MAKALAH

DISTRIBUSI PROBABILITAS
(BINOMIAL, POISSON dan NORMAL)

Disusun oleh Kelompok 5 :

1. Laska Aura Salsabillah ( 2126040160 )
2. Nikita Falery ( 2126040161 )
3. Yessi Rohinda ( 2126040175 )
4. Levia Yuniar Eferli ( 2126040177 )
5. Elsa Apriani ( 2126040178 )
6. Maryani ( 2126040179 )
7. Siska Septia ( 2126040183 )

Dosen Pengampu : Novirelensi, SKM. M. Epid

PROGRAM STUDI SARJANA TERAPAN KEBIDANAN

SEKOLAH TINGGI ILMU KESEHATAN
TRI MANDIRI SAKTI
BENGKULU
2021
 KATA PENGANTAR

Puji syukur kami panjatkan kehadirat Tuhan Yang Maha Esa karena dengan rahmat,
karunia, serta taufik dan hidayah-Nya kami dapat menyelesaikan makalah tentang Distribusi
Probabilitas Diskrit ini dengan baik meskipun banyak kekurangan didalamnya. Dan juga
kami berterima kasih pada Bapak Slamet Abadi M.Si. selaku Dosen mata kuliah Statistika,
UNSIKA yang telah memberikan tugas ini kepada kami.

Kami sangat berharap makalah ini dapat berguna dalam rangka menambah wawasan
serta pengetahuan kita mengenai Distribusi Probabilitas Diskrit Binomial dan Poisson. Kami
juga menyadari sepenuhnya bahwa di dalam makalah ini terdapat kekurangan dan jauh dari
kata sempurna. Oleh sebab itu, kami berharap adanya kritik, saran dan usulan demi perbaikan
makalah yang telah kami buat di masa yang akan datang, mengingat tidak ada sesuatu yang
sempurna tanpa saran yang membangun.

Semoga makalah sederhana ini dapat dipahami bagi siapapun yang membacanya.
Sekiranya laporan yang telah disusun ini dapat berguna bagi kami sendiri maupun orang yang
membacanya. Sebelumnya kami mohon maaf apabila terdapat kesalahan kata-kata yang
kurang berkenan dan kami memohon kritik dan saran yang membangun dari anda demi
perbaikan makalah ini di waktu yang akan datang.

Bengkulu, Desember 2021

Penulis
 DAFTAR ISI

KATA PENGANTAR...............................................................................................2

DAFTAR ISI..............................................................................................................3

BAB I

PENDAHULUAN

Latar Belakang .........................................................................................................4

Rumusan Masalah......................................................................................................5
Tujuan........................................................................................................................5
BAB II

PEMBAHASAN

Pengertian Probabilitas...............................................................................................6

Manfaat Probabilitas dalam Penelitian.......................................................................7

Menghitung Probabilitas atau Peluang Suatu Kejadian.............................................8

Definisi Distribusi Binomial......................................................................................9

Ciri-ciri Distribusi Binomial..................................................................................... 10

Penerapan Distribusi Binomial..................................................................................10

Contoh Soal Distribusi Binomial dan Cara Penyelesaiannya....................................10

Definisi Distribusi Poisson.........................................................................................12

Ciri-ciri Distribusi Poisson ........................................................................................13

Penerapan Distribusi Poisson ....................................................................................14

Contoh Soal Distribusi Poisson dan Cara Penyelesaiannya.......................................15

Definisi Distribusi Normal......................................................................................... 16

