I. PENDAHULUAN 1.1 Latar Belakang -...
Transcript of I. PENDAHULUAN 1.1 Latar Belakang -...
15
I. PENDAHULUAN
1.1 Latar Belakang
Distribusi probabilitas dapat diterapkan dalam banyak hal seperti pada kehidupan
sehari-hari, kegiatan bisnis maupun dalam dunia industri. Salah satu manfaat dari distribusi
probabilitas adalah untuk menganalisis suatu kejadian, peluang dalam suatu perusahaan
menghasilkan produk yang sukses atau tidak. Dalam kegiatan bisnis juga dapat
dicontohkan pada suatu proses pelayanan di suatu Bank menguji apakah dengan disediakan
empat teller, nasabah akan menunggu lama atau kapasitas yang berlebih akan membuat
boros tempat. Permasalahan ini dapat diselesaikan dengan distribusi probabilitas yang akan
membantu Bank dalam membuat keputusan dalam menyediakan teller.
Distribusi probabilitas merupakan suatu daftar atau kumpulan dari probabilitas-
probabilitas peristiwa yang mungkin terjadi. Distribusi peluang yang demikian saling
berhubungan dengan semua nilai-nilai yang mungkin terjadi dan berasal dari variabel
random. Variabel random adalah variabel yang nilainya merupakan suatu bilangan yang
ditentukan oleh terjadinya suatu percobaaan.
Fungsi distribusi probabilitas umumnya dibedakan menjadi distribusi probabilitas
diskrit dan kontinyu. Di dalam distribusi probabilitas diskrit dan kontinyu terdapat
beberapa macam distribusi. Untuk lebih memahami dan mengetahui perbedaan dari kedua
distribusi tersebut, maka praktikan melakukan praktikum distribusi probabilitas. Dengan
melakukan praktikum diharapkan pemahaman serta pengaplikasian distribusi probabilitas
diskrit maupun kontinyu dapat dipahami dan dimengerti.
1.2 Tujuan praktikum
Berikut merupakan tujuan dari praktikum ini adalah sebagai berikut:
1. Untuk melakukan perhitungan menggunakan software dan secara manual mengenai
distribusi probabilitas diskrit.
2. Untuk melakukan perhitungan menggunakan software dan secara manual mengenai
distribusi probabilitas kontinyu.
3. Untuk memahami dan menganalisis perbedaan data empiris dan data teoritis.
II. TINJAUAN PUSTAKA
2.1 Definisi Distribusi Probabilitas
Variabel acak merupakan parameter penting dalam sebuah distribusi probabilitas.
Variabel acak adalah variabel yang nilainya ditentukan dari sebuah hasil percobaan.
16
Peubah acak dinyatakan dengan huruf besar, misalnya X, sedangkan nilainya dinyatakan
dengan huruf kecil misalnya x. Sebagai contoh, pada pelemparan dua koin, huruf Y
menyatakan jumlah gambar yang muncul maka nilainya adalah y = 0, 1 dan 2. Dari setiap
nilai variabel acak yang memungkinkan akan memiliki probabilitas masing-masing yang
disebut distribusi probabilitas. (Bluman, 2012)
Bagan 2.1 Klasifikasi Distribusi Probabilitas
Distribusi
Probabilitas
Distribusi Probabilitas
Kontinyu
Distribusi Probabilitas
Diskrit
Binomial
Hipergeometrik
Multinomial
Geometrik
Binomial Negatif
Poisson
Uniform Diskrit
Uniform
Normal
Erlang
Gamma
Beta
Eksponensial
Weibull
Lognormal
Chi-Square
Distribusi t
Distribusi F
17
2.2 Distribusi Probabilitas Diskrit
Distribusi probabilitas diskrit adalah suatu daftar atau distribusi di mana variabel
acaknya mengasumsikan masing-masing nilainya dengan probabilitas tertentu (Walpole,
2010). Variabel diskrit memiliki jumlah nilai kemungkinan yang terbatas atau jumlah yang
tak terhingga dari nilai-nilai yang dapat dihitung. Kata “dihitung” berarti bahwa variabel
acak tersebut dapat dicacah dengah menggunakan angka 1, 2, 3, dst. Misalnya, jumlah
panggilan telepon yang diterima setelah siaran TV mengudara adalah contoh variabel
diskrit, karena bisa dihitung (Bluman, 2012).
18
Tab
el 2
.1 J
enis
Dis
trib
usi
Dis
kri
t (D
istr
ibusi
Bin
om
ial,
Hip
ergeo
met
rik,
Mult
inom
ial)
Con
toh
Pro
bab
ilit
as
dit
emukan
nya
polu
tan
org
anik
ole
h
BP
OM
dar
i beb
erap
a sa
mpel
pro
duk
air
min
eral
dal
am k
emas
an
Pen
guji
an k
ual
itas
per
mukaa
n
kal
eng
min
um
an
den
gan
pen
gam
bil
an
acak
ta
npa
pen
gem
bal
ian sa
mpai
pro
duk
din
yat
akan
dal
am
kea
daa
n
bai
k a
tau r
usa
k.
Tim
R
esea
crh
and
Dev
elopm
ent
dar
i se
buah
per
usa
haa
n
men
gad
akan
kues
ioner
untu
k
men
gukur
tingkat
kep
uas
an
pel
anggan
terh
adap
pro
duk
dar
i
per
usa
haa
n
ters
ebut.
P
eluan
g
jaw
aban
kuesi
oner
ter
dir
i dar
i
sangat
puas
, puas
, cu
kup p
uas
,
dan
kura
ng p
uas
.
