OLEH:
122410012
JURUSAN SAINS
2023
DAFTAR ISI
ii
BAB 1 LATAR BELAKANG
Distribusi peluang adalah konsep dalam statistik yang digunakan untuk
menggambarkan perilaku peluang atau probabilitas dari berbagai kejadian atau peristiwa
dalam suatu percobaan atau keadaan tertentu. Distribusi peluang digunakan untuk
menganalisis dan memodelkan bagaimana peluang terdistribusi di antara berbagai
kemungkinan yang mungkin terjadi dalam suatu percobaan atau kejadian acak.
Distribusi peluang memiliki peran penting dalam statistik karena membantu kita
dalam menggambarkan dan memahami peluang berbagai kejadian dalam kejadian acak,
membuat prediksi, menghitung estimasi, dan melakukan berbagai jenis analisis statistik
lainnya. Distribusi peluang juga membantu dalam pengambilan keputusan yang
didasarkan pada data dan analisis statistik.
1
BAB 2 TINJAUAN PUSTAKA
2.1 Distribusi Diskrit
Distribusi diskrit adalah suatu daftar atau distribusi di mana variabel randomnya
mengasumsikan masing-masing nilainya dengan probabilitas tertentu. Variabel diskrit
memiliki jumlah nilai kemungkinan yang terbatas atau jumlah yang tak terhingga dari
nilai-nilai yang dapat dihitung. Kata “dihitung” berarti bahwa variabel random tersebut
dapat dicacah dengah menggunakan angka 1, 2, 3, dst. Misalnya, jumlah panggilan
telepon yang diterima setelah siaran TV mengudara adalah contoh variabel diskrit, karena
bisa dihitung.
2
peluang sukses dilambangkan p, sedangkan peluang gagal adalah (1-p) atau
biasa juga dilambangkan q, di mana q = 1-p.
2.12 Distribusi 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.
Distribusi poisson adalah distribusi peluang random poisson X, yang menyatakan
banyaknya sukses yang terjadi dalam suatu selang waktu atau daerah tertentu. Distribusi
poisson adalah pengembangan dari distribusi binomial yang mampu mengkakulasikan
distribusi probabilitas dengan kemungkinan sukses (p) sangat kecil dan jumlah
eksperimen (n) sangat besar (misal 100 atau lebih). Karena 𝑝𝑟(𝑥) distribusi poisson
biasanya melibatkan jumlah n yang besar, dengan p kecil, distribusi ini biasanya
digunakan untuk menghitung nilai probabilitas suatu kejadian dalam suatu selang waktu
dan daerah tertentu. Contoh: Banyaknya bakteri dalam air yang bersih, Banyaknya
presiden yang meninggal karena kecelakaan 5 lalulintas, Banyaknya dering telepon dalam
satu jam di suatu kantor. (Tiara, 2020)
Distribusi Poisson memiliki ciri-ciri sebagai berikut:
- Banyaknya hasil percobaan yang terjadi dalam suatu interval waktu atau suatu
daerah tertentu tidak tergantung 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.
Distribusi poisson banyak digunakan dalam hal 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.
3
2.13 Distribusi Bernoulli
Percobaan Bernouli menghasilkan dua kemungkinan hasil yaitu sukses dan gagal.
Percobaan ini hanya dilakukan 1 kali tindakan saja. Bisa dikatakan bawa Bernouli adalah
Binomial saat n=1 Contohnya yaitu pada kasus pelemparan mata uang koin. Percobaan
tersebut akan menghasilkan dua buah kemungkinan yaitu angka dan gambar.
Salah satu distribusi yang sering digunakan untuk distribusi variabel random.
Variabel random yang mempunyai rata-rata dan variansi yang berbeda dapat digambarkan
dengan distribusi normal. Distribusi normal memiliki kurva berbentuk lonceng yang
simetris yang ditentukan oleh rata-rata yang dituliskan di tengah kurva dan variansi untuk
menentukan lebarnya kurva.
