TUGAS STATISTIKA INDUSTRI II

Nama : Aidil Fitrah Isnu Alja

NIM : 2205903030070

Prodi : Teknik Industri

Mata Kuliah : Statistika Industri II

1. Distribusi Binomial
a. Definisi Distribusi Binomial

Distribusi Binomial adalah suatu distribusi probabilitas yang dapat digunakan

bilamana suatu proses sampling dapat diasumsikan sesuai dengan proses Bernoulli
(Walpole, 1995). Distribusi binomial berasal dari percobaan binomial yaitu suatu
proses Bernoulli yang diulang sebanyak n kali dan saling bebas.

Distribusi binomial adalah distribusi diskrit yang umum digunakan dalam

statistik, bukan distribusi kontinu seperti distribusi normal.

b. Rumus Distribusi Binomial

Fungsi distribusi binomial dihitung sebagai:1
P(x:n,p)= nCxpx(1-p)n–x

Di mana :
• n adalah jumlah percobaan (kejadian)
• x adalah jumlah percobaan yang berhasil
• p adalah probabilitas keberhasilan dalam satu percobaan
• n C x adalah kombinasi dari n dan x. Kombinasi adalah banyaknya cara
untuk memilih sampel x elemen dari himpunan n objek berbeda yang
urutannya tidak penting dan penggantian tidak diperbolehkan.
Perhatikan bahwa n C x = n! / R! ( n − r ) ! ), Di mana ! adalah faktorial (jadi, 4!
= 4 × 3 × 2 × 1).
 c. Penerapan Distribusi Binomial
Misalnya pada penerepan Distribusi Binomial pada keberhasilan dalam pembuatan
layang-layang.
Penelitian dilakukan pada produsen layang – layang yang berlokasi di
Kp.Sidamukti Rt 08/02 Kec. Cilodong Kel. Sukamaju Depok , Jawa Barat . Penelitian
ini diteliti dengan metode deskriptif kuratif dan memiliki tujuan untuk mengetahui
kegagalan dalam pembuatan layang layang , serta keuntungan yang diperoleh dari
penjualan layang – layang . Ternyata menjadi produsen layang – layang dalam keadaan
Lockdown seperti sekarang sangat membantu meningkatkan penghasilan . Data yang
didapat dengan metode survei yang akhirnya diperoleh produksi mulai tanggal 20-26
April 2020. Dengan menggunakan metode distribusi binomial , untuk menghitung
kegagalannya penulis memerlukan data produksi sehari dan menggunakan (P = 0,5)
karena dalam distribusi binomial hanya ada 2 kemungkinan yaitu keberhasilan dan
kegagalan . Karena dari data produsen yang didapat , penulis dapat menyimpulkan
bahwa produsen layang – layang memiliki tingkat kegagalan yang kecil .

2. Distribusi Poisson
a. Definisi Distribusi Poisson

Distribusi poisson merupakan suatu distribusi untuk peristiwa yang probabilitas

kejadiannya kecil, di mana kejadian tergantung pada selang waktu tertentu atau di
suatu daerah tertentu dengan hasil pengamatan berupa variabel diskrit dan antar
variabel prediktor saling independen.

b. Rumus Distribusi Poisson

Rumus distribusi poisson sebagai berikut :

P(x) = (μx x e–μ ) / x !
Dimana: P(x) = probabilita peristiwa x
μ = rata-rata
x = jumlah sukses
e = bilangan alam = 2,7182
Rata-rata distribusi poisson:
μ=nxp
 c. Penerapan Distribusi Poisson
Distribusi poisson merupakan turunan langsung dari distribusi binomial bila
jumlah percobaan lebih dari 20 amatan dan probabilitas p ≤ 0,05 dalam hal demikian,
rata-rata binomial akan diganti dengan rata-rata poisson.
Distribusi poisson dapat digunakan untuk menggambarkan kejadian yang jarang
terjadi (rare events) atau kejadian yang berhubungan dengan lamanya waktu tunggu
(waiting time). Distribusi Poisson digunakan dalam Menghitung probabilitas
terjadinya peristiwa menurut satuan waktu, ruang atau isi, luas, panjang yang bersifat
random atau acak.