Sum
ber
: (M
ontg
om
ery,
2003)
Per
sam
aan
Fungsi
mas
sa p
robab
ilit
as :
𝑝( 𝑥)={(𝑛 𝑥)𝑝𝑥𝑞𝑛−𝑥,
𝑥=0,1,2,…
,𝑛
0
Fungsi
dis
trib
usi
kum
ula
tif
:
𝑓( 𝑥)={
0,
𝑥<0
∑𝑝(𝑖)
𝑥
𝑖=0
,𝑥≥0
Fungsi
mas
sa p
robab
ilit
as :
𝑝( 𝑥)={
(𝑘 𝑥)(
𝑁−𝑘
𝑛−𝑥)
(𝑁 𝑛)
,𝑥=0,1,…
,min(𝑛,𝐷)
0,
𝑜𝑡ℎ𝑒𝑟
Fungsi
dis
trib
usi
kum
ula
tif
:
𝑓( 𝑥)={
0,
𝑥<0
∑𝑝(𝑖)
𝑥
𝑖=0
,𝑥≥0
Fungsi
dis
trib
usi
kum
ula
tif
:
𝑓( 𝑥
1,𝑥
2,…
,𝑥𝑘;𝑝
1,𝑝
2,…
,𝑝𝑘,𝑛)
=(
𝑛
𝑥 1,𝑥
2,…
,𝑥𝑘)𝑝1𝑥1𝑝2𝑥2…𝑝𝑘𝑥𝑘
Vari
ab
el
x =
ban
yak
nya
per
isti
wa
sukse
s
p =
pro
bab
ilit
as
per
isti
wa
sukse
s
n =
ban
yak
nya
per
cobaa
n
q =
1 –
p =
pro
bab
ilit
as
per
isti
wa
gag
al
N =
tota
l popula
si
atau
sam
pel
n =
jum
lah
per
cobaa
n a
tau
jum
lah s
ampel
yan
g d
ipil
ih
k =
jum
lah
kej
adia
n s
ukse
s
dal
am n
x =
ban
yak
nya
per
isti
wa
sukse
s
n =
ban
yak
nya
per
cobaa
n
p =
pro
bab
ilit
as
per
isti
wa
sukse
s
q =
1 –
p =
pro
bab
ilit
as
per
isti
wa
gag
al
Pen
ger
tian
Seb
uah
ek
sper
imen
bin
om
ial
terd
iri
dar
i p
erco
baa
n
yan
g
ber
ula
ng,
den
gan
m
asin
g-
mas
ing
kem
un
gkin
an
outc
om
e
dik
ateg
ori
kan
sukse
s at
au g
agal
Dis
trib
usi
pro
bab
ilit
as
var
iabel
acak
hip
ergeo
met
rik
x,
yai
tu
ban
yak
nya
sukse
s dal
am a
mpel
acak
ber
ukura
n n
yan
g d
iam
bil
dar
i popula
si
N
(di
man
a di
dal
am
N
terk
andung
k
sukse
s
dan
N
-k
gag
al).
D
istr
ibusi
hip
ergeo
met
rik
did
asar
kan
ata
s
sam
pli
ng y
ang d
ilak
ukan
tan
pa
pen
gem
bal
ian.
Eksp
erim
en
bin
om
ial
men
jadi
eksp
erim
en
mult
inom
ial
jika
pad
a m
asin
g-m
asin
g per
cobaa
n
mem
punyai
leb
ih d
ari
dua
has
il
kem
ungkin
an o
utc
om
e, d
i m
ana
mas
ing
-mas
ing
per
cobaa
n
iden
tik d
an i
ndep
enden
.
Jen
is D
istr
ibu
si
Dis
trib
usi
Bin
om
ial
Dis
trib
usi
Hip
ergeo
met
rik
Dis
trib
usi
Mult
inom
ial
No.
1.
2.
3.
19
Tab
el 2
.2 J
enis
Dis
trib
usi
Dis
kri
t (D
istr
ibusi
Geo
met
rik,
Bin
om
ial
Neg
atif
, P
aasc
al)
Con
toh
Pel
uan
g b
anyak
sum
ur
yan
g d
ibor
sam
pai
sum
ur
yan
g d
ibor
dap
at
men
gel
uar
kan
min
yak
.
Pro
bab
ilit
as j
um
lah
insp
eksi
yan
g
dil
akukan
pad
a 20
part
of
pro
duct
sam
pai
dit
emukan
3
par
t yan
g h
arus
di
rew
ork
Jum
lah t
elep
on
mas
uk y
ang d
iter
ima
dal
am w
aktu
sat
u j
am
di
suat
u k
anto
r at
au
ban
yak
nya
kes
alah
an
pen
get
ikan
per
hal
aman
ole
h s
eora
ng
sekre
tari
s bar
u.