BAB III

PENUTUP

DAFTAR PUSTAKA................................................................................................18
 BAB I

PENDAHULUAN

A. Latar Belakang
Baik di dalam dunia pertanian, ekonomi, sosial budaya maupun dunia teoritis
(termasuk dunia komputer tentunya), kita sering menghadapi suatu yang sering
disebut sebagai “ketidakpastian”. Ketidakpastian terjadi akibat keterbatsan manusia
itu sendiri di dalam dunianya dalam mengukur/menghitung/menalar/melamar sesuatu
hal yang lebih baik yang akan datang maupun yang ada di depan mata, termasuk yang
telah terjadi. Sudah sejak awal dari awal zaman, ketidakpastian diantisipasi manusia
dengan berbagai cara. Ada yang bersifat prophecy dan supranatural, ada pula yang
lebih rasional dengan mempelajari periodisitas (pengulangan) gejala alam untuk
mengurangi tingkat ketidakpastian itu hingga sampai ke tingkat yang lebih
manageble.
Namun, ketidakpastian itu tetap mewarnai kehidupan manusia karena
ketidakpastian itu mungkin menjadi faktor pemicu dinamika roda kehidupan itu
sendiri. Dengan kata lain, walau ketidakpastian itu seringkali menjadi sumber
kesulitan, tetapi juga sekaligus merupakan blessing. Teori probabilitas bisa dikatakan
merupakan salah satu ilmu untuk “mengukur” ketidakpastian 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. Kebohongan (dikenal sebagai kebohongan statistika) ketika statistika
digunakan sementara model dasar probabilitas yang terkait tidak sesuai atau relevan
dengan situasi yang sebenarnya. Simulasi dan teori antrian dapat dikatakan juga
sebagi turunan dan teori probabilitas. Dengan simulasi maka perilaku suatu sistem
atau rancangan dapat dipelajari.
Teori probabilitas digunakan dalam menentukan perilaku secara lebih
kuantitatif dari apa yang disimulasikan. Kejadian yang sering atau jarang terjadi
dikatakan mempunyai peluang terjadi yang besar atau kecil. Keseluruhan nilai-nilai
peluang biasa digunakan dalam kehidupan sehari-hari. Dalam mengaplikasikan
statistika terhadap permasalahan sains, industri, atau sosial, pertama-tama dimulai dari
mempelajari populasi. Tiga buah sebaran teoritis yang paling terkenal, diantaranya
dua buah sebaran peluang yang diskrit dan sebaran yang kontinyue Kedua sebaran
 yang teoritis yang diskrit itu ialah sebaran binomial dan sebaran Poisson. Sebaran
kontinyu nya adalah sebaran normal.
B. Rumusan Masalah
Berdasarkan latar belakang masalah tersebut di atas, maka masalah pokok yang
dirumuskan untuk makalah ini adalah:
1. Apa itu probabilitas?
2. Bagaimana pengaplikasian probabilitas dalam bidang pertanian?
3. Apa manfaat probabilitas dalam penelitian?
4. Bagaimana cara menghitung probabilitas dalam suatu kejadian?
C. Tujuan
Tujuan pembuatan makalah ini selain untuk melengkapi tugas mata kuliah
Statistika, yaitu untuk mengetahui probabilitas lebih jauh, mulai dari cara
menghitungnya, dan memahami konsep distribusi binomial yang merupakan bagian
dari probabilitas itu sendiri.
 BAB II

