Model dan Simulasi

Distribusi Poisson
 Distribusi Poisson
Distribusi Poisson merupakan distribusi
probabilitas diskrit yang ditemukan pada
tahun 1837 oleh matematikawan
berkebangsaan Prancis, Simon Denis Poisson
(1781 – 1840).

Poisson memperhatikan bahwa distribusi

binomial sangat bermanfaat dan dapat
menjelaskan dengan baik, namun untuk n
yang besar dan nilai p sangat kecil akan
sulit mendapatkan nilai binomialnya.
 1. Definisi Distribusi Poisson
• Distribusi poisson disebut juga probabilitas peristiwa yang
jarang terjadi

• Distribusi Poisson merupakan distribusi probabilitas untuk

variable diskrit acak yang mempunyai nilai 0, 1, 2, 3…..dst.

• Menurut Walpole (1995), Distribusi Poisson adalah

distribusi nilai-nilai bagi suatu variable random X (X diskrit)
yaitu banyaknya hasil percobaan (banyaknya sukses) yang
terjadi dalam suatu interval waktu tertentu atau di suatu
daerah tertentu.
 Definisi Distribusi Poisson
• Distribusi probabilitas diskret 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.

• Suatu bentuk dari distribusi ini adalah rumus

pendekatan peluang Poisson untuk peluang Binomial
yang dapat digunakan untuk pendekatan probabilitas
Binomial dalam situasi tertentu.
 2. Ciri-ciri Distribusi Poisson
• Banyaknya sukses yang terjadi dalam suatu selang waktu
atau daerah tertentu, tidak terpengaruh oleh apa yang
terjadi pada selang waktu atau daerah yang lain.

• 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 tertentu.

• Kemungkinan terjadinya lebih dari satu sukses dalam

interval waktu yang pendek dapat diabaikan  sehingga
rata-rata n.p dianggap konstan (λ)
 3. Penerapan Distribusi Poisson
• menghitung Probabilitas terjadinya peristiwa menurut
satuan waktu, ruang atau isi, luas, panjang tertentu,
contoh :
– Probabilitas jumlah kedatangan nasabah pada suatu bank
pada jam kantor.
– Banyaknya panggilan telepon per jam di kantor.
– Jumlah salah cetak dalam suatu halaman ketik.
– Menghitung banyaknya mobil lewat selama 5 menit pada
suatu ruas jalan.
– Dsb

• Menghitung distribusi binomial apabila (n ≥ 20) dan (p

≤ 0.05)  aturan yang diikuti oleh kebanyakan ahli
statiska adalah n cukup besar dan p cukup kecil.
4. Rumus Distribusi Poisson (1)
5. Rumus Distribusi Poisson (2)
 6. Contoh Soal Pendekatan Peluang
Poisson Untuk Binomial

1. Dua ratus orang penumpang telah

memesan tiket untuk sebuah penerbangan
luar negeri. Jika probabilitas penumpang
yang telah mempunyai tiket tidak akan
datang adalah 0.01 maka berapakah
peluang ada tiga orang yang tidak datang.
2. Misalkan rata-rata 1 dari tiap 1000
orang melakukan salah perhitungan
dalam menghitung pajaknya. Bila 10000
isian pajak diambil secara acak dan
diperiksa. Hitunglah peluangnya bahwa
6,7 dan 8 isian tersebut akan salah
perhitungan.
7. Contoh Soal Untuk Proses Poisson

1. Rata-rata pengunjung di kios itu tiap

jam adalah 8 pengunjung. Berapakah
probabilitas akan ada 6 pengunjung
dalam 1 jam tertentu?
2. Jika rata-rata kedatangan adalah
72 setiap jam, berapakah peluang
adanya 4 kedatangan dalam waktu 3
menit?