Sum
ber
: (M
ontg
om
ery,
2003)
Per
sam
aan
Fungsi
mas
sa p
robab
ilit
as :
𝑝( 𝑥)={𝑝(1
−𝑝)𝑥
−1,
𝑥=1,2,…
,∞0,
𝑜𝑡ℎ𝑒𝑟
Fungsi
dis
trib
usi
kum
ula
tif
:
𝑓( 𝑥)={
0,
𝑥<1
1−(1
−𝑝)𝑥,
𝑥≥1
Fungsi
mas
sa p
robab
ilit
as :
𝑝( 𝑥)
={(𝑥−1
𝑟−1)𝑝𝑟(1
−𝑝)𝑥
−𝑟,𝑥
=𝑟,𝑟+1,…
,∞
𝑥,
𝑥≥0
Fungsi
dis
trib
usi
kum
ula
tif
:
𝑓( 𝑥)={
0,
𝑥<0
∑𝑝(𝑖)
𝑥
𝑖=0
,𝑥≥0
Fungsi
mas
sa p
robab
ilit
as :
𝑝( 𝑥)={(𝑒−𝜆𝜆𝑥
𝑥!),
𝑥=0,1,2,…
,∞
0,
𝑜𝑡ℎ𝑒𝑟
Fungsi
dis
trib
usi
kum
ula
tif
:
𝑓( 𝑥)={
0,
𝑥<0
∑𝑝(𝑖)
𝑥
𝑖=0
,𝑥≥0
Vari
ab
el
p =
pro
bab
ilit
as
per
isti
wa
sukse
s
q =
1 –
p =
pro
bab
ilit
as
per
isti
wa
gag
al
x =
jum
lah
tria
l/per
cobaa
n
sam
pai
ter
jadin
ya
sukse
s per
tam
a
p =
pel
uan
g s
ukse
s
q =
1 –
p =
pel
uan
g
gag
al
x =
jum
lah
per
cobaa
n y
ang
dip
erlu
kan
untu
k
mem
per
ole
h k
eluar
an
λ =
rat
a-ra
ta j
um
lah
kej
adia
n d
alam
set
iap
unit
ukura
n
e =
2,7
1828
Pen
ger
tian
Bil
a usa
ha
yan
g s
alin
g b
ebas
dan
dil
akukan
ber
ula
ng k
ali
men
ghas
ilkan
sukse
s den
gan
pel
uan
g p
, gag
al d
engan
pel
uan
g q
= 1
– p
. M
aka
dis
trib
usi
pel
uan
g p
eubah
aca
k x
, yai
tu b
anyak
nya
usa
ha
sam
pai
ter
jadin
ya
sukse
s per
tam
a.
Ban
yak
nya
x p
erco
baa
n y
ang d
ibutu
hkan
untu
k m
enghas
ilkan
k s
ukse
s dis
ebut
var
iabel
aca
k b
inom
ial
neg
atif
, dan
dis
trib
usi
ny
a dis
ebut
dis
trib
usi
bin
om
ial
neg
atif
. D
istr
ibusi
pas
cal
dig
unak
an u
ntu
k
men
get
ahui
bah
wa
sukse
s ke-
k t
erja
di
pad
a
usa
ha
ke-
x.
Dis
trib
usi
pois
son a
dal
ah d
istr
ibusi
yan
g
men
ghas
ilkan
nil
ai n
um
erik
dar
i peu
bah
acak
x p
ada
sela
ng w
aktu
yan
g t
erte
ntu
ata
u
dae
rah t
erte
ntu
.
Jen
is D
istr
ibu
si
Dis
trib
usi
Geo
met
rik
Dis
trib
usi
Bin
om
ial
Neg
atif
(P
asca
l)
Dis
trib
usi
Pois
son
No.
4.
5.
6.
20
Tab
el 2
.3 J
enis
Dis
trib
usi
Dis
kri
t (D
istr
ibusi
Unif
orm
Dis
kri
t)
Con
toh
Mat
a dad
u d
ari
sebuah
dad
u t
erdir
i
dar
i an
gka
1 -
6.
Jika
dad
u d
ilem
par
sek
ali
dan
x a
dal
ah m
ata
dad
u p
erta
ma
yan
g
muncu
l, x
adal
ah
dis
trib
usi
unif
orm
den
gan
pro
bab
ilit
as
1/6
untu
k t
iap n
ilai
R
= {
1,
2, ..., 6
}.
Sum
ber
: (M
ontg
om
ery,
2003)
Per
sam
aan
Fungsi
mas
sa p
robab
ilit
as :
𝑝( 𝑥)
={
1
( 𝑏−𝑎)+1,
𝑥=𝑎,𝑎
+1,…
,𝑏
0,
𝑜𝑡ℎ𝑒𝑟
Fungsi
dis
trib
usi
kum
ula
tif
:
𝑓( 𝑥)={
0,𝑥<𝑎
( 𝑥−𝑎)+1
( 𝑏−𝑎)+1
1,𝑥≥𝑏
,𝑎≤𝑥<𝑏
Vari
ab
el
n =
jum
lah s
ampel
Pen
ger
tian
Var
iabel
aca
k x
ber
dis
trib
usi
dis
kri
t
unif
orm
jik
a se
tiap
n b
erad
a pad
a ra
nge,
mis
al x
1, x
2, ..., x
n d
i m
ana
pro
bab
ilit
as
sam
a.
Jen
is D
istr
ibu
si
Dis
trib
usi
Unif
orm
Dis
kri
t
No.
7.
21
2.3 Distribusi Probabilitas Kontinyu
Distribusi Probabilitas Kontinyu adalah daftar atau sebaran probabilitas dari setiap nilai
variabel acak kontinyu. Variabel acak kontinyu adalah variabel acak dengan interval (baik terbatas
maupun tidak terbatas) dalam suatu jarak dari bilangan nyata (Montgomery,2011). Variabel acak
kontinyu meliputi nilai yang dapat diukur daripada dihitung. Contohnya adalah tinggi badan, berat
badan, suhu, dan waktu. Distribusi Probabilitas Kontinyu dapat digambarkan dengan fungsi
kepadatan probabilitas f(x) yang mempunyai nilai-nilai dalam variabel kontinyu. Seperti pada
gambar dibawah ini, daerah dibawah kurva a sampai b merupakan distribusi probabilitas kontinyu
yang nilainya berada pada interval dua buah angka a dan b yang termasuk dalam variabel x atau
variabel kontinyu.
Gambar 2.2 Fungsi Kepadatan Probabilitas Variabel Acak Kontinyu
Sumber : Montgomery (2003)
Probabilitas daerah interval a dan b adalah sebagai berikut.
