Fakultas Teknik dan komputer

17/April/2023

konsep Distribusi Poisson

Selvia ayu syaputri
Informatika
Selvia_ayu_syaputri@teknokrat.ac.id

Abstrak
Makalah ini merupakan studi literatur dengan jenis penelitian kualitatif deskritif dengan
kajian kepustakaan (library research) yang berusaha mengambarkan konsep distribusi
poisson. Pada penelitian studi literatur ini penulis menggunakan berbagai sumber tertulis
seperti artikel, jurnal dan dokumen-dokumen yang relevan dengan kajian dalam penelitian
ini. Studi ini mefokuskan pada konsep distribusi poisson. Hasil studi menunjukan bahwa
konsep distribusi poisson merupakan distribusi nilai-nilai bagi suatu variable
random X (X diskrit) yaitu banyaknya hasil percobaan yang terjadi dalam suatu interval waktu
tertentu atau di suatu daerah tertentu. Distribusi Poisson disebut juga distribusi peristiwa yang
jarang terjadi, ditemukan oleh S.D. Poisson (1781 – 1841), seorang ahli matematika bangsa
Prancis. Distribusi poisson termasuk distribusi teoretis yang memakai variabel random diskrit

PENDAHULUAN
Distribusi Poisson merupakan suatu distribusi peluang yang digunakan untuk menghitung
kemungkinan jumlah kejadian dalam suatu interval waktu atau ruang tertentu. Distribusi
Poisson sering digunakan untuk menghitung frekuensi peristiwa acak seperti jumlah
kecelakaan lalu lintas dalam suatu wilayah dalam waktu tertentu, jumlah orang yang
terinfeksi penyakit dalam suatu populasi dalam waktu tertentu, atau jumlah kemungkinan
kecelakaan pabrik dalam suatu tahun. Dalam distribusi Poisson, angka rata-rata kejadian
dalam suatu interval waktu atau ruang tertentu dinyatakan dengan lambda (λ). Kemudian,
probabilitas kejadian spesifik dapat dihitung menggunakan rumus distribusi Poisson.
Distribusi Poisson sangat berguna dalam banyak bidang, termasuk statistik, teknik industri,
dan ilmu sosial. Hal ini juga digunakan untuk memodelkan kejadian acak dalam peramalan
permintaan produk, analisis kualitas, dan pengelolaan risiko

KAJIAN PUSTAKA
Pengertian DISTRIBUSI POSSION
Distribusi Poisson adalah distribusi probabilitas diskrit yang sering digunakan dalam
memodelkan peristiwa yang terjadi secara acak dan tidak terduga dalam waktu atau ruang
Selvia_ayu_syaputri 1
 Fakultas Teknik dan komputer
17/April/2023

tunggal. Distribusi ini memiliki parameter tunggal yang disebut sebagai rata-rata atau nilai
harapan lambda λ, yang menunjukkan jumlah peristiwa yang diharapkan terjadi dalam waktu
atau ruang tertentu. Distribusi Poisson sering diterapkan dalam analisis statistik dan ilmu
pengetahuan lainnya, seperti fisika, ekonomi, dan biologi. Contoh peristiwa yang dapat
dimodelkan dengan distribusi Poisson meliputi jumlah pelanggan yang datang ke sebuah
toko dalam satu hari, jumlah kecelakaan lalu lintas di suatu jalan raya dalam satu tahun, atau
jumlah partikel radioaktif yang terdeteksi dalam waktu tertentu. Distribusi Poisson memiliki
beberapa sifat yang penting, antara lain: Peluang kejadian tunggal adalah proporsional
terhadap lamba. Kejadian tersebut bersifat acak dan terlepas satu sama lain. Rata-rata dan
varians dari distribusi Poisson adalah sama, yaitu lambda. Distribusi Poisson dapat dihitung
menggunakan formula matematika yang relatif sederhana. Dalam penggunaannya, distribusi
Poisson memberikan kemudahan dalam membuat prediksi atau perkiraan terhadap peristiwa
di masa depan berdasarkan data historis yang tersedia. Namun demikian, penggunaan
distribusi ini juga memiliki keterbatasan, terutama jika peristiwa tersebut tidak memenuhi
asumsi dasar dari distribusi Poisson atau terdapat faktor-faktor yang mempengaruhi kejadian
tersebut. Distribusi poisson dipakai jika suatu kejadian dengan probabilitas (P) dan
menyangkut kejadian yang luas (n) maka distribusi binomial tidak mampu lagi menentukan
probabilitas variabel diskrit tersebut. Distribusi poisson disebut juga sebagai distribusi
peristiwa yang jarang terjadi (distribution of rare events). distribusi Poisson dipakai untuk
menentukan peluang suatu kejadian yang jarang terjadi/probabilitas kecil, populasinya luas,
dan kadang kala berhubungan dengan waktu.

