MAKALAH

DISTRIBUSI NORMAL DAN DITRIBUSI POISSON

OLEH KELOMPOK III :

FENTI HELENA

RIKA NADILA

ZUHRA YUNINDA

DOSEN PEMBIMBING : Mardhiyah Kharismayanda S.Pd, M.Ed

KELAS MANAJEMEN 3 B

SEKOLAH TINGGI ILMU EKONOMI BANGKINANG

TA : 2022
 KATA PENGANTAR

Puji serta syukur tidak lupa kita panjatkan kehadirat Allah Subhanahu Wa

Ta’ala yang berkat anugerah dari-Nya kami mampu menyelesaikan makalah yang

berjudul “Distribusi Normal dan Distribusi Poisson” ini. Sholawat serta salam kita

hantarkan kepada Nabi Besar Muhammad Shallallahu’alaihi Wa Sallam yang

telah memberikan pedoman kepada kita jalan yang sebenar-benarnya jalan berupa

ajaran agama islam yang begitu sempurna dan menjadi rahmat bagi alam semesta.

Penulis sangat bersuur karena mampu menyelesaikan makalah ini tepat

waktu sebagai pemenuh tugas Statistika 1 yang bertemakan “Distribusi Normal

dan Distribusi Poisson”. Selain itu,kami mengucapkan banyak terimakasih kepada

berbagai pihak khususnya Ibuk Mardiyah Kharismayanda S.Pd, M.Ed selaku

dosen pengampu mata kuliah Statistika 1 yang telah memberi kami kesempatan

untuk tugas kami ini.

Demikian yang bisa kami sampaikan,semoga makalah ini bisa

memberikan manfaat kepada semua pihak. Dan jangan lupa kritik serta sarannya

terhadap makalah ini dalam rangka perbaikan makalah – makalah yang akan

datang.

Bangkinang,2 November 2022

i
 DAFTAR ISI

KATA PENGANTAR .................................................................................................

DAFTAR ISI .................................................................................................................

ii

BAB I PENDAHULUAN ............................................................................................

A. LATAR BELAKANG .......................................................................................

B. RUMUSAN MASALAH ...................................................................................

C. TUJUAN ...........................................................................................................

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

A. Menjelaskan pengertian distribusi normal ........................................................

B. Menjelaskan pengertian distribusi binomial ......................................................

C. Menjelaskan pengertian distribusi poisson ........................................................

15

ii
BAB III PENUTUP ......................................................................................................

18

A. KESIMPULAN ..................................................................................................

18

B. SARAN ..............................................................................................................

18

DAFTAR PUSTAKA ...................................................................................................

19

iii
 BAB I

PENDAHULUAN

A. Latar Belakang

Baik di dalam dunia engineering, 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 halhal yang teoritis ketika model-model matematis tidak dapat
lagi disusun secara komprehensif untuk memecahkan suatu masalah. Apalagi
dunia engineering 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

1
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. Tanpa pemahaman tersebut, seringkali
statistika digunakan untuk melegitimasi suatu 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. Teori antrian merupakan hasil
pengembangan lanjutan konsep probabilitas dan di dalamnya masih berbicara
mengenai model-model probabilitas.

Namun, kembali ke pembicaraan awal, yaitu bahwa probabilitas hanyalah

suatu sistematika ilmu untuk mempelajari ketidakpastian. Seakurat-akuratnya
model probabilitas yang digunakan, tetap saja ketidakpastian itu masih ada walau
dengan kadar yang amat tipis. Dan ketidakpastian yang tipis itu pada gilirannya
dapat menghasilkan hasil yang ekstrim. Jadi penting bagi kita memahami apa
yang bisa diberikan oleh teori probabilitas dan turunan-turunannya. 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).

