B. DISTRIBUSI STATISTIK GAUSS

1. Pengertian Distribusi Statistik Gauss

Distribusi normal merupakan distribusi kontinu yang sangat penting dalam

statistik dan banyak dipakai dalam memecahkan persoalan. Distribusi normal
disebut juga distribusi Gauss. Distribusi normal berasal dari distribusi dengan
peubah acak kontinu. Persamaan distribusi gauss adalah sebagai berikut:
− 1 𝑥− 𝜇 2
1 2( 𝜎 )
𝑓(𝑥) = 𝑒
𝜎 √2𝜋
dimana 𝜋 = 𝑘𝑜𝑛𝑠𝑡𝑎𝑛𝑡𝑎 𝑦𝑎𝑛𝑔 𝑛𝑖𝑙𝑎𝑖𝑛𝑦𝑎 𝑠𝑎𝑚𝑎 𝑑𝑒𝑛𝑔𝑎𝑛 3,1416
𝑒 = 𝑘𝑜𝑛𝑠𝑡𝑎𝑛𝑡𝑎 𝑦𝑎𝑛𝑔 𝑛𝑖𝑙𝑎𝑖𝑛𝑦𝑎 𝑠𝑎𝑚𝑎 𝑑𝑒𝑛𝑔𝑎𝑛 2,7183
𝜇 = 𝑝𝑎𝑟𝑎𝑚𝑒𝑡𝑒𝑟 𝑦𝑎𝑖𝑡𝑢 𝑛𝑖𝑙𝑎𝑖 𝑟𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎 𝑑𝑎𝑟𝑖 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑠𝑖 𝑝𝑜𝑝𝑢𝑙𝑎𝑠𝑖
𝜎 = 𝑝𝑎𝑟𝑎𝑚𝑒𝑡𝑒𝑟 𝑦𝑎𝑛𝑔 𝑚𝑒𝑟𝑢𝑝𝑎𝑘𝑎𝑛 𝑠𝑖𝑚𝑝𝑎𝑛𝑔𝑎𝑛 𝑏𝑎𝑘𝑢 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑠𝑖 𝑝𝑜𝑝𝑢𝑙𝑎𝑠𝑖
𝑥 = 𝑝𝑒𝑢𝑏𝑎ℎ 𝑘𝑜𝑛𝑡𝑖𝑛𝑢 𝑦𝑎𝑛𝑔 𝑑𝑎𝑒𝑟𝑎ℎ (𝑗𝑎𝑛𝑔𝑘𝑎𝑢𝑎𝑛) 𝑛𝑖𝑙𝑎𝑖𝑛𝑦𝑎 − ∞ < 𝑥 < ∞
Sifat distribusi normal:
a. Grafiknya selalu teletak diatas sumbu x selalu terletak diatas sumbu x
b. Bentuk grafiknya simetris terhadap 𝑥 = 𝜋
c. Mean, median dan modus sama untuk sebuah kurva normal yaitu tercapai
0,3989
pada 𝜇 = 𝜎
d. Grafiknya asymtotis teradap sumbu x
 e. Luas daerah grafik sama dengan satu satuan persegi
2. Aplikasi Distribusi Statistik Gauss (Normal)
Dalam mengolah hasil penelitian pendidikan dari sampel yang sedang diteliti.
Kadangkala kita diharuskan untuk memperhitungkan jumlah ataupun presentase
anggota sampel yang dilakukan. Perlakuan tertentu sesuai dengan tujuan dan arah
penelitian. Dalam hal ini dapat kita hitung dengan berapa cara diantaranya adalah
dengan menggunakan bantuan distribusi gauss.
3. Contoh Kasus Distribusi Statistik Gauss
a. Suatu sekolah melakukan tes IQ terhadap seluruh siswa kelas X untuk
menentukan jurusan yang tepat bagi siswanya. Hasil tes menunjukkan bahwa
IQ dari 200 siswa berdistribusi normal. Dengan rata-rata 116 dan simpangan
baku 10. Bila jurusan IPA ditentukan dengan nilai IQ minimal 110. Berapa
banyaknya siswa yang akan ditolak untuk masuk kejurusan IPA berdaasarkan
IQ yang ditentukan sekolah?
Jawab :
Diketahui :
X = 110
µ = 116
𝜎 = 10
Ditanya :
Banyaknya siswa yang akan masuk kejurusan IPA berdasarkan IQ?
Penyelesaian:
𝑥−𝜇
Z= 𝜎
110−116
Z= 10
Z = -0,6
P(Z<0,6) = 0,07743
Jadi, jumlah siswa ditolak masuk jurusan IPA dari 200 siswa adalah
0,07743 x 200 = 15,486 = 15 siswa
b. Dilakukan suatu evaluasi THD pengobatan TB menggunakan rifampicin
dengan rata-rata kesimpulan 200 hari dan standar deviasinya sebesar 10,
berapakah probabilitas kesembuhan antara 190 dan 210 ?
Jawab :
Diketahui :
X = 210
µ = 200
𝜎 = 10
Ditanya : Berapakah probabilitas kesembuhan antara 190 dan 210 ?
Penyelesaian :
𝑥−𝜇
Z= 𝜎
210−200
Z= 10
Z=1
Z = 0,3413
 Jadi, probabilitas kesembuhan 190 dan 210 adalah
0,3413 + 0,3413 = 0,6826
0,6826 x 100 = 68,26 %
c. Harga saham SM mempunyai nilai tengah yaitu 490,7 dan standar
deviasinya 144,7. Berapakah nilai Z untuk harga saham 600?
Jawab :
Diketahui :
X = 600
µ = 490,7
𝜎 = 144,7
Maka nilai Z nya adalah :
𝑥−𝜇
Z= 𝜎
600−490,7
Z = 144,7
Z = 0,76