PEMBAHASAN

A. Pengertian Probabilitas
Dalam kehidupan sehari-hari kita sering dihadapkan dengan beberapa pilihan
yang harus kita tentukan memilih yang mana. Biasanya kita dihadapkan dengan
kemungkinan-kemungkinan suatu kejadian yang mungkin terjadi dan kita harus
pintar-pintar mengambil sikap jika menemukan keadaan seperti ini, misalkan saja
pada saat kita ingin bepergian, kita melihat langit terlihat mendung. Dalam keadaaan
ini kita dihadapkan antara 2 permasalahan, yaitu kemungkinan terjadinya hujan serta
kemungkinan langit hanya mendung saja dan tidak akan turun hujan. Statistik yang
membantu permasalahan dalam hal ini adalah probabilitas.
Probabilitas didefinisikan sebagai peluang atau kemungkinan suatu kejadian,
suatu ukuran tentang kemungkinan atau derajat ketidakpastian suatu peristiwa (event)
yang akan terjadi di masa mendatang. Rentangan probabilitas antara 0 sampai dengan
1. Jika kita mengatakan probabilitas sebuah peristiwa adalah 0, maka peristiwa
tersebut tidak mungkin terjadi. Dan jika kita mengatakan bahwa probabilitas sebuah
peristiwa adalah 1 maka peristiwa tersebut pasti terjadi. Serta jumlah antara peluang
suatu kejadian yang mungkin terjadi dan peluang suatu kejadian yang mungkin tidak
terjadi adalah satu, jika kejadian tersebut hanya memiliki 2 kemungkinan kejadian
yang mungkin akan terjadi. Contoh: Ketika David ingin pergi kerumah temannya, dia
melihat langit dalam keadaan mendung, awan berubah warna menjadi gelap, angin
lebih kencang dari biasanya serta sinar matahari tidak seterang biasanya.
Bagaimanakah tindakan David sebaiknya?
Ketika David melihat keadaan seperti itu, maka sejenak dia berpikir untuk
membatalkan niatnya yang akan pergi ke rumah temannya. Ini dikarenakan dia
berhipotesis bahwa sebentar lagi akan turun hujan dan kecil kemungkinan bahwa hari
ini akan tidak hujan, mengingat gejala-gejala alam yang mulai nampak.
Probabilitas dalam cerita tadi adalah peluang kemungkinan turunnya hujan
dan peluang tidak turunnya hujan. Selain definisi di atas ada juga definisi klasiknya
yaitu:
  Eksperimen : semua aktivitas yang dapat menghasilkan out
comes.
 Sample space set of all possible out comes
 Out comes : Sesuatu yang diamati / hasil observasi.
 Event : Sample space (bagian dari himpunan dari seluruh out
comes yang mungkin muncul dalam satu set eksperimen).
Contoh : Pelemparan mata uang (2 titik), dadu (6 titik). Bila terdapat n
kejadian setara yang salah satunya harus terjadi dan S dinyatakan sebagai kejadian
sukses, maka probabilitas sukses adalah S/n.
 Mutually Exclusive (bertentangan) : munculnya event yang satu,
menyebabkan tidak munculnya event yang lain.
 Collectively exhausive (Lengkap) : munculnya head and tail pada
sebuah lemparan koin dan tidak ada lagi out comes yang muncul
( salah satu harus terjadi).
B. Pengaplikasian probabilitas dalam bidang pertanian
Dalam bidang pertanian terkadang hal peluang sering terjadi pada saat
pembibitan, penanaman, pengendalian hama, dan panen. Hal tersebut terjadi karena
dampak kegagalan dari susunan pertanian itu tidak ditekankan dengan baik oleh
petani. Maka dari itu rancangan peluang harus dibuat secara demikian agar suatu
kejadian yang akan datang bisa diperkirakan walaupun tidak 100 persen terjadi.
Berikut contoh probabilitas peluang di bidang pertanian:
Petani dapat memperkirakan waktu panen berdasarkan keadaan cuaca, seringkali
petani salah memperkirakannya. Tetapi di sini yang di maksud yaitu di saat cuaca
cerah, contohnya tanaman kedelai sebentar lagi akan dipanen lalu kemudian tiba-tiba
hujan lebat, akibatnya tanaman kedelai banyak yang membusuk. Karena tanaman ini
lebih cocok ditanam pada musim panas.
Pada saat petani melakukan penyemprotan insektisida pada tanaman padi seluas
500m2 dengan volume air pada tangki sebesar 5 liter, petani harus bisa
memperkirakan volume larutan air pada tangki tersebut habis secara rata.
C. Manfaat Probabilitas dalam Penelitian
Manfaat probabilitas dalam kehidupan sehari-hari adalah membantu kita
dalam mengambil suatu keputusan, serta meramalkan kejadian yang mungkin terjadi.
