MAKALAH METODE STATISTIKA

DISTRUBUSI PELUANG DISKRIT TENTANG

HIPERGEOMETRIK DAN POISSON

Disusun oleh:

Salma Amelia Saharani (24010122140099)

Dhandy Syahmai Pattiasina (24010122140103)

Candra Dewi Rahmawati (24010122140143)

Muhammad Arif Satria (24010122140151)

Intan Febriyan Chantiqa Putri (24010122140155)

DEPARTEMEN MATEMATIKA

FAKULTAS SAINS DAN MATEMATIKA

UNIVERSITAS DIPONEGORO

2023
 KATA PENGANTAR

Puji dan syukur senantiasa kami panjatkan kehadirat Allah SWT

yang telah melimpahkan rahmat dan karunia-Nya, sehingga kami dapat
menyelesaikan makalah ini guna memenuhi tugas kelompok untuk mata
kuliah Metode Statistika, dengan judul: "Distribusi Peluang Diskrit Tentang
Hipergeometrik dan Poisson".

Kami menyadari bahwa dalam penulisan makalah ini tidak terlepas

dari bantuan banyak pihak yang dengan tulus memberikan saran dan kritik,
sehingga makalah ini dapat terselesaikan.

Kami juga menyadari sepenuhnya bahwa makalah ini jauh dari kata
sempurna dikarenan keterbatasan pengalaman dan pengetahuan kami. Maka
dari itu, kami mengharapkan segala bentuk saran dan masukan serta kritik
dari berbagai pihak. Akhirnya, kami berharap semoga makalah ini dapat
memberikan arti dalam memperkaya khasanah keilmuan para pembaca
yang selalu haus dan lapar dengan ilmu pengetahuan.
 BAB I

PENDAHULUAN

1.1. Latar Belakang

Distribusi peluang diskrit merupakan suatu ruang sampel yang
memiliki jumlah titik sampel yang terhingga atau suatu barisan unsur yang
tidak ada batas akhirnya, tetapi sama banyaknya dengan jumlah cacah.
Distribusi peluang diskrit dibagi menjadi 3 ciri, yaitu:
1. Jumlah total peluangnya sama dengan 1
2. Peluang dari suatu hasil adalah antara 0 sampai 1
3. Hasilnya tidak terikat satu sama lain

Distribusi peluang diskrit sendiri memilik 4 macam distribusi

yaitu, distribusi binomial, distribusi multinomial, distribusi hipergeometrik,
distribusi poisson. Disini kelompok kami akan membahas tentang sifat
distribusi hipergeometrik dan distribusi poisson.

• Distribusi Hipergeometrik
Distribusi hipergeometrik memiliki 5 ciri yaitu :
1. Distribusi ini hanya memiliki 2 hasil yang mungkin muncul
2. Peluang sebuah sukses tidak sama untuk setiap percobaan
3. Distribusi ini dihasilkan dari perhitungan jumlah sukses dari
sejumlah percobaan
4. Distribusi ini digunakan ketika pengambilan sampel dilakukan tanpa
pengembalian
5. Sebuah peluang hipergeometrik dihitung dengan menggunakan
rumus sebagai berikut:

(𝑘𝑥)(𝑁−𝑘
𝑛−𝑥
)
𝑓(𝑥) = 𝑃(𝑋 = 𝑥) =
(𝑁
𝑛
)
 Distribusi Hipergeometrik mempunyai 2 sifat yaitu:

1. Secara acak diambil sebanyak n tanpa dikembalikan dari N benda

2. k dari N benda diklasifikasikan sukses dan N-k diklasifikasikan
gagal

• Distribusi Poisson

Distribusi Poisson merupakan distribusi yang menghasilkan nilai

numerik dari peubah acak X pada selang waktu yang tertentu atau daerah
tertentu. Distribusi Poisson memiliki 3 sifat, yaitu :

1) Jumlah hasil yang terjadi dalam satu selang waktu atau daerah
tertentu adalah independen terhadap hasil yang terjadi pada selang
atau daerah lain. Proses Poisson dikatakan tidak mempunyai ingatan.
2) Peluang terjadinya suatu hasil (tunggal) dalam selang waktu yang
sangat pendek atau daerah yang sangat kecil sebanding dengan
panjang selang waktu atau besarnya daerah dan tidak bergantung
pada banyaknya hasil yang terjadi di luar selang atau daerah tersebut.
3) Peluang terjadinya lebih dari satu hasil yang terjadi dalam selang
waktu yang pendek dapat diabaikan.

