Professional Documents
Culture Documents
Kata Pengantar
Puji syukur atas kehadirat Allah SWT karena rahmat serta karunia-Nya penulis
dapat menyelesaikan makalah ini.Shalawat serta salam dari Allah SWT semoga selalu
tercurahkan kepada junjungan kita Nabi Nabi Muhammad SAW beserta keluarga, para
sahabat dan para penerusnya diiringi harapan kita senantiasa mendapatkan syafaat
dari beliau mulai saat ini sampai hari kiamat nanti. Dan semoga kita semua tetap
berada dalam lindungan Allah SWT. Amin.
Pada kesempatan ini penulis akan menguraikan sedikit tentang Distribusi
Probabilitas Diskrit dan Distribusi Normal. Sebelum kita membahas hal tersebut, perlu
kiranya kita mengetahui apa itu Distribusi Probabilitas Diskrit dan Distribusi Normal.
Distribusi Probabilitas Diskrit adalah sebuah daftar yang berisi seluruh hasil dari
eksperimen dan probabilitas yang berkaitan dengan setiap hasi tersebut. Sedangkan
Distribusi Normal digunakan untuk mempelajari Distrbusi probabilitas kontinu, (variabel
acak kontinu diperoleh dengan cara mengukur sesuatu, seperti : tinggi badan, berat
badan, dll. ).Kemudian penulis tak lupa mengucapkan terima kasih kepada dosen
Statistika Dasar,yang telah banyak membimbing dan memberikan pelajaran kepada
penulis.Ucapan terima kasih juga penulis sampaikan kepada teman-teman di Sekolah
Tinggi Teknologi yang tidak henti-hentinya memberikan bimbingan kepada penulis
dalam pembuatan makalah ini.Penulis menyadari bahwa dalam pembuatan makalah ini
tidaklah sempurna. Namun besar harapan penulis agar makalah ini dapat dijadikan
sumber referensi bagi pembaca serta dimanfaatkan untuk memperluas ilmu
pengetahuan khususnya tentang Statistika Dasar.
Daftar Isi
Kata Pengantar
Daftar Isi
BAB I PENDAHULUAN
1. Latar Belakang
2. Pengertian Diskrit
3. Penggunaan Doistribusi Poisson
4. Rumus Distribusi Poisson
BAB II PEMBAHASAN
1. Distribusi Diskrit
2. Distribusi Poisson
3. Distribusi Binomial
4. Distribusi Geometri
5. Distribusi Kontinu
6. Distribusi Eksponensial
7. Distribusi Normal
8. Distribusi Gamma
BAB III PENUTUP
Kesimpulan
BAB I
PENDAHULUAN
1. Latar Belakang
Statistika adalah ilmu yang mempelajari bagaimana merencanakan,
mengumpulkan, menganalisis, menginterpretasi, dan mempresentasikan data.
Sedangkan statistik adalah data, informasi, atau hasil penerapan algoritma statistika
pada suatu data.
Kejadian yang sering atau jarang terjadi dikatakan mempunyai peluang terjadi
yang besar atau kecil. Keseluruhan nilai-nilai peluang biasa digunakan dalam
kehidupan sehari-hari. Dalam mengaplikasikan statistika terhadap permasalahan sains,
industri, atau sosial, pertama-tama dimulai dari mempelajari populasi.
Tiga buah sebaran teoritis yang paling terkenal, diantaranya dua buah sebaran
peluang yang diskrit dan sebaran yang kontinyu. Kedua sebaran yang teoritis yang
deskrit itu ialah sebaran binomial dan sebaran Poisson. Sebaran kontinyu nya adalah
sebaran normal.
Dimana adalah rata-rata keberhasilan selama selang waktu atau daerah tertentu dan
e = 2,71828 .. (bilangan alami).
BAB II
PEMBAHASAN
1. Distribusi Diskrit
Distribusi probabilitas uniform diskrit
Algoritma
Bangkitkan U(0,1)
Dapatkan X = a+(b-a+1)*U
Contoh:
- Sebuah perusahaan bakery membuat suatu kelompok jenis donat yang dijual ke toko-
toko dengan distribusi diskrit uniform dengan kebutuhan harian maksimum 100 unit dan
minimum 40 unit.