Jika kita tinjau pada saat kita melakukan penelitian, probabilitas memiliki beberapa
fungsi antara lain:
  Membantu peneliti dalam pengambilan keputusan yang lebih tepat.
Pengambilan keputusan yang lebih tepat dimaksudkan tidak ada keputusan
yang sudah pasti karena kehidupan mendatang tidak ada yang pasti kita
ketahui dari sekarang, karena informasi yang didapat tidaklah sempurna.
 Dengan teori probabilitas kita dapat menarik kesimpulan secara tepat atas
hipotesis yang terkait tentang karakteristik populasi. Menarik kesimpulan
secara tepat atas hipotesis (perkiraan sementara yang belum teruji
kebenarannya) yang terkait tentang karakteristik populasi pada situasi ini kita
hanya mengambil atau menarik kesimpulan dari hipotesis bukan berarti
kejadian yang akan datang kita sudah ketehaui apa yang akan tertjadi.
 Mengukur derajat ketidakpastian dari analisis sampel hasil penelitian dari
suatu populasi.
Contoh:
Ketika diadakannya minat petani penggunaan pupuk dari tahun 2000,
pemerintah mendapatkan data perbandingan antara jumlah penggunaan pupuk
organik berbanding jumlah penggunaan pupuk urea adalah memiliki
perbandingan 5:6, sedangkan hasil data minat petani pada tahun 2010
menunjukan hasil perbandingan jumlah penggunaan pupuk organik
berbanding jumlah penggunaan pupuk urea adalah 5:7. Maka pemerintah
dapat mengambil keputusan bahwa setiap tahunnya dari tahun 2000 hingga
2010 jumlah pengunaan pupuk urea berkembang lebih pesat dari pada jumlah
penggunaan pupuk organik.
D. Menghitung Probabilitas atau Peluang Suatu Kejadian
Jika tadi kita hanya memperhatikan peluang suatu kejadian secara kualitatif,
hanya memperhatikan apakah kejadian tersebut memiliki peluang besar akan terjadi
atau tidak. Disini kita akan membahas nilai dari probabilitas suatu kejadian secara
kuantitatif. Kita bisa melihat apakah suatu kejadian berpotensi terjadi ataukah tidak.
Misalkan kita memiliki sebuah koin yang memiliki muka gambar dan angka, jika koin
tersebut kita lemparkan keatas secara sembarang, maka kita memiliki 2 pilihan yang
sama besar dan kuat yaitu peluang munculnya angka dan peluang munculnya gambar.
Jika kita perhatikan secara seksaama, pada satu koin hanya terdiri dari satu muka
gambar dan satu muka angka, maka peluang munculnya angka dan gambar adalah
sama kuat yaitu 1⁄2. 1 menyatakan hanya satu dari muka pada koin yang mungkin
muncul, entah itu gambar maupun angka sedangkan 2 menyatakan banyaknya
 kejadian yang mungkin terjadi pada pelemparan koin, yaitu munculnya gambar +
munculnya angka. Jika kita berbicara tidak lagi 2 kejadian yaitu menyangkut banyak
kejadian yang mungkin terjadi, mengingat dan dari hasil pengumpulan dan penelitian
data diperoleh suatu rumus sebagai berikut. Jika terdapat N peristiwa, dan nA dari N
peristiwa tersebut membentuk kejadian A, maka probabilitas A adalah : P(A) = nA N
Dimana:
n = banyaknya kejadian
N = kejadian seluruhnya/peristiwa yang mungkin terjadi
Contoh 1:
Suatu mata uang logam yang masing-masing sisinya berisi gambar dan angka
dilemparkan secara bebas sebanyak 1 kali. Berapakah probabilitas munculnya gambar
atau angka?
Jawab :
n = 1; N = 2 P(gambar atau angka) = n N= 1 2 atau 50%
Dapat disimpulkan peluang munculnya gambar atau angka adalah sama besar.
Contoh 2:
Berapa peluang munculnya dadu mata satu pada satu kali pelemparan? Jika kita tinjau
pada sebuah dadu hanya memiliki 1 buah mata dadu bermata 1, sedangkan pada dadu
terdapat 6 mata yaitu mata 1 sampai mata 6.
Maka P ( A )= Nn ¿ 61
Probabilitas mempunyai beberapa aturan, diantaranya:
 Jika n = 0 maka peluang terjadinya suatu kejadian pada keadaan ini adalah
sebesar P(A)= 0 atau tidak mungkin terjadi.
 Jika n merupakan semua anggota N maka probabilitasnya adalah satu, atau
kejadian tersebut pasti akan terjadi.
 Probabilitas suatu kejadian memiliki rentangan nilai.
 Jika E menyatakan bukan peristiwa E maka berlaku.
E. Definisi Distribusi Binomial
Dalam statistik probabilitas dikenal dengan distribusi. Salah satu jenis