𝑃(𝑎 < 𝑥 < 𝑏) = ∫ 𝑓(𝑥)𝑏
𝑎 (2-1)
22
Tab
el 2
.4 D
istr
ibusi
Pro
bab
ilit
as K
onti
nyu (
Dis
trib
usi
Norm
al,
Dis
trib
usi
Unif
orm
, D
istr
ibusi
Eksp
onen
sial
)
Con
toh
Dis
tibusi
norm
al b
anyak
dic
onto
hkan
dal
am
keh
idupan
seh
ari-
har
i
mau
pun d
i dunia
indust
ri.
Mis
alnnya
pad
a in
du
stri
sepat
u r
ata-
rata
pan
jang
sepat
u y
ang
dib
uat
ole
h
oper
ator
ber
dis
trib
usi
norm
al.
Pro
bab
ilit
as v
olu
me
min
um
an k
alen
g d
iman
a
pen
gis
ian m
inum
an
dil
akukan
den
gan
mes
in
dal
am s
ebuah
indust
ri
soft
dri
nk.
wak
tu s
elis
ih o
per
ator
men
erim
a an
tara
2
pan
ggil
an a
tau w
aktu
ked
atan
gan
pel
anggan
dal
am s
iste
m
Sum
ber
: (M
ontg
om
ery,
2003)
Per
sam
aan
Fungsi
Kep
adat
an P
robab
ilit
as:
𝑓( 𝑥)=
1
√2πσ𝑒−( 𝑥−µ)2
2σ2
Var
iabel
X d
iter
jem
ahkan
ke
var
iabel
aca
k Z
den
gan
rat
a-ra
ta 0
dan
var
iansi
1:
𝑍=𝑥−𝜇
𝜎
Fungsi
Kep
adat
an P
robab
ilit
as
𝑓( 𝑥)={
1
𝑏−𝑎𝑎≤𝑥≤𝑏
0𝑜𝑡ℎ𝑒𝑟
Fungsi
Dis
trib
usi
Kum
ula
tif
𝑓( 𝑥)={
0𝑥<𝑎
(𝑥−𝑎)
(𝑏−𝑎)𝑎≤𝑥<𝑏
1𝑥
≥𝑏
Fungsi
Kep
adat
an P
robab
ilit
as
𝑓( 𝑥)={𝜆𝑒−𝜆𝑥𝑥≥0
0𝑜𝑡ℎ𝑒𝑟
Fungsi
Dis
trib
usi
Kum
ula
tif
𝑓( 𝑥)={0𝑥
<0
1−𝑒−𝑥𝛽𝑥≥0
Mea
n :
𝜇=𝛽
Var
iansi
: σ
2 =
β2
Vari
ab
el
e =
2,7
1828
π =
3,1
4159
µ =
rat
a-ra
ta p
opula
si
σ =
sta
ndar
dev
iasi
x =
rat
a-ra
ta s
ampel
Ter
dap
at b
atas
inte
rval
a dan
b d
iman
a pro
pors
i
pro
bab
ilit
as s
epan
jang
inte
rval
(a,
b)
adal
ah s
ama
x =
inte
rval
rat
a-ra
ta
λ =
par
amet
er s
kal
a
e =
2,7
1828
Pen
ger
tian
Sal
ah s
atu d
istr
ibusi
yan
g s
erin
g d
igunak
an
untu
k d
istr
ibusi
var
iabel
aca
k. V
aria
bel
aca
k
yan
g m
empunyai
rat
a-ra
ta d
an v
aria
nsi
yan
g
ber
bed
a dap
at d
igam
bar
kan
den
gan
dis
trib
usi
norm
al.
Dis
trib
usi
norm
al m
emil
iki
kurv
a
ber
ben
tuk l
once
ng y
ang s
imet
ris
yan
g
dit
entu
kan
ole
h r
ata-
rata
yan
g d
ituli
skan
di
tengah
kurv
a dan
var
iansi
untu
k m
enen
tukan
lebar
nya
kurv
a.
Seb
uah
dis
trib
usi
pro
bab
ilit
as y
ang
mem
punyai
pro
bab
ilit
as y
ang s
ama
untu
k
sem
ua
kem
ung
kin
an v
aria
bel
aca
k y
ang
muncu
l
Dis
trib
usi
pro
bab
ilit
as y
ang d
igunak
an u
ntu
k
men
gukur
wak
tu a
nta
ra d
ua
kej
adia
n s
ukse
s
atau
jar
ak s
atu i
nte
rval
pro
ses
pois
son.
Jen
is D
istr
ibu
si
Dis
trib
usi
Norm
al
Dis
trib
usi
Unif
orm
Dis
trib
usi
Eksp
onen
sial
No
1.
2.
3.
23
Tab
el 2
.5 D
istr
ibusi
Pro
bab
ilit
as K
onti
nyu (
Dis
trib
usi
Erl
ang, D
istr
ibusi
Gam
ma,
Dis
trib
usi
Bet
a)
Con
toh
Pro
bab
ilit
as
kes
alah
an
(err
or)
lase
r ket
iga
dal
am
mes
in s
itogen
ik l
ebih
dar
i 50000 j
am
Dia
pli
kas
ikan
untu
k
men
gukur
wak
tu
untu
k m
enyel
esai
kan
pek
erja
an d
an s
erin
g
dig
unak
an d
alam
teo
ri
antr
ian
.
Dig
unak
an u
ntu
k
men
get
ahui
kea
ndal
an
suat
u m
esin
Sum
ber
: (M
ontg
om
ery,
2003)
Per
sam
aan
Fungsi
kep
adat
an p
robab
ilit
as∷
𝑓( 𝑥)=𝜆
𝑟𝑥𝑟−1𝑒−𝜆𝑥
( 𝑟−1) !