C. DISTRIBUSI STATISTIK POISSON

1. Pengertian Distribusi Statistik Poisson
Distribusi Poisson adalah percobaan yang menghasilkan nilai numerik pada
suatu variabel acak x, jumlah keluaran yang terjadi selama suatu selang waktu
yang diketahui atau didalam suatu daerah atau ruang yang ditentukan disebut
sebagai percobaan Poisson, sehingga sebuah percobaan Poisson dapat munculkan
pengamatan untuk perubahan acak x (Manurung et al., 2013). 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.
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 :
.µ
P (x ; µ) = 𝒆−µ 𝒙
𝑿!
Dimana : e = 2,71828
µ = rata-rata keberhasilan = n.p
x = banyaknya unsur berhasil dalam sampel
n= jumlah/ukuran populasi
p= probabilitas kelas sukses.
2. Aplikasi Distribusi Statistik Poisson
Distribusi poisson sering digunakan untuk menentukan peluang sebuah peristiwa
yang dalam area kesempatan tertentu diharapkan terjadinya sangat jarang, variable
acak distrik dikatan mempunyai distribusi poisson jika fungsi peluangnya
berbentuk:
P( x = 10 ) = 𝑒−λ
𝑥!
X = 0,1,2,3,….
Λ = lamda
Poisson ini mempunyai parameter yaitu:
𝜇 =λ
𝜎 = √λ

3. Contoh Kasus Distribusi Poisson

Menurut pimpinan suatu perusahaan asuransi, 1 di antara 100 orang mengikuti
program asuransi beasiswa. Jika terdapat 500 orang yg ikut asuransi, berapa
probabilita bahwa peserta program asuransi beasiswa ada :
a. 5 orang
b. Kurang dari 3 orang
c. Lebih dari 2 orang

Penyelesaian:

Dik :

 n= 500
 p= 0,01
 µ=nxp
µ = 500 x 0,01
µ=5

Dit :

a) P ? pada x = 5
b) P ? pada x<3
c) P? Pada x>2

Jawaban :

a) P ? pada x = 5
.µ
P (x ; µ) = 𝒆−µ 𝒙
𝑿!
2,71828 −5 .55
P (5 ; 5) = 5!
21,0561551894375
P (5 ; 5) = 120
P (5;5) = 0,1754 atau 17,54 %
 b) P ? pada x<3
∑P = P (x=0) + P(x=1) + P (x=2) + P (x=3)

P(x=0) P(x=1)
−𝜇 𝑥 −𝜇 𝑥
𝑃 (𝑥, 𝜇 ) = 𝑒 . 𝜇 𝑃(𝑥, 𝜇 ) = 𝑒 . 𝜇
𝑥! 𝑥!
2,718282−5 . 50 2,718282−5 . 51
𝑃(0,5) = 𝑃 (1,5) =
0! 1!
0,00673796966062 . 1 0,00673796966062 . 5
𝑃(0,5) = 𝑃 (1,5) =
1 1

𝑃(0,5) = 0,00673796966062 𝑃(1,5) =0,0336898483031

P(x=2) P(x=3)
−𝜇 𝑥 −𝜇 𝑥
𝑃(𝑥, 𝜇) = 𝑒 . 𝜇 𝑃(𝑥, 𝜇) = 𝑒 . 𝜇
𝑥! 𝑥!
2,718282−5 . 52
𝑃(2,5) = 2,718282−5 . 53
2! 𝑃 (3,5) =
0,00673796966062 . 25 3!
𝑃(2,5) =
2×1
0,1684492415155 0,00673796966062 . 125
𝑃 (2,5) = 𝑃 (3,5) =
2 3×2×1
𝑃 (2,5) =0,08422462075775 0,8422462075775
𝑃 3,5) =
(
6
𝑃 (3,5) =0,1403743679295833

∑𝑃 = 𝑃( 𝑥 = 0) + 𝑃(𝑥 = 1) + 𝑃(𝑥 = 2) + 𝑃(𝑥 = 3)