2
B. Rumusan Masalah

1. Apa yang dimaksud dengan distribusi normal ?

2. Bagaimana cara menghitung distribusi normal ?

3. Apa yang diaksud dengan distribusi binomial ?

4. Apa saja ciri – ciri distribusi binomial ?

5. Bagaimana penerapan distribusi binomial ?

6. Apa yang dimaksud dengan distibusi poisson ?

C. TUJUAN

1. Mengetahui pengertian distribusi normal

2. Mengetahui cara menghitung distribusi normal

3. Mengetahui pengertian distribusi binomial

4. Mengetahui ciri – ciri distribusi binomial

5. Mengetahui penerapan distibusi binomial

6. Mengetahui pngertian distribusi poisson

3
 BAB II

PEMBAHASAN

A. Pentingnya Distribusi Normal dalam Statistika

1. Pengertian Distribusi Normal

Distribusi Normal merupakan sebuah fungsi probabilitas yang

menunjukkan distribusi atau penyebaran suatu variabel. Fungsi tersebut umumnya
dibuktikan oleh sebuah grafik simestris yang disebut kurva lonceng ( Bell Curve ).
Satu-satunya distribusi probabilitas dengan variabel random kontinu
adalah distribusi normal. Ada 2 peran yang penting dari distribusi normal :
Memiliki beberapa sifat yang mungkin untuk digunakan sebagai patokan
dalam mengambil suatu kesimpulan  berdasarkan hasil sampel yang diperoleh.
Pengukuran sampel digunakan untuk menafsirkan parameter populasi.
Distribusi normal sangat sesuai dengan distribusi empiris, sehingga dapat
dikatakan bahwa semua kejadian alami akan membentuk distribusi ini. Karena
alasan inilah sehingga distribusi ini dikenal sebagai distribusi normal dan
grafiknya dikenal sebagai kurva normal atau kurva gauss.
2. Ciri-ciri distribusi normal
 Distribusi normal mempunyai beberapa sifat dan ciri, yaitu:
 Disusun dari variable random kontinu
 Kurva distribusi normal mempunyai satu puncak (uni-modal)
 Kurva berbentuk simetris dan menyerupai lonceng hingga mean, median
dan modus terletak pada satu titik.
 Kurva normal dibentuk dengan N yang tak terhingga.
 Peristiwa yang dimiliki tetap independen.
 Ekor kurva mendekati absis pada penyimpangan 3 SD ke kanan dan ke kiri
dari rata-rata dan ekor grafik dapat dikembangkan sampai tak terhingga
tanpa menyentuh sumbu absis.

4
3. Distibusi normal standar
Suatu distribusi normal tidak hanya memiliki satu kurva, tetapi merupakan
kumpulan kurva yang mempunyai ciri-ciri yang sama.sehingga harus ditentukan 1
pegangan sebagai distribusi nprmal yang standar.
Ada 2 cara untuk menentukan distribusi normal :
1. cara ordinat:
 Menggunakan rumus distribusi normal berikut :
Y =     1    x e-½ (X - µ)
²
      σ √2 π             σ
µ          =          rata-rata
σ          =          simpang baku
π          =          3,1416 (bilangan konstan)
e          =          2,7183 (bilangan konstan)
X         =          absis dengan batas -∞ < X < π

Bila nilai µ dan σ tetap maka setiap nilai x akan menghasilkan nlai y

sehingga bila nilai x dimasukkan dalam perhitungan berkali-kali dengan julah tak
terhingga maka akan dihasilkan suatu kurva distribusi normal. Terdapat banyak
kurva  normal dengan bentuk yang berlainan, tergantung dari besar dan
kecilnya σ. 
 Bila σ besar, kurva yang terbentuk mempunyai puncak yang
rendah, sebaliknya bila σ kecil akan menghasilkan puncak kurva yang
tinggi.
 Dapat pula bentuk kurva normal dengan µ yang  berbeda atau dengan µ
dan σ yang berbeda

2. Cara luas
Kurva normal adalah kurva yang simetris, yang berarti bahwa kurva ini
akan membagi luas kurva  menjadi 2 bagian yang sama.Seluruh luas kurva = 1

5
atau 100% dan rata-rata (µ) membagi luas kurva menjadi 2 bagian yang
sama.Berarti luas tiap belahan adalah 50%.
Setiap penyimpangan rata-rata dapat ditentukan presentase terhadap seluruh luas
kurva.
penyimpangan ke kanan dan ke kiri :
            -.penyimpangan  1 SD = 68,2% dari seluruh luas kurva.
            -.penyimpangan 2 SD = 95,5% dari seluruh luas kurva.
            -.penyimpangan 3 SD, = 99,7% dari seluruh luas kurva.