Untu
k x
> 0
dan
r =
1,2
,..
Fungsi
Dis
trib
usi
Kum
ula
tif
:
𝐹( 𝑥)={
0𝑥≤0
1−∑
𝑒−𝜆𝑥(𝜆𝑥)𝑘
𝑘!
𝑥>0
𝑟−1
𝑘=0
F
ungsi
Gam
ma
Γ(r
) =
∫𝑥𝑟−1𝑒−𝑥𝑑𝑥,
∞ 0
untu
k r
> 0
Fungsi
Kep
adat
an P
robab
ilit
as
𝑓( 𝑥)=𝜆
𝑟𝑥𝑟−1𝑒−𝜆𝑥
Γ(𝑟)
untu
k
x >
0
Fungsi
Dis
trib
usi
Kum
ula
tif
𝐹( 𝑥)={
0𝑥≤0
∫𝑓( 𝑖) 𝑑𝑖𝑥>0
𝑥
0
Fungsi
Kep
adat
an P
robab
ilit
as
𝑓( 𝑥)=Γ(𝛼+𝛽)
Γ(𝛼) Γ(𝛽)𝑥𝛼−1(1
−𝑥)𝛽
−1
untu
k x
ε [
0,1
]
Fungsi
Dis
trib
usi
Kum
ula
tif
𝐹( 𝑥)={
0𝑥≤0
∫𝑓( 𝑖) 𝑑𝑖𝑥>0
𝑥
0
Vari
ab
el
λ =
par
amet
er s
kal
a
r =
kej
adia
n s
ukse
s
lebih
dar
i sa
ma
den
gan
1
x =
wak
tu s
ampai
kej
adia
n r
e =
2,7
1828
r =
par
amet
er b
entu
k
λ =
par
amet
er s
kal
a
Par
amet
er
ben
tuk
α d
an β
Pen
ger
tian
Seb
uah
gen
eral
isas
i dar
i dis
trib
usi
eksp
onen
sial
adal
ah l
ama
wak
tu y
ang
dib
utu
hkan
sam
pai
r k
ejad
ian t
erja
di
dal
am
pro
ses
Pois
son.
Dis
aat
X d
alam
hal
ini
men
unju
kkan
wak
tu y
ang d
ibutu
hkan
sam
pai
kej
adia
n k
e r
dal
am p
rose
s P
ois
son,
mak
a
pro
bab
ilit
as k
epad
atan
ini
did
efin
isik
an
sebag
ai d
istr
ibusi
Erl
ang
Dis
trib
usi
gam
ma
mer
upak
an t
eori
yan
g
men
das
ari
dis
trib
usi
erl
ang d
an
eksp
onen
sial
,, r
pad
a dis
trib
usi
ini
dap
at
ber
nil
ai n
on i
nte
ger
.
Dis
trib
usi
bet
a m
erupak
an s
ebuah
pen
jabar
an
dar
i dis
trib
usi
unif
orm
Jen
is D
istr
ibu
si
Dis
trib
usi
Erl
ang
Dis
trib
usi
Gam
ma
Dis
trib
usi
Bet
a
No
4.
5.
6.
24
T
abel
2.7
Dis
trib
usi
Pro
bab
ilit
as K
onti
nyu (
Dis
trib
usi
W
eibull
, D
istr
ibusi
Lognorm
al, D
istr
ibusi
Stu
den
t (t
))
Con
toh
Men
entu
kan
wak
tu
life
tim
e dar
i pen
ggunaa
n
roll
er b
eari
ng s
ecar
a
mek
anis
sam
pai
stru
ktu
r bah
an r
usa
k
(gag
al)
Men
guji
um
ur
pak
ai s
uat
u
alat
Untu
k m
enguji
dua
rata
-
rata
den
gan
sam
pel
kec
il
(n<
30)
Sum
ber
: (M
ontg
om
ery,
2003)
Per
sam
aan
Fungsi
Kep
adat
an P
robab
ilit
as:
𝑓( 𝑥)=𝛽 𝛿(𝑥 𝛿)𝛽
−1exp(−
𝑥 𝛿)𝛽
untu
k x
>0
Fungsi
Kep
adat
an P
robab
ilit
as
𝑓( 𝑥)=
1
𝑥𝜔√2𝜋exp
[ −(𝑙𝑛𝑥−𝜃)2
2𝜔2
]
Untu
k 0<𝑥<∞
𝑇𝑛=x̄−𝜇
𝑠/√𝑛
Fungsi
Kep
adat
an P
robab
ilit
as :
𝑓( 𝑥)=𝑟[𝑘
+1
2]
√𝜇𝑘𝑟(𝑘2)
.1
[(𝑥2 𝑘)+1](𝑘
+1)/2
Untu
k −∞<𝑥<∞
Vari
ab
el
𝛽 =
par
amet
er
ben
tuk d
istr
ibusi
𝛿 =
Par
amet
er
skal
a yan
g
men
unju
kkan
um
ur
pen
ggunaa
n s
uat
u
alat
θ
= r
ata-
rata
ω2
=
var
iansi
µ =
rat
a-ra
ta
popula
si
s =
sta
ndar
dev
iasi
x̄ =
rat
a-ra
ta s
ampel
n =
jum
lah s
ampel
k =
der
ajat
keb
ebas
an
Pen
ger
tian
Dis
trib
usi
Wei
bull
ser
ing d
igunak
an u
ntu
k
men
ghit
ung w
aktu
yan
g d
icap
ai s
ampai
terj
adin
ya
ker
usa
kan
suat
u s
iste
m f
isik
.
