Distribusi Diskrit

Poisson
Wahyu Rizkia Rohmah
Jaringan Telekomunikasi Digital
1A/22
 BIG CONCEPT

Apa itu Distribusi Diskrit Poisson?

Distribusi Poisson adalah distribusi probabilitas diskrit 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
Ciri – Ciri
Distribusi Poisson
▪ Banyaknya hasil pecobaan yang satu tidak tergantung
pada pecobaan yang lain
▪ Probabilitas hasil percobaan sebanding dengan panjang
interval waktu
▪ Probabilitas lebih dari satu percobaan yang terjadi dalam
interval waktu tertentu yang singkat dalam daerah kecil
dapat diabaikan
Distribusi Poisson digunakan
dalam…

▪ Menghitung probabilitas ▪ Menghitung distribusi binomial

terjadinya peristiwa menurut apabila n besar (n>=30) dan p
satuan waktu, ruang atau isi, luas, relative kecil (p< 0.1)
dan panjang seperti :

Banyaknya telepon per menit,

banyaknya kesalahan ketik per
halaman sebuah buku, banyaknya
mobil yang lewat dalam waktu 5
menit di suatu ruas jalan, dst.
Apabila nilai harapan kejadian pada suatu interval
adalah λ, maka probabilitas peristiwa sebanyak x

BIG CONCEPT
kali (x adalah bilangan bulat non negatif x=1,2,3,4,..)
sama dengan :
𝜆𝑥 ∙ 𝑒 −𝜆
𝑓 𝑥, 𝜆 =
𝑥!

keterangan :
e = basis logaritma natural (e=2.71828)
x = jumlah kejadian suatu peristiwa – peluang yang
diberikan oleh fungsi ini
λ = bilangan rill positif, sama dengan nilai harapan
peristiwa yang terjadi dalam interval tertentu
 Penyelesaian :

CONTOH SOAL • Probabilitas mesin jahit memerlukan perbaikan = 0.02

1 • Jumlah mesin jahit = 20 Business
• Maka λ = 20 x 0.02 = 0.4
Sebuah konveksi pakaian menggunakan • Dicari probabilitas 3 mesin yang mengalami gangguan
Rise Risk
20 mesin jahit. Probabailitas mesin jahit x=3
mengalami dan memerlukan perbaikan Leader Economy
𝝀𝒙 ∙ 𝒆−𝝀
𝒇 𝒙, 𝝀 =
adalah 0.02. Tentukan probabilitas dari 3 Idea 𝒙! Profit

mesin jahit yang akan mengalami 𝟎. 𝟒𝟑 ∙ 𝒆−𝟎.𝟒

𝒇 𝟑, 𝟎. 𝟒 = = 𝟎. 𝟎𝟎𝟕𝟐
gangguan dan memerlukan perbaikan. 𝟑!
Finance
 Penyelesaian :

CONTOH SOAL • Rata-rata partikel radioaktif yang melewati suatu

2 penghitung dalam 1 milidetik =4
Business

λ = 4 x 1= 4
Rata-rata banyaknya partikel radioaktif yang • Peluang 6 partikel Rise Risk

melewati suatu penghitung dalam waktu 1

𝝀𝒙 ∙ 𝒆−𝝀
Leader 𝒇 𝒙, 𝝀 = Economy
milidetik di daam suatu laboratorium adalah 𝒙!

4. Berapakah peluang 6 partikel melewati Idea

𝟒𝟔 ∙ 𝒆−𝟒 Profit
𝒇 𝟔, 𝟒 = = 𝟎. 𝟏𝟎𝟒𝟐
penghitung itu dalam waktu 1 milidetik? 𝟔!

Finance
Thanks!
!
Any questions?