distribusi variabel random diskrit yang paling sederhana adalah distribusi binomial.
Distribusi Binomial adalah distribusi untuk proses Bernoulli. Distribusi ini
dikemukakan pertama kali oleh seorang ahli matematika bangsa Swiss yang bernama
J. Bernoulli (1654-1705).
 Distribusi Binomial adalah suatu distribusi probabilitas yang dapat digunakan
bilamana suatu proses sampling dapat diasumsikan sesuai dengan proses Bernoulli.
Misalnya, dalam perlemparan sekeping uang logam sebanyak 5 kali, hasil setiap
ulangan mungkin muncul sisi gambar atau sisi angka. Begitu pula, bila kartu diambil
berturut-turut, kita dapat memberi label “berhasil” bila kartu yang terambil adalah
kartu merah atau “gagal” bila yang terambil adalah kartu hitam. Ulangan-ulangan
tersebut bersifat bebas dan peluang keberhasilan setiap ulangan tetap sama, yaitu
sebasar 1⁄2..(Ronald E. Walpole). Syarat Distribusi Binomial :
1. Jumlah percobaan merupakan bilangan bulat. Contoh melambungkan koin 2
kali, tidak mungkin 21⁄2 kali.
2. Setiap eksperimen mempunyai dua outcome (hasil). Contoh: sukses atau gagal,
laki-laki atau perempuan, sehat atau sakit.
3. Peluang sukses sama setiap ekperimen.
Contoh:
Jika pada lambungan pertama peluang keluar mata H/sukses adalah 1⁄2, pada
lambungan seterusnya juga 1⁄2. Jika sebuah dadu, yang diharapkan adalah
keluar mata lima, maka dikatakan peluang sukses adalah 1/6, sedangkan
peluang gagal adalah 5/6.Untuk itu peluang sukses dilambangkan p, sedangkan
peluang gagal adalah (1-p) atau biasa juga dilambangkan q, di mana q = 1-p.
a. Ciri-ciri Distribusi Binomial
Distribusi Binomial dapat diterapkan pada peristiwa yang memiliki ciri-ciri
percobaan Binomial atau Bernoulli trial sebagai berikut :
1. Setiap percobaan hanya mempunyai 2 (dua) kemungkinan hasil: sukses (hasil
yang dikehendaki) dan gagal (hasil yang tidak dikehendaki).
2. Setiap percobaan beersifat independen atau dengan pengembalian.
3. Probabilita sukses setiap percobaan harus sama, dinyatakan dengan p.
Sedangkan probabilita gagal dinyatakan dengan q, dan jumlah p dan q harus
sama dengan satu.
4. Jumlah percobaan, dinyatakan dengan n, harus tertentu jumlahnya.
b. Penerapan Distribusi Binomial
Beberapa kasus dimana distribusi normal dapat diterapkan yaitu:
1. Jumlah pertanyaan dimana anda dapat mengharapkan bahwa terkanan anda
benar dalam ujian pilihan ganda.
 2. Jumlah asuransi kecelakaan yang harus dibayar oleh perusahaan asuransi. 3.
Jumlah lemparan bebas yang dilakukan oleh pemain basket selama satu musim.
Rumus Distribusi Binomial
b(x;n; p)=Cn pxqn−x= n! pxqn−x x x!(n−x)!
Keterangan:
x = 0,1,2,3,...,n
n = banyaknya ulangan
x = banyaknya keberhasilan dalam peubah acak x
p = peluang berhasil dalam setiap ulangan
q = peluang gagal, dimana q = 1-p dalam setiap ulangan
Contoh Soal Distribusi Binomial dan Cara Penyelesaiannya
Berdasarkan data biro perjalanan PT Mandala Wisata air, yang khusus menangani
perjalanan wisata turis manca negara, 20% dari turis menyatakan sangat puas
berkunjung ke Indonesia, 40% menyatakan puas, 25% menyatakan biasa saja dan
sisanya menyatakan kurang puas. Apabila kita bertemu dengan 5 orang dari peserta
wisata turis manca negara yang pernah berkunjung ke Indonesia, berapakah
probabilitas :
a. Paling banyak 2 di antaranya menyatakan sangat puas.
b. Paling sedikit 1 di antaranya menyatakan kurang puas
c. Tepat 2 diantaranya menyatakan biasa saja
d. Ada 2 sampai 4 yang menyatakan puas.
Jawab :
Diketahui n = 5;
Ditanyatakan:
a) Paling banyak 2 di antaranya menyatakan sangat puas (p(x) ≤ 2). p=0,20;
b) b(x; n, p) = b(0; 5; 0,20) + b(1; 5; 0,20) + b(2; 5; 0,20) = 0.32768 + 0.40960 +
0.20480 = 0.94208
Maka hasil p(x) ≤ 2 = 0.94208
Paling sedikit 1 diantaranya menyatakan kurang puas (p(x) ≥ 1). p=0,15;
Jadi: p(x) ≥ 1 = b(1; 5; 0,15) + b(2; 5; 0,15) + b(3; 5; 0,15) + b(4; 5; 0,15) + b(5;
5; 0,15) = 0,3915 + 0,1382 + 0,0244 + 0,002 +0,0001 = 0,5562
c) Tepat 2 diantaranya menyatakan biasa saja (p(x)=2). p=0,25
d) Ada 2 sampai 4 yang menyatakan puas (x ≤ 2 x ≤ 4) P=0,40;
 Jadi (x ≤ 2 x ≤ 4) = b(2; 5;0.40) + b(3; 5, 0.40) + b(4; 5, 0.40) = 0.3456 +0.2304 +