Var
iabel
dal
am s
iste
m t
erkad
ang m
engik
uti
dis
trib
usi
eksp
onen
sial
den
gan
var
iabel
X
adal
ah e
xp(W
). S
aat
W d
itra
nfo
rmas
ikan
men
ggunak
an l
ogar
itm
a dan
men
jadi
dis
trib
usi
norm
al, m
aka
dis
trib
usi
dar
i
var
iabel
X i
ni
dis
ebut
dis
trib
usi
lognorm
al.
Mis
alkan
X1,
X2,....,
Xn m
eru
pak
an s
ampel
acak
dar
i su
atu d
istr
ibusi
norm
al d
engan
rat
a-
rata
dan
sta
ndar
dev
iasi
yan
g t
idak
dik
etah
ui.
Var
iabel
aca
k b
erdis
trib
usi
t d
engan
der
ajat
keb
ebas
an n
-1
Jen
is D
istr
ibu
si
Dis
trib
usi
W
eibull
Dis
trib
usi
Lognorm
al
Dis
trib
usi
Stu
den
t (t
)
No
7.
8.
9.
25
Tab
el 2
.7 D
istr
ibusi
Pro
bab
ilit
as K
onti
nyu (
Dis
trib
usi
W
eibull
, D
istr
ibusi
Lognorm
al, D
istr
ibusi
Stu
den
t (t
))
Con
toh
Men
entu
kan
wak
tu
life
tim
e dar
i pen
ggunaa
n
roll
er b
eari
ng s
ecar
a
mek
anis
sam
pai
stru
ktu
r bah
an r
usa
k
(gag
al)
Men
guji
um
ur
pak
ai s
uat
u
alat
Untu
k m
enguji
dua
rata
-
rata
den
gan
sam
pel
kec
il
(n<
30)
Sum
ber
: (M
ontg
om
ery,
2003)
Per
sam
aan
Fungsi
Kep
adat
an P
robab
ilit
as:
𝑓( 𝑥)=𝛽 𝛿(𝑥 𝛿)𝛽
−1exp(−
𝑥 𝛿)𝛽
untu
k x
>0
Fungsi
Kep
adat
an P
robab
ilit
as
𝑓( 𝑥)=
1
𝑥𝜔√2𝜋exp
[ −(𝑙𝑛𝑥−𝜃)2
2𝜔2
]
Untu
k 0<𝑥<∞
𝑇𝑛=x̄−𝜇
𝑠/ √
𝑛
Fungsi
Kep
adat
an P
robab
ilit
as :
𝑓( 𝑥)=𝑟[𝑘
+1
2]
√𝜇𝑘𝑟(𝑘2)
.1
[(𝑥2 𝑘)+1](𝑘
+1)/2
Untu
k −∞<𝑥<∞
Vari
ab
el
𝛽 =
par
amet
er
ben
tuk d
istr
ibusi
𝛿 =
Par
amet
er
skal
a yan
g
men
unju
kkan
um
ur
pen
ggunaa
n s
uat
u
alat
θ
= r
ata-
rata
ω2
=
var
iansi
µ =
rat
a-ra
ta
popula
si
s =
sta
ndar
dev
iasi
x̄ =
rat
a-ra
ta s
ampel
n =
jum
lah s
ampel
k =
der
ajat
keb
ebas
an
Pen
ger
tian
Dis
trib
usi
Wei
bull
ser
ing d
igunak
an u
ntu
k
men
ghit
ung w
aktu
yan
g d
icap
ai s
ampai
terj
adin
ya
ker
usa
kan
suat
u s
iste
m f
isik
.
Var
iabel
dal
am s
iste
m t
erkad
ang m
engik
uti
dis
trib
usi
eksp
onen
sial
den
gan
var
iabel
X
adal
ah e
xp(W
). S
aat
W d
itra
nfo
rmas
ikan
men
ggunak
an l
ogar
itm
a dan
men
jadi
dis
trib
usi
norm
al, m
aka
dis
trib
usi
dar
i
var
iabel
X i
ni
dis
ebut
dis
trib
usi
lognorm
al.
Mis
alkan
X1,
X2,....,
Xn m
erupak
an s
ampel
acak
dar
i su
atu d
istr
ibusi
norm
al d
engan
rat
a-
rata
dan
sta
ndar
dev
iasi
yan
g t
idak
dik
etah
ui.
Var
iabel
aca
k b
erdis
trib
usi
t d
engan
der
ajat
keb
ebas
an n
-1
Jen
is D
istr
ibu
si
Dis
trib
usi
W
eibull
Dis
trib
usi
Lognorm
al
Dis
trib
usi
Stu
den
t (t
)
No
7.
8.
9.
26
Tab
el 2
.8 D
istr
ibusi
Pro
bab
ilit
as K
onti
nyu (
Dis
trib
usi
F d
an D
istr
ibusi
Chi
Squar
e)
Con
toh
Untu
k m
enguji
var
iansi
2
popula
si d
an d
apat
men
guji
rat
a-ra
ta p
ada
var
iansi
3 a
tau l
ebih
popula
si (
AN
OV
A)
Dig
unak
an u
ntu
k u
ji
Goodnes
s of
fit.