METODE
Metode Penelitian

Konsep Distribusi Poisson adalah salah satu metode penelitian dalam statistika yang
digunakan untuk menghitung peluang terjadinya suatu peristiwa yang langka dalam waktu
tertentu. Distribusi Poisson dapat digunakan untuk menghitung jumlah kejadian dalam suatu
waktu tertentu, seperti jumlah pelanggan yang datang ke restoran dalam satu jam, jumlah
kendaraan yang melintas di jalan raya dalam satu jam, atau jumlah kejadian kecelakaan di
jalan raya dalam satu hari. Metode Distribusi Poisson berguna dalam analisis data yang tidak
terdistribusi normal, seperti data count atau data diskrit. Metode ini juga dapat digunakan
dalam analisis risiko, khususnya dalam menentukan frekuensi kejadian risiko (exposure)
dalam suatu periode waktu tertentu.

A. Ciri-ciri Distribusi Poisson

Distribusi Poisson memiliki ciri-ciri sebagai berikut.

Selvia_ayu_syaputri 2
 Fakultas Teknik dan komputer
17/April/2023

1. 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.
2. 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.
3. Probabilitas lebih dari satu hasil percobaan yang terjadi dalam interval
waktu yang singkat atau dalam daerah yang kecil dapat diabaikan.
B. Kegunaan Distribusi Poisson
Distribusi Poisson banyak digunakan dalam hal berikut.
1. Menghitung probabilitas terjadinya peristiwa menurut satuan waktu, ruang
atau isi, luas, panjang tertentu, seperti menghitung probabilitas dari:
• banyaknya penggunaan telepon per menit atau banyaknya mobil yang lewat
selama 5 menit di suatu ruas jalan;
• banyaknya bakteri dalam 1 tetes atau 1 liter air;
• banyaknya kesalahan ketik per halaman sebuah buku;
• banyaknya kecelakaan mobil di jalan tol selama minggu pertama bulan
Oktober.
2. Menghitung distribusi binomial apabila nilai n besar (n ≥ 30) dan p kecil (p
< 0,1)

C. Rumus Distribusi Poisson

Probabilitas suatu peristiwa yang berdistribusi Poisson dirumuskan:
P(X=x)=λxe−λx!
Keterangan:
λ = rata-rata terjadinya suatu peristiwa bilangan alam
e = bilangan natural = bilangan euler = 2,71828
Probabilitas suatu peristiwa yang berdistribusi Poisson bisa juga dirumuskan:
P(X=x)=e−λt(λt)xx!
Keterangan:
λ = tingkat kedatangan rata-rata per satuan waktu
t = banyaknya satuan waktu
x = banyaknya kedatangan dalam 𝑡 satuan waktu
e = bilangan alam = 2,71828
E. Probabilitas distribusi Poisson kumulatif
Probabilitas Poisson kumulatif adalah probabilitas dari peristiwa Poisson lebih dari
satu. Probabilitas Poisson kumulatif (PPK) dapat dihitung dengan rumus:
PPK=∑nx=0λxe−λx!
PPK=∑nx=0P(X=x)
Selvia_ayu_syaputri 3
 Fakultas Teknik dan komputer
17/April/2023

PPK=P(X=0)+P(X=1)+P(X=2)+...+P(X=n).