∑𝑃 = 0,00673 + 0,03368 + 0,08422 + 0,14037

∑𝑷 = 0,265

c) P ? Pada x>2
∑𝑃 = 𝑃( 𝑥 = 2) + 𝑃(𝑥 = 3) + 𝑃(𝑥 = 4) + 𝑃(𝑥 = 5)

P(x=2) P(x=3)
𝑃(𝑥, 𝜇 ) = 𝑒−𝜇 . 𝜇𝑥 −𝜇
𝑃(𝑥, 𝜇 ) = 𝑒 . 𝜇
𝑥

𝑥! 𝑥!
2,718282−5 . 52 2,718282−5 . 53
𝑃 (2,5) = 𝑃(3,5) =
2! 3!
0,00673796966062 . 25
𝑃 (2,5) = 0,00673796966062 . 125
2×1 𝑃 (3,5) =
3×2×1
0,1684492415155
𝑃 (2,5) = 0,8422462075775
2 𝑃(3,5) =
6
𝑃(2,5) =0,08422462075775
𝑃(3,5) =0,1403743679295833
P(x=4) P(x=5)
𝑃(𝑥, 𝜇) = 𝑒−𝜇 . 𝜇𝑥 −𝜇
𝑃(𝑥, 𝜇) = 𝑒 . 𝜇
𝑥

𝑥! 𝑥!
2,718282−5 . 54 2,718282−5 . 55
𝑃(4,5) = 𝑃 (5,5) =
4! 5!
0,00673796966062 .625 0,00673796966062 .3.125
𝑃(4,5) = 𝑃(5,5) =
4×3×2×1 5×4×3×2×1
4,2112310378875 21,0561551894375
𝑃 (4,5) = 𝑃(5,5) =
24 120

𝑃(4,5) =0,1754679599119792 𝑃(5,5) =0,1754679599119792

∑𝑃 = 𝑃( 𝑥 = 2) + 𝑃(𝑥 = 3) + 𝑃(𝑥 = 4) + 𝑃(𝑥 = 5)

∑𝑃 =0,08422 + 0,14037 + 0,17546 + 0,17546

∑𝑷 = 0,57551

4. Contoh Persoalan Distribusi Poisson

a. 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? Jawab :
Dik:
n = 200
P = 0,01
X=3
µ=nxp
= 200 x 0,01 = 2
𝑒 .𝜇
P (x ; µ) = −µ. 𝑥
𝑥!
.2
P (3;2) = 2,71828
−2. 3 = 0,1804 atau 18,04 %
3!
b. Jika rata – rata kedatangan λ = 72 setiap jam, berapakah peluang dari x =
4 kedatangan dan t = 3 menit.Gunakan proses poisson.!
Jawaban:
Dik : λ = 72 kedatangan setiap jam atau 72 / jam maka 1 jam atau 60 menit

adalah unit waktunya. Berarti 3 menit adalah 3 = 1 unit waktu maka t =

60
20
1
dan x = 4
20
𝑒 − λ.t .( λ.t)x
P(x)= 𝑋!
2,71828− 72.( 1 ) 1
.( 72. )4
P(x)= 20
20
4!
= 0.191 atau 19.1 %
 c. Sebuah toko elektronik mencatat bahwa rata-rata penjualan lampu LED
sebanyak 4 buah setiap hari. Berapakah peluang pada esok hari akan terjual
lampu LED sebanyak 5 lampu ?
Jawab:
Dik : λ = 4, sehingga
P (X=5)
𝑒 .𝜇
P (X=x) = −µ. 𝑥
𝑥!
.4
P (x=5) = 2,71828−4. 5 = 0,1563 = 15,63 %
3!