Proses standarisasi dapat dilakukan dengan transformasi rumus (kurva normal

standar) :

Z=x-µ
         σ
     x = nilai variable random
     µ = rata-rata distribusi
     σ = simpang baku
     Z = nilai standar, yaitu besarnya penyimpangan suatu nilai terhadap  rata-rata
yang dinyatakan dari unit SD.

Standarisasi penting dilakukan karena ada variabel random yang memiliki satuan
yang berbeda-beda, seperti cm, kg, bulan.
Untuk memudahkan perhitungan dapat digunakan sebuah table yang
menunjukkan luas area di bawah kurva normal antara nilai rata-rata dan suatu
nilai variable random yang dinyatakan dalam unit SD.
            Misalnya : luas 95% adalah 1,96 SD.

Untuk transformasi distribusi normal menjadi distribusi normal  standar

dinyatakan  µ = 0 dan σ = 1.

6
4. Penggunaan Tabel Ditribusi Normal
Tabel distribusi normal terdiri dari kolom dan baris.
Kolom paling kiri menunjukkan nilai Z, tertera angka 0 sampai 3 dengan
satu desimal dibelakangnya. Desimal berikutnya terletak pada baris paling atas
dengan angka dari 0 sampai 9.
Misalnya dari hasil perhitungan diperoleh nilai Z = 1,96
 Maka di kolom kiri kita cari nilai1,9 dan baris atas kita cari angka 6
 Dari kolom 6 bergarak ke bawah, hingga pertemuan titik
yang menunjukkan angka 0,4750.
 Berarti luas daerah di dalam kurva normal antara rata-rata dengan 1,96 SD
ke kanan adalah 0,475.
 Karena luas kurva ke kanan dan ke kiri sama, maka luas penyimpangan
1,96 ke kanan dan ke kiri dari rata-rata adalah 0,95 (95%).

5 . Contoh Aplikasi distribusi normal

Sebagai contoh aplikasi distribusi normal, 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 :
     Mula-mula dihitung nilai Z =210
     Z= (210-200)/10 = 1=0,3413
    jadi probabilitas kesembuhan 190 sampai 210 = 0,3413+0,3413=0,6826=68,26\

Ø  PENGAMBILAN SAMPEL PADA POPULASI DISTRIBUSI NORMAL

Pengambilan sampel yang dilakukan berulang dari populasi yang berdistribusi
normal memiliki cirri sebagai berikut.

7
1.      Kesalahan baku (SE) lebih kecil dibandingkan dengan simpangan baku
(deviasi standar) populasi nya
2.      Makin besar sampel makin kecil kesalahan baku (SE)
Ø  PENGAMBILAN SAMPEL PADA POPULASI TIDAK
BERDISTRIBUSI NORMAL

Untuk mengetahui bentuk distribusi sampel pada populasi tidak

berdistribusi normal akan di berikan contoh sebagai berikut :
Contoh soal :Disuatu rumah sakit terdapat 5 orang penderita TBC yang
dirawat. Populasi hanya terdiri dari 5 orang sangat jauh dari normal
Diketahui bahwa kelima penderita tersebut mempunyai berat penyakit
yang sama dan dengan pengobatan yang sama, tetapi dengan kesembuhan yang
berbeda seperti terlihat pada tabel Distribusi waktu kesembuhan

Penderita Waktu kesembuhan (dalam bulan)

A 3
B 3
C 7
D 9
E 14
=36
Rata-rata = 36/5 = 7,2

Bila dari 5 orang penderita TBC tersebut kita ambil sampel sebanyak 3 orang
maka akan di peroleh sejumlah permutasi sebagai berikut.