Tentukan bilangan acak dari distribusi diskrit uniform dengan a = 77 z0 = 12357 dan m
= 128
2. Distribusi Poisson
Algoritma
Hitung a, b =1 dan i =0
Bangkitkan Ui+1= U(0,1)
Ganti b = bUi+1
Jika b<a maka dapatkan X = i dan jika tidak lanjutkan ke langkah 5
Ganti i = i+1 kembali ke langkah 2
Contoh:
Suatu kejadian berdistribusi poisson dengan rata-rata 3 kejadian perjam dan terjadi
selama periode waktu 1,4 jam.
Tentukan bilangan acak dari distribusi poisson dengan a = 17 z0 = 12357 dan m = 1237
3. Distribusi Binomial
Metode transformasi dari distribusi binomial
Dengan mempergunakan fungsi densitas binomial yang dinyatakan dengan : ,k
= 0,1, 2 .. n
Contoh
Dari suatu distribusi binomial, diketahui p =0,5 dan n =2.
Tentukan bilangan acak dari distribusi binomial dengan a = 77 z0 = 12357 dan m = 127.
4. Distribusi Geometri
Algoritma
Bangkitkan U(0,1)
Dapatkan X = ln(U)/ln(1-p)
Contoh
Pada seleksi karyawan baru sebuah perusahaan terdapat 30 % pelamar yang sudah
mempunyai keahlian komputer tingkat advance dalam pembuatan program. Para
pelamar diinterview secara insentif dan diseleksi secara acak.
Tentukan bilangan acak dengan a = 43, m = 1237 dan z0 = 12357.
5. Distribusi Kontinu
Distr probabilitas uniform kontinu
Algoritma
Bangkitkan U(0,1)
Dapatkan X = a+(b-a)*U
Contoh
Pada suatu sentra telpon ternyata distribusi pelayanan telponnya berdistribusi uniform
kontinu dengan minimal waktu 3 menit dan maksimal 5 menit. Tentukan bilangan
dengan a = 173 z0 = 12357 dan m = 1237.
6. Distribusi Eksponensial
Algoritma
Bangkitkan U(0,1)
Dapatkan X
Dengan rata-rata dengan nilai > 0
Contoh
Pada suatu sentra telpon ternyata distribusi penerimaan telponnya berdistribusi
eksponensial dengan mean = 0,1 menit. Tentukan bilangan 10 acak dengan a = 173 z0
= 12357 dan m = 1237.
7. Distribusi Normal
Algoritma
Bangkitkan U1,U2= U(0,1)
Hitung V1= 2U1-1 dan V2= 2U2-1
Hitung W = V12 + V22
Jika W > 1 maka kembali ke langkah 1 dan jika tidak lanjutkan ke langkah 5
Contoh
Sebuah rumah sakit berniat mempelajari penggunaan suatu alat pada ruang
emergency. Jika diketahui bahwa lamanya seorang pasien yang ditreat menggunakan
alat tsb berdistribusi normal dgn mean 0.8 jam dan standard deviasi 0.2 jam, tentukan
bilangan acak yang mewakili lamanya penggunaan alat tersebut oleh 6 orang pasien.
8. Distribusi Gamma
Algoritma
Bangkitkan U1 dan U2
X = - ln (U1 * U2)
di mana adalah parameter.
Contoh:
Mesin pada suatu pabrik perlu diperbaiki setiap saat breakdown dengan biaya
$100/hari. Jika lama perbaikan mesin berdistribusi gamma dengan parameter = 2 dan
= 1/3, tentukan rata-rata biaya untuk 30 kali breakdown, jika diketahui mesin
breakdown ke 29 kali mengalami lama perbaikan selama 0.38 hari dengan rata-rata
lama perbaikan 0.68 hari dgn variansi S2 = 0.02.