D. DISTRIBUSI STATISTIK MAXWELL-BOLTZMAN

1. Pengertian Distribusi Statistik Maxwell-Boltzman
Distribusi Maxwell Boltzmann dapat diperoleh menggunakan
mekanikastatistik. Hubungannya untuk banyak kemungkinan distribusi energi,
dalammenguasai sistem kolisional terdiri atas jumlah besar non interaksi partikel.
Sejak interaksi antara molekul dalam gas secara umum cukup kecil,
distribusiMaxwell Boltzmann menyediakan sangat bagus aproksimasi kondisi
dalam gas. Distribusi probabilitas ini disebut sesudah James
Statistik Maxwell Boltzmann sering digambarkan sebagai statistik bagi
partikel klasik yang terbedakan. Sistem partikel klasik terbedakan merupakan
sistem partikel yang konfigurasinya berbeda ketika dua atau lebih partikel
dipertukarkan. Dengan kata lain konfigurasi partikel A di dalam keadaan 1 dan
partikel B di dalam keadaan 2 berbeda dengan konfigurasi ketika partikel B
berada dalam keadaan 1 sedangkan partikel A dalam keadaan 2. Dalam fisika,
khususnya mekanika statistik , distribusi Maxwell Boltzman yang
menggambarkan kecepatan partikel dalam gas, dimana partikel bergerak bebas
antara tumbukan kecil , tetapi tidak berinteraksi satu sama lain, sebagai fungsi
suhu dari sistem, massa partikel, dan kecepatan partikel.
Diatribusi Maxwell-Boltzman (untuk energi) sebagian besar dapat langsung
diturunkan dari distribusi Boltzman untuk energi.
𝑁𝑖 𝐸𝑖
𝑔𝑖 exp(− )
= 𝑘𝑇
𝐸𝑗
𝑁 ∑𝑗 𝑔𝑗 exp(−
𝑘𝑇
2. Aplikasi Distribusi Statistik Maxwell-Boltzman
Biasanya distribusi Maxwell mengacu pada kecepatan molekul, tetapi juga
berlaku untuk distribusi momentum dan energy dari molekul. Untuk jumlah vector
3 dimensi, komponennya diperlukan independen dan terdistribusi normal dengan
rata-rata sama dengan 0 dan standar deviasi dari a. jika 𝑋𝑖 didistribusikan sebagai
X ~ N(0, 𝑎 2), maka :
𝑍 = √𝑋21 + 𝑋22 + 𝑋32
Disebuat sebagai Distribusi Maxwell-Boltzmann dengan parameter a. Terlepas
dari skala parameter a, distribusi identic dengan distribusi chi yang memiliki 3
derajat kebebasan.
 a. Atom Magnetik Dalam Medan Magnet

Gambar diatas adalah dalam medanmagnet, momen magnetic atom hanya

dapat mengambil salah satu dari dua arah orientasi: searah atau berlawanan
arah medan magnet. Momen magnetic total yang dihasilkan oleh kumpulan-
atom-atom tersebut mulai dengan menghitung energy yang dimiliki masing-
masing atom akibat interaksi momen magnetic dengan magnet luar. Interaksi
antar momen magnetic μ dengan medan magnet luar B memberikan tambahan
energy pada atom sebesar

U = - 𝜇⃗ • 𝐵⃗

= -𝜇𝐵 cos 𝜃

Dengan θ adalah sudut antara momen magnetic dan medan magnet. Karena
hanya ada dua arah orientasi momen magnetic yang dijinkan yaitu searah
medan magnet (θ = 0) dan berlawanan dengan arah medan magnet ( = π ),
maka tembahan energy atom dengan momen magnetic searah medan magnet
adalah

𝑈↑ = - 𝜇𝐵

Dan tambahan energy atom dengan momen magnetic berlawanan arah medan
magnet adalah :

𝑈↓ = - 𝜇𝐵

3. Contoh Kasus Distribusi Statistik Maxwell-Boltzman

a. Sebuah Sistem essambly mempunyai energi tingkat j terdiri dari 3 keadaan (gj
= 3) dan 2 partikel (Nj=2).
1) Hitunglah kemungkinan distribusi jika system tersebut memenuhi kaedah
statistik Maxwell-Boltzman
2) Gambarkanlah Kemungkinan distribusi dari partikel diantara keadaan
tersebut (1).
Jawab:
1) Wi =𝑔𝑗𝑁𝑗
Wi = 32
Wi = 9
2)
Ab
ab ab
 A b
a b
B a
b a
B a
A b
A b

b. Tinjau suatu gas atom hidrogen pada suhu ruang. Berapakah populasi
relatif keadaan eksitasi pertamanya pada E = 10,2 eV? Berapa banyakkah
Hidrogen yang diperlukan agar diperoleh suatu nilai probabilitas yang pantas
untuk menemukan satu atom Hidrogen berada pada keadaan eksitasi
pertamanya? Jawab :
Dari kajian kita mengenai atom Hidrogen kita ketahui bahwa degenerasi
tingkat energinya adalah 2𝑛2. Jadi untuk keadaan dasar (n = 1), nilai g = 2,
dan untuk keadaan eksitasi pertama (n= 2) nilai g = 8. Karena tetapan A sama
nilainya bagi kedua keadaan ini, maka:
−(𝐸1− 𝐸
𝑃(𝐸1) 𝑔(𝐸1) 2)
= 𝑒 𝑘𝑇
𝑃(𝐸2) 𝑔(𝐸2)

Pada suhu ruang (T = 293 K), kT = 0,00252 eV ; Jadi :

𝑃(𝐸1) −10,2 𝑒𝑉
8
𝑃(𝐸2) = 2 𝑒 0,00252 𝑒𝑉
−405
=4𝑒
= 0,6 𝑥 10−175
Dengan demikian, untuk memperoleh satu atom Hidrogen pada
keadaanekstasi pertama, kita memerlukan 1,7 x 10 −175
buah atom, atau
sekitar 3 x 10 148
kg, suatu jumlah massa yang lebih besar dari pada massa
alam semesta.
c. Pada suhu berapakah kita perkirakan dapat menemukan 10,0 persen atom
gas Hidrogen berada pada keadaan eksitasinya?
Jawab:
Sekarang kita persyaratkan 𝑃(𝐸1)
𝑃(𝐸2)
=
0,100 dan kemudian mencari
900
pemecahannya bagi
T 0,111 = 4 𝑒−10,2
𝑒𝑉/𝑘𝑇 kT = 2,85 eV
T = 3,30 x 104 K