3. Distribusi Hipergeometrik
a. Definisi Distribusi Hipergeometrik
Distribusi hipergeometrik merupakan distribusi diskrit. Setiap hasil (outcome)
terdiri dari keberhasilan atau kegagalan. Pengambilan sampel (sampling) dilakukan
tanpa pengembalian. Populasi (N) adalah terbatas dan diketahui.
Distribusi hipergeometri merupakan distribusi probabilitas yang sangat mirip
dengan distribusi binomial. Faktanya, distribusi binomial merupakan perkiraan
distribusi hipergeometri yang sangat baik selama Anda mengambil sampel 5% atau
kurang dari populasi .

b. Rumus Distribusi Hipergeometrik

Rumus distribusi hipergeometrik sebagai berikut :

Keterangan :
• K : adalah jumlah keberhasilan dalam populasi
• k : adalah jumlah keberhasilan yang diamati
• N : adalah ukuran populasi
• n : adalah jumlah undian

c. Penerapan Distribusi Hipergeometrik

Dalam poker hold'em, pemain membuat kartu terbaik dengan menggabungkan
dua kartu di tangan mereka dengan 5 kartu (kartu komunitas) yang akhirnya muncul
 di atas meja. Dek memiliki 52 dan ada 13 untuk setiap setelan. Untuk contoh ini
asumsikan seorang pemain mempunyai 2 klab di tangan dan ada 3 kartu yang
ditampilkan di meja, 2 di antaranya juga merupakan klab. Pemain ingin mengetahui
probabilitas salah satu dari 2 kartu berikutnya yang ditampilkan sebagai klub untuk
menyelesaikan flush .
Distribusi hipergeometri sangat diperlukan untuk menghitung peluang Keno . Di
Keno, 20 bola diambil secara acak dari kumpulan 80 bola bernomor dalam sebuah
wadah, seperti Bingo Amerika . Sebelum setiap pengundian, pemain memilih sejumlah
tempat tertentu dengan menandai formulir kertas yang disediakan untuk tujuan ini.
Misalnya, seorang pemain dapat memainkan 6 titik dengan menandai 6 angka, masing-
masing dari rentang 1 hingga 80 inklusif. Kemudian (setelah semua pemain membawa
formulirnya ke kasir dan diberikan duplikat formulir yang telah ditandai, dan
membayar taruhannya) 20 bola diambil. Beberapa bola yang ditarik mungkin cocok
dengan sebagian atau seluruh bola yang dipilih pemain. Secara umum, semakin banyak
pukulan (bola yang diambil sesuai dengan nomor pemain yang dipilih) semakin besar
hasilnya.

4. Distribusi Normal
a. Definisi Distribusi Normal
Distribusi normal merupakan sebuah fungsi probabilitas yang menunjukkan
distribusi atau penyebaran suatu variabel. Fungsi tersebut umumnya dibuktikan oleh
sebuah grafik simetris yang disebut kurva lonceng (bell curve).

b. Rumus Distribusi Normal

Rumusnya distribusi normal sebagai berikut :

Keterangan :
x = peubah acak normal yang nilainya −∞ < 𝑥 < ∞,
𝜇 = rata-rata
𝜎 = standar deviasi
 𝜋 = konstanta yang nilainya 3,14159
𝑒 = konstanta yang nilainya 2,72828
f(x)= fungsi kepadatan peluang

c. Penerapan Distribusi Normal

Distribusi normal sebagai salah satu jenis distribusi variabel acak kontinu. Pada
distribusi normal sendiri terdapat kurva berbentuk lonceng atau grafik. Distribusi
normal juga dapat berfungsi sebagai distribusi Gauss. Persamaan distribusi normal
diantaranya sebagai fungsi densitas. Distribusi normal dengan fungsi probabilitas ini
kemudian akan menunjukkan variabel atau penyebaran distribusi. Fungsi ini nantinya
juga akan dibuktikan oleh suatu grafik simetris atau bell curve.
Distribusi normal juga akan membantu menentukan tingkat normalitas dengan
kecenderungan sentral. Dalam statistika, khususnya statistika peluang, normalitas
suatu data merupakan hal penting yang tidak boleh diabaikan.