0.0768 = 0.6528
Analisis masing – masing point :
a. Sebanyak paling banyak 2 dari 5 orang dengan jumlah 0.94208
atau 94,28% yang menyatakan sangat puas adalah sangat besar.
b. Paling sedikit 1 dari 5 orang (berarti semuanya) dengan jumlah
0,5563 atau 55,63% yang menyatakan kurang puas dapat dikatakan
cukup besar (karena lebih dari 50%).
c. Tepat 2 dari 5 orang yang menyatakan biasa saja dengan jumlah
0,2637 atau 26,37% adalah kecil (karena dibawah 50%).
d. Ada 2 sampai 4 yang menyatakan puas dengan jumlah 0,6528%
atau 65,28% dapat dikatakan cukup besar.
Analisis keseluruhan :
a) Persentase Jika diambil persentase terbesar tanpa memperhatikan jumlah X,
maka persentase terbesar ada di point pertama (a) yaitu 94,28% yang
menyatakan sangat puas. Hal tersebut menandakan banyak turis manca negara
yang sangat menyukai Indonesia.
b) Nilai x Jika dilihat dari jumlah x, maka perlu diperhatikan point kedua
Jumlah x adalah paling sedikit 1 dari 5 orang (berarti x>=1) yaitu 55,63%
yang menyatakan kurang puas.Hal tersebut berarti kelima (semua) turis manca
negara kurang puas terhadap kunjungannya ke Indonesia.
F. Definisi Distribusi Poisson
Distribusi Poisson disebut juga distribusi peristiwa yang jarang terjadi,Distribusi
Poisson diberi nama sesuai dengan penemunya yaitu Siemon D. Poisson (1781-1841),
seorang ahli matematika bangsa Perancis. Distribusi Poisson termasuk distribusi teoritis
yang memakai variable random (variable acak) diskrit.
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.
 Distibusi Poisson merupakan distribusi probabilitas untuk variabel diskrit acak yang
mempunyai nilai 0,1, 2, 3 dst. Distribusi Poisson adalah distribusi nilai- nilai bagi suatu
variabel random X (X diskrit), yaitu banyaknya hasil percobaan yang terjadi dalam suatu
interval waktu tertentu atau disuatu daerah tertentu. fungsi distribusi probabilitas diskrit
yang sangat penting dalam beberapa aplikasi praktis. Poisson memperhatikan bahwa
distribusi binomial sangat bermanfaat dan dapat menjelaskan dengan sangat memuaskan
terhadap probabilitas Binomial b(X│n.p) untuk X= 1,2,3 ...n. namun demikian, untuk
suatu kejadian dimana n sangat besar (lebih besar dari 50) sedangkan probabilitas sukses
(p) sangat kecil seperti 0,1 atau kurang, maka nilai binomialnya sangat sulit dicari. Suatu
bentuk dari distribusi ini adalah rumus pendekatan peluang Poisson untuk peluang
Binomial yang dapat digunakan untuk pendekatan probabilitas Binomial dalam situasi
tertentu.
Distribusi Poisson sering digunakan untuk menentukan peluang sebuah peristiwa
yang dalam area kesempatan tertentu diharapkan terjadinya sangat jarang. Distribusi ini
juga bisa dianggap sebagai pendekatan kepada distribusi binom, N cukup besar
sedangkan = peluang terjadinya peristiwa A, sangat dekat dengan nol sedemikian
sehingga λ = Np tetap, maka distribusi binom didekati oleh distribusi Poisson.
a. Ciri-ciri Distribusi Poisson
Satu-satunya parameter distribusi Poisson adalah λ, yaitu mean dan variansi,
menyatakan derajat hitungan dalam satuan waktu atau tempat. Apabila satuan tempat
atau waktu berubah dengan derajat relatif tetap, maka harga λ berubah secara
proporsional.
Asumsi sebaran Poisson :
1. Terdapat n tindakan bebas dimana n sangat besar
2. Hanya satu keluaran yang dipelajari,
3. Terdapat peluang yang konstan dari munculnya kejadian
setiap tindakan,
4. Peluang lebih dari satu keluaran pada setiap tindakan sangat
kecil atau dapat diabaikan.
Sebaran Poisson merupakan sebaran peluang dari peubah acak Poisson X, yang
menyatakan jumlah keberhasilan dalam suatu selang waktu atau daerah tertentu,
adalah :
P ( X : μ ) = , x = 0,1,2,...
 Dimana μ adalah rata-rata keberhasilan selama selang waktu atau daerah tertentu dan
e = 2,71828 .. (bilangan alami).
Percobaan Poisson memiliki ciri-ciri berikut :
1. Hasil percobaan pada suatu selang waktu dan tempat tidak tergantung dari
hasil percobaan di selang waktu dan tempat yang lain yang terpisah
2. Peluang terjadinya suatu hasil percobaan sebanding dengan panjang