1.2. Rumusan Masalah

1. Apa perbedaan antara distribusi hipergeometrik dan distribusi poisson
dan bagaimana penggunaan kedua distribusi tersebut
2. Apa yang dapat dilakukan untuk dapat memilih antara distribusi
hipergeometrik dan distribusi poisson dengan benar
 BAB II

PEMBAHASAN

Untuk menjelaskan konsep dan manfaat dari distribusi diskrit, langkah awal
yang perlu dilakukan adalah memperkenalkan topik mengenai Variabel Acak.
Istilah "acak" dalam Variabel Acak merujuk pada gagasan bahwa setiap hasil
individu memiliki kesempatan yang sama untuk terjadi. Oleh karena itu, setiap
hasil ditentukan secara random. Sebagai contoh, ketika melempar koin yang adil,
kemungkinan untuk muncul kepala atau ekor adalah sama. Oleh karena itu,
Variabel Acak ditentukan oleh hasil dari pelemparan koin. Namun, dalam teknik
kimia, sering kali kita hanya tertarik pada beberapa fungsi dari hasil daripada hasil
itu sendiri ketika melakukan suatu proses. Sebagai contoh, dalam reaktor kimia,
kita mungkin ingin mengetahui probabilitas bahwa dua molekul akan
bertumbukan dan bereaksi untuk membentuk suatu produk pada suhu tertentu,
tetapi lebih berguna untuk mengetahui jumlah dari tumbukan tersebut yang
membentuk produk daripada kejadian individual. Analoginya adalah ketika
melempar dua dadu, kita ingin mengetahui jumlah total dari dadu yang terlempar
daripada jumlah dadu secara individual. Nilai-nilai diskrit yang ditentukan pada
beberapa ruang sampel inilah yang membentuk apa yang disebut Variabel Acak.

2.1. Hipergeometrik
Distribusi hipergeometrik adalah distribusi probabilitas yang
digunakan untuk menghitung kemungkinan mengambil sampel yang sukses
(contohnya, objek dalam populasi yang memiliki sifat tertentu) dari populasi
yang diberikan ukuran tertentu, tanpa pengembalian. Distribusi ini sangat
berguna dalam konteks pengambilan keputusan bisnis dan analisis
statistik.Distribusi hipergeometrik memodelkan situasi di mana kita
memiliki populasi dengan dua kelas, yaitu kelas sukses dan kelas gagal.
Populasi ini memiliki ukuran N, dengan K objek dalam kelas sukses dan N-
K objek dalam kelas gagal. Kemudian, kita mengambil sampel acak tanpa
pengembalian sebanyak n objek dari populasi tersebut, dan menghitung
berapa banyak objek sukses yang ada dalam sampel tersebut.
Probabilitas untuk mendapatkan k objek sukses dalam sampel n objek
dapat dihitung dengan

(𝑘𝑥)(𝑁−𝑘
𝑛−𝑥
)
𝑓(𝑥) = 𝑃(𝑋 = 𝑥) =
(𝑁
𝑛
)

Di mana X adalah variabel acak yang mewakili jumlah objek sukses

dalam sampel, dan "choose" menunjukkan koefisien binomial, yaitu jumlah
cara yang mungkin untuk memilih k objek dari K objek, atau n-k objek dari
N-K objek.

2.1.1. Pengertian Distribusi Hipergeometrik

Jika sampling dilakukan tanpa pengambilan dari kejadian
sampling yang diambil dari populasi dengan kejadian-kejadian
terbatas, proses Bernoulli tidak dapat digunakan, karena ada
perubahan secara sistematis dalam probabilitas sukses seperti
kejadian-kejadian yang diambil dari populasi. Jika pengambilan
sampling tanpa pengambilan digunakan dalam situasi sebaliknya
dengan memenuhi syarat Bernoulli, distribusi hipergeometrik adalah
distribusi probabilitas diskrit yang tepat.
Jika X melambangkan jumlah sukses dalam sample, N
melambangkan jumlah kejadian dalam populasi, XT melambangkan
jumlah sukses dalam populasi, dan n jumlah sample, formula untuk
menentukan probabilitas hipergeometrik adalah Dapat disimpilkan
bahwa distribusi hipergeometrik adalah distribusi probabilitas diskrit
dari sekelompok obyek yang dipilih tanpa pengembalian.
2.1.2. Karakteristik Distribusi Hipergeometrik
Eksperimen hipergeometrik memiliki karakteristik sebagai
berikut:
1) Sebuah sampel random berukuran n diambil tanpa pengembalian
dari N item (populasi).
2) k dari N item dapat diklasifikasikan sebagai sukses dan N – k
diklasifikasikan sebagai gagal.
Jumlah sukses yang terjadi dalam suatu eksperimen
hipergeometrik disebut dengan variabel random hipergeometrik dan
distribusi probabilitas dari variabel random ini disebut dengan
distribusi hipergeometrik.