5. Perbedaan Ke 4 Distribusi
Dalam distribusi binomial diperlukan sifat pengulangan yang saling bebas, dan
pengulangan tersebut harus dikerjakan dengan pengulangan (with replacement).
Sedangkan untuk distribusi hipergeometrik tidak diperlukan sifat pengulangan yang
saling bebas dan dikerjakan tanpa pengulangan (without replacement). Distribusi
poisson adalah distribusi probabilitas diskrit yang menyajikan frekuensi dari kejadian
acak tertentu. Ini dapat digunakan sebagai pendekatan distribusi binomial. Sedangkan
distribusi normal merupakan sebuah fungsi probabilitas yang menunjukkan distribusi
atau penyebaran suatu variabel.

6. Pendugaan Secara Statistic Dan Pendugaan Parameter

a. Pendugaan Secara Statistic
Pendugaan statistic terhadap parameter berdasarkan suatu interval , di dalam
interval `mana kita harapkan dengan keyakinan tertentu parameter itu akan terletak.
Hasil dari pendugaan interval ini diharapkan akan lebih obyektif.
 b. Pendugaan Parameter
Pendugaan parameter adalah prosedur yang dilakukan untuk menduga parameter
populasi dimana parameter tersebut merupakan sebarang nilai yang menjelaskan ciri
dari suatu populasi. Pendugaan paramater terdiri dari pendugaan titik dan pendugaan
selang. Pendugaan parameter untuk parameter 𝜃 dari distribusi Geometrik
menggunakan metode Bayes dengan distribusi prior yang digunakan adalah distribusi
Beta(𝛼,𝛽) sebagai distribusi prior konjugat, distribusi Uniform(0,1) sebagai distribusi
prior non-konjugat dan distribusi prior Jeffrey sebagai distribusi prior non-informatif.
Metode evaluasi yang digunakan untuk mengevaluasi penduga terbaik adalah
berdasarkan nilai varian posterior dan lebar credible interval Bayes yang terkecil.
Dalam studi simulasi yang dilakukan menunjukkan bahwa distribusi Beta(𝛼,𝛽) sebagai
menghasilkan nilai dugaan parameter yang lebih baik dari pada distribusi Uniform dan
distribusi prior Jeffrey karena menghasilkan nilai varian posterior dan lebar credible
interval Bayes yang terkecil.

7. Uji Hipotesis
Uji hipotesis adalah metode pengambilan keputusan yang didasarkan dari analisis
data, baik dari percobaan yang terkontrol, maupun dari observasi (tidak terkontrol).
Dalam statistik sebuah hasil bisa dikatakan signifikan secara statistik jika kejadian
tersebut hampir tidak mungkin disebabkan oleh faktor yang kebetulan, sesuai dengan
batas probabilitas yang sudah ditentukan sebelumnya.

[1] Uji hipotesis kadang disebut juga "konfirmasi analisis data". Keputusan dari uji
hipotesis hampir selalu dibuat berdasarkan pengujian hipotesis nol. Ini adalah
pengujian untuk menjawab pertanyaan yang mengasumsikan hipotesis nol adalah
benar.

[2] Daerah kritis (bahasa Inggris: critical region) dari uji hipotesis adalah serangkaian
hasil yang bisa menolak hipotesis nol, untuk menerima hipotesis alternatif. Daerah
kritis ini biasanya disimbolkan dengan huruf C.