E. DISTRIBUSI STATISTIK BOSE-EINSTEIN

1. Pengertian Distribusi Statistik Bose-Einstein
Statistik dikembangkan oleh Bose dan Einstein, yang untuk singkatannya
sering disebut sebagai B-E statistik. Dalam statistik B-E salah satu dari dua cara
yang memungkinkan dimana sekumpulan partikel yang sepadan dan tak saling
 berinteraksi dapat menduduki sebuah set dari keadaan energy diskret yang
tersedia, di ekuilibrium termodinamika. Teori perilaku tersebut dikembangkan
pada 1924–25 oleh Satyendra Nath Bose, yang mengakui bahwa sekumpulan
partikel sepadan dan identik tersebar dengan cara ini. Gagasan tersebut kemudian
diadopsi dan diperluas oleh Albert Einstein dalam kolaborasi dengan Bose
(Mikrajuddin, 2019)

Berlawanan dengan Statistik Fermi-Dirac , statistik Bose-Einstein hanya

berlaku untuk partikel yang tidak terbatas pada okupansi tunggal dalam keadaan
yang sama yaitu, partikel yang tidak mematuhi batasan yang dikenal
sebagai prinsip pengecualian Pauli . Partikel tersebut memiliki nilai
integer spin dan diberi nama bosons , setelah statistik yang menggambarkan
perilaku mereka dengan benar.

Statistik Bose-Einstein menentukan distribusi statistik bagi boson untuk

berbagai ketingkatan energi didalam kesetimbangan termal. Boson sendiri adalah
zarah berspin bulat, sehingga tidak mematuhi asas larangan pauli, sejumlah zat
zarah boson dapat menempati keadaan yang sama pada saat yang sama pula.
Contohnya adalah helium cair dalam zat padat, foton dalam rongga, dan foton
dalam zat padat.

Distribusi Bose-Einstein merupakan distribusi yang berkaitan pada

mekanika kuantum. Pada Distribusi Bose-Einstein, partikel tidak dapat dibedakan
(indistinguishable), namun tidak terikat oleh prinsip larangan Pauli. Artinya,
partikel pada distribusi ini (boson) dapat menempati tingkat energi manapun, atau
semua tingkat energi dapat ditempati oleh partikel yang jumlahnya lebih dari satu.
Namun, syaratnya adalah bahwa semua partikel harus menempati salah satu dari
tingkat energi yang ada, tidak boleh ada partikel yang tidak menempati tingkat
energi.

Jika suatu sistem hanya terdiri dari jumlah partikel yang relatif kecil, nilai
rata-rata bilangan okupasi tingkat energi dapat dihitung tanpa banyak kesulitan,
bila jumlah total partikel dan energi total adalah tetap. Bila jumlahnya sangat
besar, seperti dalam model statistik sistem makroskopik, perhitungan langsung
tidak mungkin dilakukan.

2. Aplikasi Distribusi Bose-Einstein

a. Kapasitas Zat Padat
Zat padat adalah sistem dari sejumlah besar atom atau molekul yang
posisinya masing-masing dalam keadaan setimbang karena gaya-gaya kohesi
yang kuat hasil dari interaksi listrik. Gerakan yang ada adalah gerak individu
dalam bentuk vibrasi kecil di sekitar kedudukan setimbangnya. Karena gaya
kohesi yang kuat, vibrasi satu atom berdampak terhadap atom tetangganya.
Oleh sebab itu vibrasi berlangsung secara kolektif. Vibrasi kolektif itu
membentuk gelombang berdiri dalam zat padat, frekuensinya membentuk
 spektrum diskrit dengan spasi yang sangat kecil sehingga dapat dipandang
kontinu. Karena vibrasi kolektif itu berkaitan dengan sifat elastik bahan, maka
gelombangnya menjalar dengan kecepatan bunyi. Gelombang demikian
dinyatakan sebagai partikel yang disebut foton. Dua bentuk penjalaran
gelombang elastik dalam zat padat adalah longitudinal dan transversal.
Misalkan kecepatan masing-masing v1 dan vt, misalkan pula g(v) dv
sebagai jumlah modus-modus berbagai vibrasi dalam daerah frekuansi antara
v dan v + dv.
 Sehingga untuk gelombang transversal berlaku :
8𝜋𝑉
gt(v) dv = v2 dv
𝑣𝑡3
 Untuk gelombang longitudinal berlaku :
4𝜋𝑉
gt(v) dv = v2 dv
𝑣𝑙3
 Jumlah keseluruhan modus dalam daerah frekuensi antara v
dan v+dv adalah :1 2
g(v) dv = 4𝜋𝑉( + ) v2 dv
𝑣𝑡3 𝑣𝑡3
 Jika N adalah jumlah atom dalam zat padat, maka modus
vibrasi harus digambarkan dalam 3N buah posisi koordinat
atom. Jadi, jumlah modus1 vibrasi adalah 3N, sehingga
3N = 𝑉 𝑔(𝑣)dv = 4𝜋𝑉( + 2 ) 𝑉 (𝑣)2 dv
∫0 𝑣3 𝑣3
∫0
𝑡 𝑡
di mana v0 disebut frekuensi cut-off. Selanjutnya persamaan
jumlah keseluruhan modus dalam daerah frekuensi antara v dan
v+dv dapat dituliskan seperti:
g(v) dv = 9𝑁 v2 dv
𝑣03