Jawab:
U1 = 0.818
U2 = 0.322
X30 = - ln (U1 * U2)
= - 1/3 ln (0.818 * 0.322)
= 0.445 hari
Biaya untuk memperbaiki mesin yg breakdown ke 30 kali adalah $100 x
0.445 hari = $ 44.5
X30 - X29
Rata-rata ke 30 kali = X30 = X29 +
30
0.445 - 0.38
= 0.68 +
30
= 0.68 + 0.0022
= 0.6822
BAB III
PENUTUP
Kesimpulan
Distribusi Probabilitas Diskrit adalah sebuah daftar yang berisi seluruh hasil dari
eksperimen dan probabilitas yang berkaitan dengan setiap hasi tersebut. Sedangkan
Distribusi Normal digunakan untuk mempelajari Distrbusi probabilitas kontinu, (variabel
acak kontinu diperoleh dengan cara mengukur sesuatu, seperti : tinggi badan, berat
badan, dll. ).
Statistika adalah ilmu yang mempelajari bagaimana merencanakan,
mengumpulkan, menganalisis, menginterpretasi, dan mempresentasikan data.
Sedangkan statistik adalah data, informasi, atau hasil penerapan algoritma statistika
pada suatu data.
Kejadian yang sering atau jarang terjadi dikatakan mempunyai peluang terjadi
yang besar atau kecil. Keseluruhan nilai-nilai peluang biasa digunakan dalam
kehidupan sehari-hari. Dalam mengaplikasikan statistika terhadap permasalahan sains,
industri, atau sosial, pertama-tama dimulai dari mempelajari populasi.
DISTRIBUSI PROBABILITAS DISKRIT DAN
DISTRIBUSI NORMAL
Oleh Choiril Muthohar
Tuesday, July 3, 2012
Bagikan :
Tweet
MAKALAH
DISTRIBUSI PROBABILITAS DISKRIT
DAN
DISTRIBUSI NORMAL
Disusun oleh :
Choiril Muthohar
NIM : 5021002008
Jurusan :Teknik Informatika
Pendahuluan
Puji syukur atas kehadirat Allah SWT karena rahmat serta karunia-Nya penulis dapat
menyelesaikan makalah ini.Shalawat serta salam dari Allah SWT semoga selalu tercurahkan
kepada junjungan kita Nabi Nabi Muhammad SAW beserta keluarga, para sahabat dan para
penerusnya diiringi harapan kita senantiasa mendapatkan syafaat dari beliau mulai saat ini
sampai hari kiamat nanti. Dan semoga kita semua tetap berada dalam lindungan Allah SWT.
Amin.
Pada kesempatan ini penulis akan menguraikan sedikit tentang Distribusi Probabilitas Diskrit
dan Distribusi Normal. Sebelum kita membahas hal tersebut, perlu kiranya kita mengetahui apa
itu Distribusi Probabilitas Diskrit dan Distribusi Normal.
Distribusi Probabilitas Diskrit adalah sebuah daftar yang berisi seluruh hasil dari eksperimen dan
probabilitas yang berkaitan dengan setiap hasi tersebut. Sedangkan Distribusi Normal digunakan
untuk mempelajari Distrbusi probabilitas kontinu, (variabel acak kontinu diperoleh dengan cara
mengukur sesuatu, seperti : tinggi badan, berat badan, dll. ).Kemudian penulis tak lupa
mengucapkan terima kasih kepada dosen Statistika Dasar,yang telah banyak membimbing dan
memberikan pelajaran kepada penulis.Ucapan terima kasih juga penulis sampaikan kepada
teman-teman di Sekolah Tinggi Teknologi yang tidak henti-hentinya memberikan bimbingan
kepada penulis dalam pembuatan makalah ini.Penulis menyadari bahwa dalam pembuatan
makalah ini tidaklah sempurna. Namun besar harapan penulis agar makalah ini dapat dijadikan
sumber referensi bagi pembaca serta dimanfaatkan untuk memperluas ilmu pengetahuan
khususnya tentang Statistika Dasar.