8
 Permutasi Jumlah kesembuhan Rata-rata
ABC 3+3+7 4 1/3
ACD 3+7+9 6 1/3
ACE 3+7+14 8,0
ADE 3+9+14 8 2/3
ABD 3+3+9 5,0
ABE 3+3+14 6 2/3
BCD 3+7+9 6 1/3
BCE 3+7+14 8,0
BDE 3+9+14 8 2/3
CDE 7+9+14 10,0
  = 72/10 = 7,2                                                                                                     72,0

Dari hasil perhitungan di atas ternyata pengambilan sampel pada populasi

yang tidak berdistribusi normal akan menghasilkan rata-rata sampel yang sama
dengan rata-rata populasi µ  = µ
Dari berbagai percobaan yang telah dilakukan ternyata bila jumlah sampel
ditambah sedikit saja maka akan menghasilkan distribusi rata-rata yang mendekati
distribusi normal.

B. Pengertian Distribusi Binomial

1. Defenisi Ditibusi Binomial

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

9
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,taitu sebasar ½..(Ronald E. Walpole).
2. Syarat Distribusi Binomial:

1. Jumlah percobaan merupakan bilangan bulat. Contoh melambungkan koin

2 kali, tidak mungkin 2½ 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 ½, pada lambungan
seterusnya juga ½. 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.

3. 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.

4. Penerapan Distribusi Binomial

Beberapa kasus dimana distribusi normal dapat diterapkan yaitu:

1. Jumlah pertanyaan dimana anda dapat mengharapkan bahwa terkaan anda

benar dalam ujian pilihan ganda.

10
 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

n!
b(x; n; p) = nCx pxqn−x =nCx= pxqn−x
( n−x ) ! x !

Keteranagan:
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

5. 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

11
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(0;5;0,20) = 5C0. 0,200. 0,80 5−0

5!
= 0,200. 0,805−0
( 5−0 ) ! 0 !

= 0,32768

b(1;5;0,20) = 5Cₗ . 0,201. 0,80 5−1

5!
= 0,201.
( 5−1 ) ! 1!
0,805−1
= 0,40960

b(2; 5;0,20) =5C₂ . 0,202. 0,80 5−2

5!
= 0,202. 0,805−2
( 5−2 ) !2!

= 0,20480

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

b) Paling sedikit 1 diantaranya menyatakan kurang puas (p(x) ≥ 1).

p=0,15;

b(1; 5; 0,15) =5Cₗ . 0,151. 0,85 5−1

5!
= 0,151. 0,154
( 5−1 ) ! 1!
1!
= 0,3915

12
 b(2; 5; 0,15) =5C₂. 0,152. 0,85 5−2
5!
= 0,152. 0,153
( 5−2 ) ! 2!
= 0,1382

b(3; 5; 0,15) = 5C₃ . 0,15 . 0,85

3 5−3

5!
= 0,153. 0,152
( 5−3 ) ! 3 !

= 0,0244

b(4; 5; 0,15) = 5C₄ . 0,154. 0,85 5−4

5!
= 0,154. 0,151
( 5−4 ) ! 4 !

= 0,002
b(5; 5; 0,15) =5C₅. 0,155. 0,85 5−5
5!
= 0,155. 0,150
( 5−5 ) ! 5 !

= 0,0001

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

atau
b(x ≥1; 5, 0,15) = 1 – b (x = 0)
= 1 — 5C0 . 0,150. 0,85 5−0
5! 0
=1— 0,15 . 0 ,15⁵
( 5−0 ) !0 !
= 1— 0,4437

= 0,5563

c) Tepat 2 diantaranya menyatakan biasa saja (p(x)=2).

p=0,25

13
 b(2; 5; 0,25) =5C₂ . 0,252. 0,75 5−2

5!
= ( 5−2 ) ! 2! 0,252.
0,255−0

= 0,2637

d) Ada 2 sampai 4 yang menyatakan puas (x ≤ 2 x ≤ 4)

P=0,40

b(2; 5; 0,40) = 5C₂.0,402. 0,60 5−2

5!
= 0,402. 0,603
( 5−2 ) ! 2!

= 0,3456

b(3; 5;0,40) =5C₃ . 0,403. 0,60 5−3

5!
= 0,403. 0,602
( 5−3 ) ! 3 !

= 0,2304

b(4; 5;0,40) = 5C₄. 0,404. 0,60 5−4

5!
= 0,404. 0,601
( 5−4 ) ! 4 !

= 0,0768
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.

14
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 (b).
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.