Dalam pembahasan radiasi benda hitam modus-modus vibrasi

elektromagnet telah dipandang sebagai gas foton. Di sini juga, modus-
modus vibrasi elastik dalam zat padat dapat dipandang sebagai gas
fonon. Energi sebuah fonon adalag hv di mana v adalah frekuensi
vibrasi elastik. Karena semua fonon identik, dan karena jumlahnya
dengan energi sama tidak terbatas, maka dalam keadaan setimbang
suhu fonon memenuhi statistik Bose-Einstein. Jadi jumlah fonon
berenergi hv dalam daerah frekuensi antara v dan v+dv dalam
kesetimbangan suhu pada T adalah:
dn = g(v) dv / ehv/kT – 1

 Total energi vibrasi dalam daerah vibrasi itu adalah :

dU = hvdn = 𝑣3𝑑𝑣
19𝑁ℎ
ℎ𝑣
𝑣03 𝑒.𝑘𝑇 −1

 Sehingga total energi vibrasi modus adalah :

3
9𝑁ℎ 𝑣 𝑣 𝑑𝑣
∫0 U=
𝑣3 ℎ𝑣
0 𝑒.𝑘𝑇 −1
  Selanjutnya dapat ditentukan kapasitor kalor zat padat pada
volume tetap adalah :
1 𝜕𝑈 𝑣0 𝑣 4 𝑒 ℎ𝑣/𝑘𝑇
C =𝑎ℎ2( )
9𝑁 = dv
.
v v 𝑣 3 𝑘𝑇 2 𝑒.ℎ𝑣/𝑘𝑇 −1
𝑁 𝜕𝑇 ∫00
 Dimana N menyatakan jumlah mole dan n=N/NA, NA adalah
bilangan Avogadro. Dengan menyatakan OD=hvo/kB sebagai
suhu Debey, kNA=R, dan x=hv/kBT maka :
Cv = 9R( 𝑇 𝑂𝑑 𝑥 4𝑒 𝑥
)3∫ 𝑇 .
𝑂𝐷 0 𝑒 𝑥.−1

b. Radiasi Benda
Hitam
Radiasi elektromagnetik yang berada dalam suatu ruang tertutup
bertemperatur tetap dapat dipertimbangkan sebagai suatu sistem foton-foton
dengan berbagai nilai energi. Dan karena foton-foton memiliki momentum
angular integral dalam satuan h/2p maka mereka akan secara alami
berkelakuan sebagai boson dan dapat diasumsikan bahwa suatu gas foton akan
memiliki distribusi energi yang diberikan oleh statistik BoseEinstein. Akan
tetapi, terdapat dua hal yang harus diperhatikan.
Pertama, foton dapat diserap dan dipancarkan kembali oleh dinding
lingkungan tertutup yang bertemperatur tetap, dengan demikian jumlah foton
dalam lingkungan tersebut tidaklah tetap. Dengan demikian kondisi
∑𝑠 𝑛𝑠 = N atau ∑𝑠 𝑑𝑛𝑠= 0 dalam
𝑑 ln 𝑊 + 𝛼 ∑𝑠 𝑑𝑛𝑠 + β ∑𝑠 ∈𝑠 dns = 0 (1)
tidak dapat terpenuhi.
Agar Persamaan 1) masih dapat berlaku maka perlu dipilih bahwa α=0
sehingga A=1. Kedua, energi foton berbentuk hν, di mana ν adalah frekuensi
radiasi. Oleh karena itu lebih memudahkan apabila distribusi energi
diungkapkan dalam frekuensi atau panjang gelombang foton. Dengan
menggunakan rumusan panjang gelombang de Broglie:
 = ℎ → p = ℎ =ℎ −1 = dp = - ℎ d 
2
 

𝑝  
Dengan menggunakan elemen ruang fasa enam dimensi
ℎ ℎ 3
dT = 4𝜋𝑉𝑃 2 dp = 44𝜋𝑉 ( )2 (−ℎ 𝑑 ) = -4 𝜋𝑉 d
2 4
 

