Distribusi Poisson adalah distribusi peluang dari berapa kali kejadian acak terjadi
(Buonaccorsi dan Skibiel, 2005). Distribusi poisson merupakan salah satu distribusi
diskret yang terapannya sangat luas dan banyak digunakan sebagai model eksperimen.
Sebagai contoh, bila kita memodelkan keadaan ketika kita menanti suatu peristiwa
terjadi misalnya kedatangan bus atau pelanggan, maka jumlah kedatangan dalam suatu
interval waktu dapat dimodelkan dengan distribusi poisson. Salah satu asumsi dasar
yang cocok untuk pembentukan distribusi poisson adalah untuk interval waktu kecil,
probabilititas kedatangan sebanding dengan waktu penantian.
Menurut Walpole dan Myers (1990), distribusi poisson merupakan percobaan yang
menghasilkan nilai-nilai bagi variabel random yang bernilai numerik, yaitu banyaknya
sukses selama interval waktu tertentu atau dalam daerah tertentu. Panjang interval
waktu tersebut dapat berapa saja, semenit, sehari, seminggu atau setahun.
DAFTAR ISI
RINGKASAN..............................................................................................................................2
DAFTAR ISI................................................................................................................................3
BAB I...........................................................................................................................................4
PENDAHULUAN........................................................................................................................4
A. Latar Belakang.................................................................................................................4
B. Tujuan Penelitian :............................................................................................................5
C. Rumusan Masalah :..........................................................................................................5
BAB II..........................................................................................................................................6
KAJIAN TEORI..........................................................................................................................6
BAB III........................................................................................................................................8
PEMBAHASAN..........................................................................................................................8
A. Penerapan Sebaran Poisson..............................................................................................8
B. Tujuan penggunaan Sebaran Poisson...............................................................................9
BAB IV......................................................................................................................................11
PENUTUP..................................................................................................................................11
A. Kesimpulan....................................................................................................................11
B. Saran..............................................................................................................................11
DAFTAR PUSTAKA................................................................................................................12
BAB I
PENDAHULUAN
A. Latar Belakang
Sebaran Poisson adalah salah satu konsep dalam teori probabilitas yang digunakan
untuk menggambarkan kejadian yang terjadi secara acak dalam interval waktu atau
ruang tertentu. Distribusi ini dinamai dari matematikawan Prancis, Siméon Denis
Poisson, yang pertama kali memperkenalkannya pada awal abad ke-19. Sebaran Poisson
seringkali diterapkan dalam berbagai konteks kehidupan sehari-hari karena mampu
menggambarkan kejadian langka atau jarang dengan baik. Sebaran Poisson sering
digunakan untuk menggambarkan jumlah kejadian yang terjadi dalam suatu interval
waktu tertentu. Contohnya dapat ditemukan dalam bidang bisnis, seperti jumlah
pelanggan yang datang ke toko dalam satu jam atau jumlah panggilan masuk ke pusat
layanan pelanggan dalam sehari.
Selain itu, distribusi ini juga dapat diterapkan pada kejadian yang terjadi dalam suatu
ruang tertentu. Misalnya, jumlah kendaraan yang lewat suatu titik kontrol lalu lintas
dalam suatu hari dapat diaproksimasi menggunakan Sebaran Poisson. Dalam bidang
kesehatan, Sebaran Poisson sering digunakan untuk menggambarkan jumlah kasus
penyakit langka dalam suatu populasi atau wilayah tertentu dalam interval waktu
tertentu. Sebaran Poisson juga dapat diterapkan dalam konteks proses produksi, seperti
jumlah produk cacat yang dihasilkan oleh suatu mesin dalam suatu periode waktu.
Dalam keamanan komputer, Sebaran Poisson dapat digunakan untuk menganalisis
frekuensi serangan siber yang terjadi pada suatu sistem dalam periode waktu tertentu.