2.1.3. Istilah Dalam Distribusi Hipergeometrik

Misalkan dalam sebuah populasi berukuran N benda, terdapat
2 jenis sampel yang berbeda, benda yang sukses/berhasil diberi label
“k” dan benda yang gagal diberi label “N - k”, maka sebaran peluang
bagi peubah acak hipergeometrik X, yang menyatakan banyaknya
keberhasilan dalam contoh acak berukuran n, adalah :
Keterangan:
N = Total populasi atau sampel.
k = jumlah benda yang diberi label “berhasil” yang tersedia
n = jumlah percobaan atau jumlah sampel yang dipilih
x = jumlah kejadian yang sukses
Sedangkan dalam populasi N benda terdapat lebih dari 2 jenis
sampel yang berbeda, maka sebaran peluang bagi peubah acak
hipergeometrik X, yang menyatakan banyaknya keberhasilan dalam
contoh acak berukuran n, adalah:
Keterangan :
N = k1 + k2 + k3 + … + kn
x = x1 + x2 + x3 + … + xn
n = Jumlah sampel yang dipilih
2.1.4. Rumus-rumus Distribusi Hipergeometrik
• Nilai mean distribusi hipergeometrik
Rataan atau nilai Mean (μ) dari suatu distribusi hipergeometrik
dapat diperoleh dengan rumus: μ = n.kN
Keterangan:
μ: mean (rata-rata)

• Nilai harapan distribusi hipergeometrik

Nilai harapan distribusi hipergeometrik adalah jumlah dari
semua hasil perkalian antara nilai variabel random dengan nilai
probabilitas hipergeometrik dari nilai tersebut. Yang
dirumuskan sebagai berikut: E(X) = X.P(X)

2.1.5. Penggunaan Distribusi Hipergeometrik

Distribusi hipergeometrik dapat diaplikasikan pada banyak
bidang, misalnya pada penerimaan sampel (acceptance sampling),
pengujian elektronik, dan pengendalian kualitas (quality control)
dari suatu hasil produksi. Dalam banyak bidang ini, pengujian
dilakukan terhadap barang yang diuji yang pada akhirnya barang
uji tersebut menjadi rusak, sehingga tidak dapat dikembalikan.
Jadi, pengambilan sampel harus dikerjakan tanpa pengembalian.
Berikut beberapa aplikasi distribusi hipereometrik dalam
kehidupan sehari–hari:
• Kita dapat mengetahui jumlah barang yang rusak dalam
sampel acak dari sejumlah kiriman
• Jumlah permen yang di ambil dari dalam kotak dengan rasa
tertentu
• Aplikasi dalam pendidikan seperti dalam penyelidikan
pendapat umum atau survey.
 2.1.6. Ciri-ciri percobaan hipergeometri:
• Sampel acak berukuran n diambil dari populasi berukuran N
• K dari N objek dikategorikan sebagai sukses dan N – K
dikategorikan gagal.

2.2. Poisson
Distribusi poisson disebut juga distribusi peristiwa yang jarang
terjadi, ditemukan oleh S.D. Poisson (1781–1841), seorang ahli matematika
berkebangsaan Perancis. Distribusi Poisson termasuk distribusi teoritis yang
memakai variabel random diskrit. Menurut Walpole (1995), distribusi
poisson adalah distribusi peluang acak poisson X, yang menyatakan
banyaknya sukses yang terjadi dalam suatu selang waktu atau daerah
tertentu.
Distribusi Poisson merupakan 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.

2.2.1. Ciri-ciri Distribusi Poisson

• 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.
• 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.
2.2.2. Rumus Pendekatan Peluang Poisson
1) 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.
2) Distribusi Poisson mengkalkulasi distribusi probabilitas dengan
kemungkinan sukses p sangat kecil dan jumlah eksperimen n
sangat besar.
3) Rumus Distribusi Poisson suatu peristiwa
P (x ; μ) = e – μ . 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

2.3. Contoh Soal
1. Sebuah rak buku berisi 6 buku matematika, 5 buku fisika dan 4 buku
kimia. Ambil 3 buku secara acak.
a) Hitung peluang bahwa salah satu buku adalah buku matematika
b) Hitung nilai harapan bahwa buku matematika akan tepilih

Pembahasan:
C1: buku matematika
C2: non matematika
• X: banyaknya buku matematika yang tepilih dari 3 buku yang
diambil.
• X ~ H (x; N, n, k) dengan N = 15, n = 3, k = 6, x = 1