  
Jumlah Keadaan energi dalam rentang λ sampai λ +d λ tiap volume: (dengan
mengambil nilai positif) :
g (d ) d  = = 4𝜋 d
𝑑𝑇
3
ℎ3
Selanjutnya karena setiap foton memiliki kemungkinan polarisasi pada dua
arah maka jumlah keadaan energi yang diperbolehkan atau mode, dalam
rentang antara λ dan λ + dλ, untuk setiap satuan volume adalah
g ()d  =2 8𝜋 d = 8𝜋 d (2)
4 4
Melalui distribusi Bose Einstein, dimana energinya hν=(hc)/λ dan Persamaan
sebelumnya A sama dengan 1. diperoleh:
𝑔𝑠 𝑔𝑠 (3)
𝑛𝑠 = ℎ𝑣/𝑘𝑇 = ℎ𝑐/𝑘𝑇
𝑒 −1 𝑒 −1
Jumlah foton dalam rentang panjang gelombang antara λ dan λ+dλ adalah :
n () d = 8𝜋 d 1
 (4)
4 𝑒 ℎ𝑐/𝑘𝑇 −1
Dimana c adalah kecepatan cahaya. Distribusi spektral dari energi pada gas
foton dapat didefenisikan dalam bentuk E(λ), energi radiasi dalam rentang
panjang gelombang antara λ dan λ + dλ :
E ()d = n () hv
Karena energi setiap foton hν.
Dengan mensubsitusikan nilai n(λ) dλ dari Persamaan (4), diperoleh energi
radiasi dalam rentang panjang gelombang antara λ dan λ + dλ adalah :
8𝜋ℎ𝑐
E ()d = d (5)
5 𝑒 ℎ𝑐/𝑘𝑇 −1
Ekspresi dalam persamaan (5) dikenal sebagai Hukum Radiasi Planck untuk
distribusi spektral dari energi radiasi dalam suatu lingkungan tertutup
bertemperatur konstan.
3. Contoh Kasus Distribusi Bose-Einstein
a. Sebuah Sistem essambly mempunyai energi tingkat j terdiri dari 3 keadaan (gj
= 3) dan 2 partikel (Nj=2).
1) Hitunglah kemungkinan distribusi jika system tersebut memenuhi keadaan
statistik Bose-Einstein
2) Gambarkanlah kemungkinan distribusi dari partikel diantara keadaan
tersebut (1)
Jawab:
(𝑔𝑗+ 𝑁
𝑗−1) !
1) Wi= (𝑔𝑗−1) !𝑁!

(3+2−1)!
Wi = (3−1)!2!
=6
2) Misalkan gj dan Nj adalah aa
aa
Aa
aa
a A
A a
a a

b. Untuk 2 partikel dengan level energy dengan masing-masing degenerasi

adalah 1, tentukan konfigurasi fungsi partisi Z untuk statitik Bosa Einstein.
2𝜺
𝜺
0
Jawab:
2𝜀 * * **
𝜀 * ** *
0 ** * *
 Total 0 1𝜀 2𝜀 2𝜀 3𝜀 4𝜀
Energi
𝑍 = 𝑒−0/𝑘𝑇 + 𝑒−𝜀/𝑘𝑇 + 𝑒−2𝜀/𝑘𝑇 + 𝑒−3𝜀/𝑘𝑇 + 𝑒−4𝜀/𝑘𝑇
c. Sebuah Sistem essambly mempunyai energi tingkat j terdiri dari 4 keadaan (gj
= 4) dan 3 partikel (Nj=3).
Jawab :
(𝑔𝑗+ 𝑁
𝑗−1) !
1) Wi= (𝑔𝑗−1) !𝑁!