D. Distribusi Poisson sebagai pendekatan distribusi binomial

Distribusi Poisson sebagai pendekatan distribusi binomial dirumuskan:
P(X=x)=(n×p)x×e−n×px!
Keterangan:
n×p = rata-rata distribusi binomial

E. Rata-rata, Varians, dan Simpangan Baku Distribusi Poisson

Distribusi Poisson memiliki rata-rata (mean), varians, dan simpangan baku sebagai
berikut:
• Rata-rata Distribusi Poisson
E(X)=μ=λ=n×p
• Varians Distribusi Poisson
E(X−λ)2=σ2=n×p
• Simpangan baku Distribusi Poisson
σ=λ−−√=n×p−−−−−√

HASIL DAN PEMBAHASAN

Distribusi peluang suatu peubah acak poisson X disebut distribusi poisson karena nilainya
hanya tergantung pada rata-rata banyaknya sukses yang terjadi dalam selang waktu atau
daerah tertentu. Panjang selang waktu tersebut boleh berapa saja, semenit, sejam, seminggu,
sebulan atau malah setahun. Daerah yang dimaksud dapat berupa sepotong garis, suatu
luasan, suatu isi, ataupun barangkali sepotong benda.
Distribusi poisson diturunkan dari distribusi binomial, yaitu pada kasus khusus dimana
banyak perulangan eksperimennya relatif besar (secara matematik dinotasikan 𝑛 → ∞), dan
probabilitas kejadian yang menjadi fokus perhatian relatif kecil (secara matematik
dinotasikann è → 0 ). Penurunan fungsi poisson diperoleh dari fungsi peluang binomial,
dengan menggunakan pemisalan: 𝑛 ∙ 𝜃 = 𝜆 sehingga 𝜃 = 𝜆 .
𝑛

SIMPULAN
industri 4.0 akan membawa banyak perubahan dengan segalakonsekuensinya, industri
akan semakin kompak dan efisien. Namun ada pularisiko yang mungkin muncul,
misalnya berkurangnya Sumber Daya Manusiakarena digantikan oleh mesin atau
robot.Dunia saat ini memang tengah mencermati revolusi industri 4.0 ini secarasaksama.
Berjuta peluang ada di situ, tapi di sisi lain terdapat berjuta tantangan yang harus dihadapi.
Revolusi Industri 4.0 ditandai dengan berkembangnyaInternet dari/untuk Things,
Selvia_ayu_syaputri 4
 Fakultas Teknik dan komputer
17/April/2023

kehadirannya begitu cepat.Banyak hal yang tak terpikirkan sebelumnya, tiba-tiba muncul
dan menjadiinovasi baru, serta Mmenatapnya lahan bisnis yang Smengangkat besar.
Munculnyatransportasi dengan sistem ride-sharing seperti Go-jek,Uber, dan Grab.
Kehadiranrevolusi industri 4.0 memItu menghadirkan usaha baru, lapangan kerja
baru,profesi baru yang tak terpikirkan sebelumnya.

REFERENSI

https://www.slideshare.net/farkhanerha/makalah-poisson
https://emanmendrofa.blogspot.com/2014/10/distribusi-poisson.html
- Hasan, Iqbal. 2012. Pokok-pokok Materi Statistika 2 (Statistika Inferensif). Jakata: PT
Bumi Aksara.
- Spiegel, Murray R. 2004. Schaum’s Easy Outline Statistik. Jakarta: Erlangga.
- Spiegel, Murray R & Stephens, Larry J. 2004. Schaum’s Outline (Teori dan Soal-soal).
Jakarta: Erlangga.

Selvia_ayu_syaputri 5