Dalam manajemen jadwal dan layanan, Sebaran Poisson dapat membantu dalam
perencanaan sumber daya untuk mengatasi lonjakan permintaan atau kejadian yang
terjadi secara acak. Penerapan Sebaran Poisson dalam kehidupan sehari-hari
memberikan dasar matematis untuk mengelola dan memahami kejadian acak. Dengan
pemahaman ini, orang dapat membuat keputusan yang lebih baik dalam perencanaan,
pengelolaan risiko, dan alokasi sumber daya.
Gelman dan Nolan (2002) merancang masalah yang sifatnya terbuka (open ended)
untuk menemukan sekumpulan data nyata yang bisa dimodelkan oleh distribusi Poisson.
Mahasiswa diminta untuk mengumpulkan data yang memiliki setidaknya 25 titik data.
Mereka kemudian diinstruksikan untuk menguji kecocokan data dengan distribusi
Poisson. Melalui kegiatan ini muncul beberapa temuan, misalnya: sekitar setengah
mahasiswa membuat kesalahan besar dengan menggunakan data non-hitungan,
akibatnya data tersebut memiliki distribusi yang tidak sesuai dengan distribusi Poisson.
Meskipun distribusinya tidak sesuai, hal ini tidak mempengaruhi proses yang telah
dilakukan oleh mahasiswa karena pada intinya kita ingin mahasiswa belajar.
Berdasarkan pemaparan di atas, penelitian ini bertujuan untuk menerapkan rancangan
pembelajaran statistika matematika pada sub materi distribusi Poisson untuk membantu
mahasiswa mendapatkan pengalaman dalam menerapkan teori yang mereka pelajari
pada mata kuliah Statistik Matematika ke dunia nyata. Rancangan permasalahan dalam
penelitian ini mengadaptasi rancangan yang dikembangkan oleh Gelman dan Nolan.
Letak perbedaannya adalah peneliti berperan dalam menentukan permasalahan yang
akan ditinjau oleh mahasiswa, termasuk menentukan data yang akan dikumpulkan,
teknis pengumpulan data dan lembar tabulasi yang akan mahasiswa gunakan saat
pengumpulan data. Mahasiswa juga dipandu secara langsung oleh peneliti dalam
melakukan analisis data dengan memanfaatkan teknologi.
B. Tujuan Penelitian :
Tujuan penelitian ini adalah untuk memberikan pengetahuan kepada penggunaan
Sebaran Poisson adalah memberikan model matematis untuk menggambarkan dan
memahami distribusi jumlah kejadian langka yang terjadi dalam suatu interval waktu
atau ruang tertentu.
C. Rumusan Masalah :
1) Bagaimana penerapan sebaran Poisson dalam kehidupan sehari-hari ?
2) Apa tujuan dari penerapan seabaran Poisson ?
BAB II
KAJIAN TEORI
Sebaran Poisson adalah suatu distribusi probabilitas diskrit yang menggambarkan
jumlah kejadian langka yang terjadi dalam suatu interval waktu atau ruang tertentu.
Distribusi ini dinamai dari matematikawan Prancis, Siméon Denis Poisson, yang
memperkenalkannya pada awal abad ke-19. Kajian teori Sebaran Poisson melibatkan
konsep-konsep dasar dan properti distribusi ini.
2. Modelisasi Lalu Lintas: Dalam konteks lalu lintas, Sebaran Poisson digunakan
untuk memodelkan jumlah kendaraan yang lewat suatu titik kontrol lalu lintas
dalam suatu periode waktu.
3. Analisis Kejadian Langka: Sebaran Poisson cocok untuk kejadian yang jarang
terjadi, seperti kecelakaan industri, kejadian bencana, atau insiden keamanan.
Aplikasi Lanjutan:
1. Distribusi Poisson Non-Homogen (NHPP): NHPP adalah perluasan dari
Sebaran Poisson yang memungkinkan tingkat kejadian berubah seiring waktu
atau ruang. Ini lebih sesuai untuk kejadian yang tidak terjadi dengan kecepatan
konstan.
Kajian teori Sebaran Poisson memberikan dasar untuk memahami dan menerapkan
distribusi ini dalam berbagai konteks kehidupan sehari-hari dan penelitian statistik.