(4+3−1)!
Wi = (4−1)!3!
(6)!
Wi = (3)!3!
Wi = 20

F. DISTRIBUSI STATISTIK FERMI DIRAC

1. Pengertian Distribusi Statistik Fermi Dirac
Hukum Distribusi statistik Fermi-Dirac adalah bagian dari ilmu fisika yang
menggambarkan energi partikel tunggal dalam sistem yang terdiri dari banyak
partikel identik yang mematuhi prinsip pengecualian Pauli. Statistik ini dinamai
Enrico Fermi dan Paul Dirac, yang masing-masing ditemukan secara mandiri,
meskipun Enrico Fermi mendefinisikan statistik lebih awal dari Paul Dirac.
Statistik F-D pertama kali dipublikasikan pada tahun 1926 oleh Erico Fermi dan
Paul Dirac.
Statistik Fermi-Dirac adalah statistik untuk partikel yang mengikuti prinsip yang
mengikuti larangan Pauli. Partikel ini disebut fermion. Salah satu sifat yang
dimiliki fermion adalah terpenuhinya prinsip ekslusi Pauli. Tidak lebih dari satu
femion memiliki keadaan kuantum yang sama. Satu keadaan hanya boleh kosong
atau hanya ditempati oleh satu fermion. Konsekuensi dari prinsip ekslusi Pauli
adalah jumlah fermion harus lebih sedikit atau sama dengan jumlah keadaan. Ini
berbeda dengan sistem klasik atau boson, dimana tidak ada pembatasan jumlah
partikel yang menempati keadaan tertentu. Contohnya elektron, proton, dan
nutron.
2. Aplikasi Distribusi Statistik Fermi Dirac
a. Pengaplikasian Fermi Dirac Pada Suhu 0° K
Ada satu ciri yang menarik dari fungsi distribusi Fermi-Dirac ada pada suhu 0
K, fungsi distribusi Fermi-Dirac tiba-tiba dikontinu pada energy tertentu
(energy maksimum). Semua fermion terkumpul pada tingkat energy dibawah
energy maksimum tersebut dengan kerapatan yang persis sama. Tiap keadan
energy diisi oleh dua fermion dengan arah spin berlawanan. Di atas energy
batas tersbut tidak ditemukan satu fermion pun. Artinya di atas energy
tersebut, keadaan energy kosong. Sifat ini dapat ditunjukkan sebagai berikut :
1
𝑓(𝐸) =
𝑒−𝛼−𝛽𝐸 + 1

1
𝑓(𝐸) =
(𝐸 − 𝐸𝐹 )
exp[ ⁄ 𝑘𝑇] +
1
 b. Pengaplikasian Fermi-Dirac Pada Suhu T> 0° 𝐾
Jika T > 0 maka sudah mulai ada fermion yang memiliki energy di atas energy
Fermi. Sebagai konsekuensinya, jumlah fermion yang memilikki energy di
bawah energy Fermi mulai berkurang. Tetapi belum ada fermion yang
memiliki energi jauh diatas energy Fermi dan belum ada electron yang
memiliki energy jauh dibawah energy Fermi meninggalkan temoat semula.
Akibat terjadi distorsi fungsi Fermin-Dirac hanya di sekitar energy fermin
saja. Distorsi tersebaut hanya berada pada daerah yang ordenya sekitar kT di
sekitar energy fermin.
3. Contoh Kasus Distribusi Statistik Fermi-Dirac
a. Sebuah Sistem essambly mempunyai energi tingkat j terdiri dari 3
keadaan (gj= 3) dan 2 partikel (Nj=2)
1) Hitunglah kemungkinan distribusi jika system tersebut memenuhi
kaedah statistik Fermi-Dirac
2) Gambarkanlah kemungkinan distribusi dari partikel diantara keadaan
tersebut
Jawab :
𝑔𝑗 !
1) Wi =
(𝑔𝑗 −𝑁𝑗)!𝑁𝑗!
3!
Wi =
(3−2)!2!
Wi = 3
2) Misalkan gj dan Nj adalah (X,X)
X X
X X
X X
b. Hitunglah energi Fermin Ef dari logam
Natrium Jawab :
Nilai ini dapat ditentukan dari kerapatan atom natrium dan massa natrium.
𝑁𝐴
𝑁
= Jumlah atom per volume = 𝜌
𝑉 𝑀
6,02 𝑋 1023
= 0,971 x 23,0
= 2,54 𝑋 1022
= 2,54 𝑋 1028 𝑚 −3
ℎ
𝐸𝑓 = − 2 3𝑁
2𝑚 (8𝜋𝑉)2/3
(ℎ𝑐)2 3 𝑥 2,54 𝑥 1028
= 2𝑚𝑐 2 ( 8𝜋 )2/3
(1240 𝑒𝑉.𝑛𝑚)
= 2 (2,09 𝑥 1018 )(10−9 )2/3
2(0,511 𝑥 106)
= 3,15 𝑒𝑉
c. Sebuah Sistem essambly mempunyai energi tingkat j terdiri dari
34keadaan (gj= 4) dan 2 partikel (Nj=2)
Hitunglah kemungkinan distribusi jika system tersebut memenuhi kaedah
statistik Fermi-Dirac
Jawab:
𝑔𝑗 !
Wi =
(𝑔𝑗 −𝑁𝑗)!𝑁𝑗!
4!
Wi =
(4−2)!2!
Wi = 6
 DAFTAR PUSTAKA

Coleman, B. D., & Fuoss, R. M. (1955). Quaternization Kinetics. I. Some Pyridine

Derivatives in Tetramethylene Sulfone. Journal of the American Chemical Society,
77(21), 5472–5476. https://doi.org/10.1021/ja01626a006
Manurung, R., Ariswoyo, S., & Sembiring, P. (2013). Perbandingan Distribusi Binomial Dan
Distribusi Poisson Dengan Parameter Yang Berbeda. Saintia Matematika, 1(3), 299–
312.
Mikrajuddin, A. (2019). Fisika Statistik Untuk Mahasiswa.