C. Pengertian Distribusi Poisson

1. Defenisi Distribusi Poisson

Dalam teori probabilitas dan statistika, Distribusi Poisson adalah distribusi

probabilitas diskret yang menyatakan peluang jumlahn peristiwa yang terjadi pada
periode waktu tertentu apabila rata – rata kejadian tersebut diketahui dan dalam
aktu yang saling bebas sejak kejadian terakhir. Distribusi Poisson juga dapat
digunakan untuk jumlah kejadian pada interval tertentu seperti jarak, luas, atau
volume.

2. Syarat Menggunakan Distribusi Poisson

15
  Variabel acak adalah julah kemunculan suatu peristiwa selama beberapa
interval.
 Kejadian harus acak
 Kejadian harus independen satu sama lain
 Kejadian harus didistribusikan secara seragam selama interval yang
digunakan.

3. Sumbu Grafik Distribusi Poisson

Poisson :

Sumbu aksis adalah indeks k. Fungsi ini hanya didefinisikan untuk

bilangan bulat k. Garis penghubung hanya ilustrasi untuk
memudahkan.

Fungsi distribusi kumulatif

16
Sumbu aksis adalah indeks k. Fungsi Distribusi Kumulatif diskontinyu
pada bilangan bulat k dan lainnya datar, karena variabel yang
digunakan adalah bilangan bulat.

4. Contoh Soal Distribusi Poisson

 Soal Nomor 1

Apakah artinya $Y \sim P(y; 2)$? Tuliskan bentuk fungsi peluangnya.

Pembahasan

$Y \sim P(y; 2)$ artinya peubah acak $Y$ yang berdistribusi Poisson dengan
parameter $\lambda = 2$. Fungsi peluang dari $Y$ berbentuk:
$p(y) = \dfrac{2^ye^{-2}} {y!}; y = 0,1,2,3,\cdots$

 Soal Nomor 2

Misalkan $X$ adalah peubah acak berdistribusi Poisson dengan parameter $\

lambda$. Jika $P(X = 0) = 0,2$, maka nilai dari $P(X = 2)$ adalah $\cdots \cdot$

Pembahasan

Fungsi peluang dari distribusi Poisson adalah $P(X = x) = \dfrac{\

lambda^xe^{-\lambda}} {x!},$ $x = 0,1,2,3,\cdots$
Langkah pertama adalah menentukan nilai $\lambda$ sebagai berikut.
$$\begin{aligned} P(X = 0) & = 0,2 \\ \dfrac{\lambda^0e^{-\lambda}} {0!} & =
0,2 \\ e^{-\lambda} & = 0,2 \\ \lambda & \approx 1,6 \end{aligned}$$Jadi,
diperoleh $\lambda = 1,6$.

17
Selanjutnya, akan dicari nilai dari $P(X = 2)$ sebagai berikut.
$P(X = 2) = \dfrac{(1,6)^2e^{-1,6}} {2!} \approx 0,2584$.

BAB III

PENUTUP

A. KESIMPULAN

Berdasarkan pembahasan yang telah penyusun uraikan diatas, maka dapat

disimpilkan bahwa peluang kontinu yang erpening dalam seluruh bidang statistika
adalah distribusi normal. Distribusi normal merupakan suatu alat statistik yang
sangat penting untuk menaksir dan meramalkan peistiwa – peristiwa yang lebih
luas.

B. SARAN

Dalam penulisan makalah ini kami menyadari bahwa masih banyak

kekeliruan dan kesalahan dalam hal penulisan dan penyusunannya. Oleh karena

itu, kai menantikan saran dan kritik yang sifatnya membangun untuk perbaikan

18
selanjutnya. Semoga maklah inibermanfaat bagi pembaca dan dapat menambah

pustaka keilmuwan mahasiswa.

DAFTAR PUSTAKA

http://fathur14klose.blogspot.com/2011/12/makalah-statistika-distribusi-
binomial.html diakses pada hari Senin tanggal 24 Desember 2012 pukul
11.07 WIB.

http://sainsmatika.blogspot.com/2012/03/probabilitas-peluang.html diakses hari

Senin tanggal 24 Desember 2012 pukul 11.44 WIB

19