Dengan pemahaman ini, kita dapat melakukan analisis yang lebih baik terhadap
kejadian langka dan membuat perkiraan yang berguna dalam perencanaan dan
pengambilan keputusan.
BAB III
PEMBAHASAN
A. Penerapan Sebaran Poisson
Sebaran Poisson memiliki berbagai penerapan dalam kehidupan sehari-hari. Berikut
adalah beberapa contoh penerapan Sebaran Poisson dalam berbagai konteks:
1. Lalu Lintas Jalan Raya: Sebaran Poisson dapat digunakan untuk memodelkan
jumlah kendaraan yang melewati suatu titik kontrol lalu lintas dalam interval
waktu tertentu. Ini dapat membantu dalam perencanaan jalan raya, penilaian
kebutuhan parkir, dan manajemen lalu lintas.
3. Kejadian Bencana Alam: Dalam situasi bencana alam, seperti gempa bumi
atau banjir, Sebaran Poisson dapat digunakan untuk memodelkan jumlah
kejadian yang terjadi dalam suatu wilayah dalam periode waktu tertentu. Ini
membantu dalam perencanaan tanggap darurat dan alokasi sumber daya.
10. Pemakaian Lift: Sebaran Poisson dapat diterapkan untuk memodelkan jumlah
permintaan penggunaan lift dalam suatu gedung atau pusat perbelanjaan,
membantu dalam perencanaan dan pemeliharaan lift.
8. Analisis Lalu Lintas: Dalam transportasi dan analisis lalu lintas, Sebaran
Poisson dapat membantu merencanakan dan mengelola lalu lintas jalan dengan
memahami pola jumlah kendaraan yang mungkin lewat pada suatu waktu.
Dengan merinci kejadian langka dalam suatu sistem atau proses, Sebaran Poisson
membantu kita memahami dan merencanakan respons yang sesuai terhadap situasi
tersebut. Penerapan distribusi ini memberikan dasar matematis yang kokoh untuk
pengambilan keputusan dalam berbagai konteks.
BAB IV
PENUTUP
A. Kesimpulan
Distribusi Poisson adalah distribusi peluang dari berapa kali kejadian acak terjadi
(Buonaccorsi dan Skibiel, 2005). Distribusi poisson merupakan salah satu distribusi
diskret yang terapannya sangat luas dan banyak digunakan sebagai model eksperimen.
Sebagai contoh, bila kita memodelkan keadaan ketika kita menanti suatu peristiwa
terjadi misalnya kedatangan bus atau pelanggan, maka jumlah kedatangan dalam suatu
interval waktu dapat dimodelkan dengan distribusi poisson. Salah satu asumsi dasar
yang cocok untuk pembentukan distribusi poisson adalah untuk interval waktu kecil,
probabilititas kedatangan sebanding dengan waktu penantian.
B. Saran
Dalam kondisi ini memberikan aktivitas yang dapat mengintegrasikan dan
mengaplikasikan pengetahuan yang telah siswa miliki di kelas. Pengalaman menerapkan
berbagai teori matematika dalam masalah sehari-hari oleh mahasiswa calon guru tentu
akan meningkatkan rasa percaya diri mereka ketika mengajar di kelas. Hal ini juga
membantu mereka dalam memperbaiki pola pikir siswa bahwa matematika hanya
sebatas menghitung. Pembelajaran seperti ini sangat disarankan untuk dapat
diimplementasikan di kelas.
DAFTAR PUSTAKA
Rahayu, D. S. (2016). Respons mahasiswa terhadap pembelajaran berbasis proyek pada
mata kuliah statistika. Jurnal Pendidikan dan Pembelajaran Matematika (JP2M), 2(2),
14-24.
Shi, N., He, X. & Tao, J. (2009). Understanding statistics and statistics education: a
chinese perspective. Journal of Statistics Education, 17(3). Diakses dari
http://ww2.amstat.org/publications/jse/v17n3/shi.html
Suryana, A. (2015). Analisis kemampuan membaca bukti matematis pada mata kuliah
statistika matematika. Jurnal Ilmiah Program Studi Matematika STKIP Siliwangi
Bandung, 4(1), 84-95.