Daftar isi
Pendahuluan 2
Daftar isi 3
Distribusi Probabilitas Diskrit 4
Definisi Umum 4
Variabel acak 6
Rata-Rata Distribusi Probabilitas 7
Distribusi Probabilitas Binomial 9
Distribusi Probabilitas Hipergeometris 9
Distribusi Probabilitas Poisson 9
DISTRIBUSI NORMAL 10
Definisi Umum 10
Karakteristik kurva distribusi normal 10
Distribusi probabilitas normal standar 11
Daerah dibawah kurva normal standar 11
PENUTUP 14
Soal Pemahaman :
Hasil yang mungkin dari eksperimen pelemparan dadu, adalah : 1 titik, 2 titik, 3 titik, 4 titik, 5
titik dan 6 titik.
a. Buat distribusi probabilitas untuk hasil tersebut.
b. Gambarkan distribusi probabilitas dalam grafik.
c. Berapa jumlah probabilitasnya ?
a)Variabel Acak
Definisi : Variabel yang digunakan untuk memberikan nilai nilai yang berbeda untuk setiap
hasil dari suatu eksperimen.
Contoh :
- Bila kita menghitung jumlah orang yang absen pada hari senin, jumlahnya bisa 1,2,3,4,
jumlah absen ini variabel acak.
- Bila kita melemparkan 2 koin dan menghitung jumlah kepala dapat muncul nol, satu, dua
kepala. Jumlah kepala yang muncul adalah variabel acak.
- Variabel acak yang lain : jumlah lampu yang cacat yang diproduksi dalam seminggu, tinggi
pemain basket.
1. Variabel acak diskrit : variabel acak yang nilai-nilainya dihasilkan dari proses berhitung.
Contoh : skor yang diberikan pada pertandingan senam lantai , seperti : 9,2 ; 7,5 ; 8,0 ; dst.
2. Variabel acak kontinu : Variabel acak yang nilai-nilainya dihasilkan dari proses pengukuran.
Contoh : Berat balok besi produksi pabrik dalam sehari, seperti : 2,5 kg ; 2,52 kg ; 2,499 kg, dst.
Variabel acak : 1. Diskrit : Jumlah absen dalam sehari, jumlah muncul kepala, dan seterusnya.
2. Kontinu : Tinggi pemain basket, berat badan pegulat,dan seterusnya.
B. DISTRIBUSI NORMAL
Definisi Umum
Untuk mempelajari distribusi probabilitas kontinu, kita menggunakan "distribusi probabilitas
Normal". Variabel acak kontinu diperoleh dengan cara mengukur sesuatu, seperti : berat badan,
tinggi badan, usia pakai baterai dll.
Standar deviasi ( )menentukan kelandaian kurva : Semakin besar , maka kurva akan landai &
melebar. Semakin kecil , maka kurva akan lancip & menyempit.
Untuk menyeragamkan sekian banyak distribusi normal dengan dan yang berbeda, kita dapat
menggunakan Kurva Normal Standar.
Kurva standar ini memiliki = 0 dan = 1. Kurva normal seluruhnya dapat dikonversi ke kurva
standar, dengan cara x menghitung z value(nilai z ). z value ialah jarak antara suatu nilai
terhadap rata-rata , dibagi dengan standar deviasi .
Rumus :(x- )/
x = nilai observasi tertentu
= rata-rata distribusi
= standar deviasi
Contoh :
1. Suatu tes daya tahan terhadap sejumlah besar baterai alkaline menunjukan bahwa rata-rata
daya tahan baterai adalah 19,0 jam. Distribusi menggunakan distribusi normal, standar deviasi
dari distribusi tersebut adalah 1,2 jam.
a. Diantara nilai manakah bila 68% baterai habis ?
b. Diantara nilai manakah bila 95% balerai habis ?
c. Diantara nilai manakah bila 100% baterai habis ?
Jawaban :
a. 68% baterai habis bila baterai dipakai pada 1 , yaitu : 19,0 1,2 = 17,8 jam 20,2 jam.
b. 95% baterai akan habis bila baterai dipakai pada 2 yaitu ; 19,0 2(1,2) = 16,6 21,4
jam.
c. 100% baterai akan habis bila baterai dipakai pada yaitu : 19,0 3(1,2) = 15,4 22,6 jam. 3
PENUTUP