selang waktu dan luas tempat percobaan terjadi. Hal ini berlaku hanya
untuk selang waktu yang singkat dan luas daerah yang sempit
3. Peluang bahwa lebih dari satu hasil percobaan akan terjadi pada satu
selang waktu dan luasan tempat yang sama diabaikan
Definisi Distribusi Peluang Poisson :
e : bilangan natural = 2.71828...
x : banyaknya unsur BERHASIL dalam sampel
m : rata-rata keberhasilan
Perhatikan rumus yang digunakan! Peluang suatu kejadian Poisson hitung dari rata-
rata populasi (m)
b. Penerapan Distribusi Poisson
Distribusi poisson banyak digunakan dalam hal:
Menghitung Probabilitas terjadinya peristiwa menurut satuan waktu, ruang atau isi,
luas, panjang tertentu, saeperti menghitung probabilitas dari:
 Kemungkinan kesalahan pemasukan data atau kemungkinan cek ditolak oleh
bank
 Jumlah pelanggan yang harus antri pada pelayanan rumah sakit, restaurant
 cepat saji atau antrian yang panjang bila ke ancol.
 Banyaknya bintang dalam suatu area acak di ruangangkasa atau banyaknya
bakteri dalam 1 tetes atau 1 liter air.
 Jumlah salah cetak dalam suatu halaman ketik
 Banyaknya penggunaan telepon per menit atau banyaknya mobil yang lewat
selama 5 menit di suatu ruas jalan.
 Distribusi bakteri di permukaan beberapa rumput liar di ladang.
Semua contoh ini merupakan beberapa hal yang menggambarkan tentang suatu
distribusi Poisson.
c. Menghitung distribusi binomial apabila nilai n besar (n ≥ 30) dan p kecil (p<0,1).
Jika kita menghitung sejumlah benda acak dalam suatu daerah tertentu T,maka proses
penghitungan ini dilakukan sebagai berikut :
 Jumlah rata-rata benda di daerah S T adalah sebanding terhadap ukuran S,
yaitu E Count(S)= λ S. Di sini melambangkan ukuran S, yaitu panjang, luas,
volume, dan lain lain. Parameter λ > 0 menggambarkankan intensitas proses.
 Menghitung di daerah terpisah adalah bebas.
 Kesempatan untuk mengamati lebih dari satu benda di dalam suatu daerah
kecil adalah sangat kecil, yaitu P(Count(S)2) menjadi kecil ketika ukuran
menjadi kecil.
Rumus Poisson dapat digunakan untuk menghitung probabilitas dari jumlah
kedatangan, misalnya :
probabilitas jumlah kedatangan nasabah pada suatu bank pada jam kantor. Distribusi
Poisson ini digunakan untuk menghitung probabilitas menurut satuan waktu.
Rumus Probabilitas Poisson suatu peristiwa yang berdistribusi Poisson dirumuskan:
P(X) = μ_X . e_μ / x!
Keterangan: P(x) = Nilai probabilitas distribusi poisson μ = Rata-rata hitung dan
jumlah nilai sukses, dimana μ = n . p e = Bilangan konstan = 2,71828 X = Jumlah
nilai sukses P = Probabilitas sukses suatu kejadian ! = lambang faktorial
Contoh Soal Distribusi Poisson dan Cara Penyelesaiannya :
1. Rata – rata pengunjung di kios itu tiap jam adalah 8 pengunjung. Berapakah
probabilitas akan ada 6 pengunjung dalam satu jam tertentu? Jawab :
sukses (x) = 6 Mean sukses = 8 P(x = 6|8) = (86) (2,7183-8) / 6! = 0, 122
Jadi, probabilitas akan ada 6 pengunjung dalam 1 jam tertentu adalah 0, 122
2. Dari pusat penelitian Menteri Pertanian, tercatat bahwa rata – rata kasus serangan
OPT yang terjadi di suatu daerah tiap hari adalah 7 kasus. Berapakah probabilitas
terdapat 4 kasus dalam 1 hari tertentu? Jawab :
sukses (x) = 4 Mean sukses = 7 P(x = 4|7) = (74) (2,7183-7) / 4! = 0, 091
Jadi, probabilitas terdapat 4 kasus penyerangan OPT dalam satu hari tertentu
adalah 0,091
2. Rata-rata truk pembawa padi yang lewat di suatu daerah tiap jam adalah 6 buah.
Berapakah probabilitas 5 truk pembawa padi lewat dalam satu jam tertentu?
Jawab : sukses (x) = 5
Mean sukses = 6 P(x = 5|6) = (65 ) (2,7183-6) / 4! = 0, 1606
 Jadi, probabilitas 5 truk pembawa padi lewat dalam satu jam tertentu adalah
0,01606
G. Distribusi Normal
Distribusi Normal adalah salah satu distribusi teoritis dari variable random kontinu.
Distribusi Normal sering disebut distribusi Gauss.
Distribusi Normal memiliki bentuk fungsi sebagai berikut :
Keterangan :
X = nilai data
μ = rata-rata
π= 3,14
e = 2,71828
σ= Simpangan baku
a. Fungsi Densitas Distribusi Normal Dengan Persamaan Seperti Berikut