4
2.23 Distribusi Gamma dan Beta
Distribusi gamma merupakan teori yang mendasari distribusi erlang dan
eksponensial,, r pada distribusi ini dapat bernilai non integer. Distribusi beta merupakan
sebuah penjabaran dari distribusi uniform.
5
BAB 3 PERMASALAHAN
1. Susunlah sebuah table bantu Normal Baku dengan nilai Z berkisar dari -5 sampai
5 serta ketelitian 3 desimal di belakang koma!
2. Susunlah table bantu Binomial Kumulatif dengan n berkisar dari 0 sampai 10 serta
ketelitian 2 desimal di belakang koma!
6
BAB 4 PENYELESAIAN
4.1 Tabel Normal Baku (Penyelesaian Soal No.1)
Tahapan Pengerjaan
a. Susun wadah/kriteria tabel
Susun wadah atau ketentuan table normal baku seperti gambar diatas dengan
ketentuan :
- Tabel normal baku dengan kisaran nilai -5 < Z < 5
- Ketelitian 6 desimal di belakang koma
b. Masukkan fungsi peluang distribusi normal
Berdasarkan wadah/kriteria gambar poin a, masukan fungsi berikut pada cell
C3.
=NORM.S.DIST($B3-C$2)
Copy-Paste atau geser cell C3 sampai nilai Z = 0,000
7
fungsi berikut pada cell C54
=NORM.S.DIST($B54+C$2)
Copy-Paste atau geser cell B43 sampai nilai Z = 5,000
8
c. Isi seluruh cell
9
4.2 Tabel Binomial (Penyelesaian Soal No.2)
Tahapan Pengerjaan
10
Susun wadah atau ketentuan table binomial seperti gambar diatas dengan
ketentuan :
- N maksimal yaitu 10
- Peluang yang dicari dengan ketelitian 3 desimal di belakang koma.
b. Masukan fungi peluang distribusi binomial
Berdasarkan wadah/kriteria gambar poin a, masukan fungsi berikut pada cell
D4
=BINOM.DIST($C4;$B$4;D$3;TRUE)
11
Copy-Paste atau geser cell D4 sampai memenuhi nilai pada n sama dengan
1.
Lakukan hal yang sama pada n berikutnya yakni 2-10 dengan menggunakan
fungsi pada n sama dengan 1.
12
c. Isi seluruh cell
13
14
BAB 5 KESIMPULAN
Pada pratikum kali ini, dapat kita simpulkan bahwa dengan menggunakan
distribusi peluang, kita dapat mengelola dan menyelesaikan ketidakpastian dalam
berbagai kejadian, membantu membuat keputusan yang lebih baik dan melakukan
analisis yang lebih akurat. Distribusi peluang adalah solusi yang sangat penting dalam
pemecahan masalah yang melibatkan kejadian acak dan ketidakpastian.
Tabel distribusi adalah alat yang sangat berguna dalam analisis data dan statistik.
Hal ini dapat memberikan gambaran yang jelas tentang bagaimana data terdistribusi,
termasuk frekuensi atau probabilitas berbagai nilai atau hasil. Dengan tabel distribusi,
kita dapat dengan mudah mengidentifikasi pola, tendensi, dan karakteristik data, yang
merupakan langkah penting dalam pemecahan masalah dan pengambilan keputusan.
Dalam statistik, tabel distribusi memungkinkan kita untuk menghitung berbagai statistik
deskriptif dan melakukan pengujian hipotesis. Selain itu, tabel distribusi juga digunakan
dalam berbagai aplikasi lain, seperti pengelolaan risiko, perencanaan bisnis, dan
pemodelan fenomena alam. Oleh karena itu, pemahaman tentang tabel distribusi adalah
aspek yang sangat penting dalam analisis data dan statistik yang efektif.
15
DAFTAR PUSTAKA
16
17