(m
enguji
suat
u d
ata
apak
ah s
esuai
den
gan
dis
trib
usi
ter
tentu
)
Sum
ber
: (M
ontg
om
ery,
2003)
Per
sam
aan
𝐹=𝑊
/𝑢
𝑌/𝑣
Fungsi
kep
adat
an p
robab
ilit
as :
𝑓( 𝑥)=𝑟(𝑢
+𝑣
2)(𝑢 𝑣)(
𝑢 2𝑥)(𝑢 2)−
1
𝑟(𝑢 𝑣)𝑟(𝑣 𝑢)[(𝑢 𝑣)𝑥+1]𝑢
+𝑣
2
𝑢𝑛𝑡𝑢𝑘0<𝑥<∞
Par
amet
er
α=
ν/2
dan
β=
2
Fungsi
Kep
adat
an P
robab
ilit
as
𝑓( 𝑥)={2−𝛼𝑥𝛼−1𝑒−𝑥/2
𝛤(𝛼)
𝑥>0
0𝑜𝑡ℎ𝑒𝑟
Fungsi
Dis
trib
usi
Kum
ula
tif
𝐹( 𝑥)={
0𝑥≤0
∫𝑓( 𝑖) 𝑑𝑖𝑥>0
𝑥
0
Mea
n :
µ=
νV
aria
nsi
: σ
2=
2ν
Vari
ab
el
W d
an Y
= v
aria
bel
random
chi-
square
u d
an v
= d
eraj
at
keb
ebas
an
e =
2,7
1828
v =
der
ajat
keb
ebas
an
Pen
ger
tian
Dis
trib
usi
F d
igunak
an a
pab
ila
ter
dap
at 2
buah
popula
si y
ang b
erdis
trib
usi
norm
al
dan
indep
end
en d
iman
a ra
ta-r
ata
popula
si
dan
var
iansi
nya
tidak
dik
etah
ui.
Sep
erti
pad
a dis
trib
usi
t,
dis
trib
usi
chi-
squar
e m
empunyai
sat
u p
aram
eter
, yai
tu
der
ajat
keb
ebas
an (
df)
. D
eraj
at
keb
ebas
anny
a dap
at d
ihit
ung
men
ggunak
an f
orm
ula
yan
g b
erbed
a dar
i
pen
guji
an y
ang b
erbed
a. B
entu
k k
urv
a
dis
trib
usi
chi-
squar
e ber
ben
tuk s
kew
nes
s
posi
tif
dar
i df
yan
g t
erkec
il s
ampai
df
yan
g p
alin
g b
esar
.
Jen
is D
istr
ibu
si
Dis
trib
usi
F
Dis
trib
usi
Chi
Sq
uar
e
(X2)
No.
10.
11.
27
2.4 Fungsi Massa Probabilitas
Misalkan terdapat suatu pembebanan yang diletakan pada titik-titik diskrit (tertentu)
di sebuah balok yang panjang dan tipis. Pembebanan tersebut dideskripsikan sebagai suatu
fungsi yang menjelaskan bahwa massa (pembebanan) berada di tiap-tiap titik diskrit
tersebut. Hampir sama seperti variabel acak diskrit, distribusinya dapat dideskripsikan
dengan fungsi tersebut yang menjelaskan bahwa probabilitasnya berada pada tiap-tiap nilai
variabel acak X yang mungkin (Montgomery, 2003).
Gambar 2.3 Loading at discrete points in a long thin beam
Sumber : Montgomery (2003)
Untuk variabel acak diskrit dengan nilai kemungkinan x1, x2, . . . . , xn fungsi
probabilitas massanya adalah
1. F(x1) ≥ 0
2. ∑ 𝑓(𝑥𝑖)𝑛𝑖=1 = 1
3. 𝑓(𝑥𝑖) = 𝑃(𝑋 = 𝑥𝑖)
2.5 Fungsi Kepadatan Probabilitas
Fungsi kepadatan pada umumnya digunakan di dunia keteknikan untuk
mendeskripsikan sistem fisik. Sebagai contoh, mengingat kepadatan pada suatu balok yang
panjang dan tipis seperti yang ditunjukkan pada gambar 2.1. Untuk setiap titik x di
sepanjang balok, kepadatannya dapat dideskripsikan sebagai sebuah fungsi (gram/cm).
Interval antara pembebanan yang besar berhubungan dengan nilai fungsi yang besar pula.
Total pembebanan antara poin a dan b ditentukan sebagai suatu integral dari fungsi
kepadatan dari a ke b.
Di bawah interval pada fungsi densitas ini, dapat dengan mudah ditafsirkan sebagai
jumlah dari keseluruhan pembebanan di interval tersebut. Hampir sama, fungsi kepadatan
probabilitas f(x) dapat digunakan unutk mendeskripsikan distribusi probabilitas dari
variabel acak kontinyu X. Jika interval memiliki nilai dari X, probabilitasnya besar dan itu
28
berhubungan dengan nilai fungsi f(x) yang besar pula. Probabilitas X diantara a dan b
ditentukan dari integral dari F(x) dari a ke b (Montgomery, 2003).