b. Karakteristik Distribusi Normal

Distribusi probabilitas normal dan kurva normal yang menyertainya memiliki
beberapa karakteristik sebagai berikut :
1. Kurva normal berbentuk lonceng
2. Simetris
3. Asimtotis
1. Kurva berbentuk genta (μ= Md= Mo)2. Kurva berbentuk simetris
3. Kurva normal berbentuk asimptotis
4. Kurva mencapai puncak pada saat X= μ
5. Luas daerah di bawah kurva adalah 1; ½ di sisi kanan nilai
tengah dan ½ di sisi kir
 BAB III

PENUTUP

A. Kesimpulan
Distribusi Probabilitas Diskrit adalah sebuah daftar yang berisi seluruh hasil
dari eksperimen dan probabilitas yang berkaitan dengan setiap hasi tersebut.
Sedangkan Distribusi Normal digunakan untuk mempelajari Distrbusi probabilitas
kontinu, (variabel acak kontinu diperoleh dengan cara mengukur sesuatu, seperti :
tinggi badan, berat badan, dll. ). Statistika adalah ilmu yang mempelajari bagaimana
merencanakan, mengumpulkan, menganalisis, menginterpretasi, dan
mempresentasikan data.
Sedangkan statistik adalah data, informasi, atau hasil penerapan algoritma
statistika pada suatu data. Kejadian yang sering atau jarang terjadi dikatakan
mempunyai peluang terjadi yang besar atau kecil. Keseluruhan nilai-nilai peluang
biasa digunakan dalam kehidupan sehari-hari. Dalam mengaplikasikan statistika
terhadap permasalahan sains, industri, atau sosial, pertama-tama dimulai dari
mempelajari populasi. Distribusi binomial dan poisson merupakan suatu performans
dari suatu percobaan, percobaan itu hanya memiliki dua macam keluaran yaitu
“Sukses” atau “Gagal”. Tentunya penggunaan metode tersebut dapat diaplikasikan
pada bidang pertanian, dan akan sangat bermanfaat untuk membantu pemerintah,
petani, penyuluh, maupun saya sebagai calon sarjana pertanian nantinya.
 DAFTAR PUSTAKA

Dasari D. [Internet]. [diunduh 2017 19 Februari]. Tersedia pada:

http://www.statistikdasar.com/files/materi/distribusi_peluang_diskrit.pdf

Syamsul R. [Internet]. [diunduh 2017 19 Februari]. Tersedia pada:

https://www.academia.edu/6769745/MAKALAH_DISTRIBUSI_BINOMINAL

Arlim A. [Internet]. [diunduh 2017 19 Februari]. Tersedia pada:

http://www.slideshare.net/cvrhmat/file1-soal-contoh-binomial-dan-poisson

Lestari, T., 2009. Dampak Konversi Lahan Pertanian Bagi Taraf Hidup Petani. Makalah
Kolokium. Departemen Sains Komunikasi dan Pengembangan Masyarakat. Intitut Pertanian
Bogor.

Prof. Dr. Sudjana, M.A., M.Sc. (1996) Metoda Statistika . Bandung: Tarsito.

Nurd D. [Internet]. [diunduh 2017 20 Februari]. Tersedia pada:

https://drive.google.com/file/d/0B-D- PKqzbCVBSGVjb3RxQTRKbGs/view