(𝑘𝑥)(𝑁−𝑘
𝑛−𝑥
)
𝑓(𝑥) = 𝑃(𝑋 = 𝑥) =
(𝑁
𝑛
)

a) Peluang buku matematika terpilih dari 3 buku yang diambil:

(61)(15−6
3−1
) (61)(29) 216
𝑓 (1) = 𝑃 (𝑋 = 1) = = =
(15
3
) (15
3
) 455

b) Ekspektasi banyaknya buku matematika terpilih dari 3 yang diambil

𝑘 6 6
𝐸 (𝑋 ) = 𝑛 ( ) = 3 ( ) = = 1,2
𝑁 15 5

2. Rata-rata jumlah kecelakaan lalu lintas di suatu ruas jalan raya tertentu
adalah dua kali per minggu. Asumsikan banyaknya kecelakaan
mengikuti distribusi Poisson dengan µ = 2.
a) Carilah peluang tidak terjadinya kecelakaan di ruas jalan raya ini
selama periode 1 minggu.
b) Temukan peluang terjadinya paling banyak tiga kecelakaan di ruas
jalan raya ini selama periode 2 minggu

Pembahasan:

2𝑘 ⅇ −2
a) Distribusi Poisson dengan mean µ = 2 𝑃(𝑘) = , dimana k
𝑘!

adalah jumlah kecelakaan per minggu. Adalah :

20 ⅇ −2
𝑃(0) = ≈ 0,135
0!

b) Jika rata-rata selama 1 minggu adalah 2 kecelakaan, maka rata-rata

selama 2 minggu adalah 4 kecelakaan. Distribusi dengan mean µ = 4
4𝑘 ⅇ −4
adalah 𝑃(𝑘) = , dimana k adalah banyaknya kecelakaan per
𝑘!

2 minggu.

Probalitas paling banyak tiga kecelakaan adalah :

𝑃(0) + 𝑃(1) + 𝑃(2) + 𝑃(3)

40 ⅇ −4 41 ⅇ −4 42 ⅇ −4 43 ⅇ −4
= + + + ≈ 0,433
0! 1! 2! 3!
 BAB III

PENUTUP

3.1. Kesimpulan

Distribusi diskrit hipergeometrik dan Poisson adalah dua jenis

distribusi probabilitas yang digunakan untuk menghitung kemungkinan
kejadian diskrit.

Distribusi hipergeometrik digunakan untuk menghitung probabilitas

dari kejadian yang melibatkan pengambilan sampel tanpa pengembalian dari
populasi yang terbatas dengan ukuran yang telah ditentukan, sedangkan
distribusi Poisson digunakan untuk menghitung probabilitas dari kejadian
langka yang terjadi secara acak dalam suatu interval waktu atau ruang
tertentu.

Kedua distribusi ini memiliki aplikasi yang luas dalam berbagai

bidang, seperti statistik, matematika, fisika, biologi, dan ilmu sosial. Namun,
keduanya juga memiliki batasan dalam penggunaannya, tergantung pada
asumsi yang dilakukan dalam model matematika yang digunakan.

Dalam kesimpulannya, kedua distribusi ini memberikan kemudahan

dalam perhitungan probabilitas kejadian diskrit yang sering terjadi di dunia
nyata. Namun, untuk memilih distribusi mana yang tepat untuk digunakan,
diperlukan pemahaman yang baik tentang asumsi yang terkait dengan kedua
distribusi tersebut, serta data yang dikumpulkan dan konteks di mana
distribusi tersebut akan digunakan.
 DAFTAR PUSTAKA

Boediono, & Koster, &. W. (199). Teori dan Aplikasi Statistika dan Probabilitas. Jakarta:
Rosda.

Dacey, M. F. (1969). A Hypergeometric Family of Discrete Probability Distributions:

Properties and Applications to Location Models. Geographical Analysis, 283-317.

Iqbal, H. M. (2001). Pokok-pokok Materi Statistika 2 (Statistik Inferensif). Jakarta: Bumi

Aksara.

Kaharuddin, A. (2018). DISTRIBUSI HIPERGEOMETRIK.

• Lampiran (Bukti Foto Kerja Kelompok)

• Pembagian Tugas Kelompok:

1. Cover + Kata Pengantar (Salma Amelia Saharani)
2. Pendahuluan (Candra Dewi Rahmawati)
3. Pembahasan (Muhammad Arif Satria)
4. Contoh soal (Dhandy Syahmai Pattiasina)
5. Penutup + Daftar Pustaka (Intan Febriyan Chantiqa Putri)