Gambar 2.4 Fungsi Densitas pada Balok yang Panjang dan Tipis
Sumber : Montgomery (2003)
Untuk variabel acak kontinyu dari X, fungsi kepadatan probabilitasnya adalah
1. F(x1) ≥ 0
2. ∫ 𝑓(𝑥)𝑑𝑥 = 1∞
−∞
3. P (a ≤ X ≤ b) = ∫ 𝑓(𝑥)𝑑𝑥𝑏
𝑎 = area dibawah f(x) untuk semua nilai a dan b
2.6 Fungsi Distribusi Kumulatif untuk Variabel Acak Diskrit
Terkadang akan sangat berguna untuk menggunakan probabilitas kumulatif dimana
probabilitas tersebut dapat digunakan untuk menemukan fungsi massa probabilitas (PMF)
dari suatu variabel acak. Maka dari itu menggunakan probabilitas kumulatif ini merupakan
suatu metode alternatif untu mendeskripsikan distribusi probabilitas dari suatu variabel
acak. (Montgomery, 2003)
Fungsi probabilitas kumulatif dari variabel acak diskrit X ini dapat dinotasikan sebagai
berikut
F(x) = P(X ≤ x) = ∑ 𝑓(𝑥𝑖)𝑥1≤𝑥 (2-2) Sumber : Montgomery(2003:64)
Untuk variabel acak diskrit X, F(x) memenuhi ketentuan berikut
1. F(x) = P(X ≤ x) = ∑ 𝑓(𝑥𝑖)𝑥1≤𝑥
2. 0 ≤ F(x) ≤ 1
3. bila x ≤ y, kemudian F(x) ≤ F(y)
Gambar 2.5 Fungsi Distribusi Kumulatif untuk Variabel Acak Diskrit
Sumber : Montgomery (2003)
29
2.7 Fungsi Distribusi Kumulatif untuk Variabel Acak Kontinyu
Metode alternatif untuk mendeskripsikan suatu varuiabel acak diskrit ternyata juga
dapat digunakan untuk variabel acak kontinyu. Fungsi distribusi kumulatif dari variabel
acak kontinyu X adalah
F (x) = P( X ≤ x ) = ∫ 𝑓(𝑢)𝑑𝑢∞
−∞ for −∞ < 𝑥 < ∞. (2-3)
Sumber : Montgomery (2003)
Menjabarkan definisi dari f(x) ke segala lini memungkinkan kita untuk mendefinisikan
distribusi probabilitas kumulatif untuk semua bilangan real/nyata. (Montgomery, 2003)
Gambar 2.6 Fungsi Distribusi Kumulatif untuk Variabel Acak Kontinyu
Sumber: Montgomery (2003)
30
III. METODOLOGI PRAKTIKUM
3.1 Diagram Alir Praktikum
Berikut merupakan diagram alir praktikum Distribusi Probabilitas.
Mulai
Pemilihan tempat studi kasus
Identifikasi distribusi probabilitas studi kasus
Pengambilan data
Studi Pustaka
Distribusi Diskrit Distribusi Kontinyu
Data Distribusi
Diskrit
Data Distribusi Kontinyu
Pengolahan data
Pengolahan Teoritis Pengolahan Empiris
Pengolahan Software
Pengolahan Manual
Analisis dan Pembahasan
Kesimpulan dan Saran
Selesai
Gambar 3.1 Diagram Alir Praktikum
3.2 Alat dan Bahan
Berikut adalah alat dan bahan yang digunakan dalam praktikum distribusi
probabilitas.
1. Stopwatch
2. Lembar Pengamatan
31
3.3 Prosedur Pengolahan Data
3.3.1 Prosedur Pengolahan Data Teoritis
Pada pengolahan data secara teoritis berdasarkan data yang diperoleh, dilakukan
pengolahan data untuk mengetahui nilai probabilitas dari kejadian tertentu. Pengolahan
dilakukan dengan menggunakan software SPSS.
1. Binomial
Berikut ini adalah langkah-langkah pengolahan data distribusi Binomial menggunakan
software SPSS 20:
a. Buka software SPSS 20 dan klik variabel.
b. Isikan x dan PDF pada kolom Name, lalu isikan kolom Decimals dengan 0 (nol) pada
x dan 5 (lima) pada PDF, setelah itu isikan kedua kolom Measure dengan Scale.
c. Klik data view. Lalu isikan x dengan nilai (0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10).
d. Pada menu bar klik Transform → Compute variable.
e. Pada kotak dialog Compute Variable, isikan target variabel dengan pdf. Pada Function
group pilih PDF & Noncentral PDF. Dan pada Function and Special Variables pilih
Pdf.Binom.
f. Pindahkan fungsi Pdf.Binom ke dalam kotak Numeric Expression dengan menekan
tombol panah atas. Kemudian tuliskan PDF.BINOM (?.?.?) dengan PDF.BINOM
(x.n.p) sesuai dengan studi kasus. Lalu klik OK.
2. Geometrik
Berikut ini adalah langka-langkah pengolahan data distribusi Geometrik menggunakan
software SPSS 20:
a. Buka software SPSS 20 dan klik variabel.
b. Isikan x dan PDF pada kolom Name, lalu isikan kolom Decimals dengan 0 (nol) pada
x dan 5 (lima) pada PDF, setelah itu isikan kedua kolom Measure dengan Scale.
c. Klik data view. Lalu isikan x dengan nilai (1, 2, 3, 4, 5, 6, 7, 8, dst).
d. Pada menu bar klik Transform → Compute variable.
e. Pada kotak dialog Compute Variable, isikan target variabel dengan pdf. Pada Function
group pilih PDF & Noncentral PDF. Dan pada Function and Special Variables pilih
Pdf.Geom.
f. Pindahkan fungsi Pdf.Geom ke dalam kotak Numeric Expression dengan menekan
tombol panah atas. Kemudian tuliskan PDF.GEOM (?.?) dengan PDF.GEOM (x.p)
sesuai dengan studi kasus. Lalu klik OK.
32
3. Hipergeometrik
Berikut ini adalah langka-langkah pengolahan data distribusi Hipergeometrik
menggunakan software SPSS 20:
a. Buka software SPSS 20 dan klik variabel.
b. Isikan x dan PDF pada kolom Name, lalu isikan kolom Decimals dengan 0 (nol) pada
x dan 5 (lima) pada PDF, setelah itu isikan kedua kolom Measure dengan Scale.
c. Klik data view. Lalu isikan x dengan peubah acak yang mungkin terjadi. Contohnya 0,
1, 2, 3, 4, 5.
d. Pada menu bar klik Transform → Compute variable.
e. Pada kotak dialog Compute Variable, isikan target variabel dengan pdf. Pada Function
group pilih PDF & Noncentral PDF. Dan pada Function and Special Variables pilih
Pdf.Hyper.
f. Pindahkan fungsi Pdf.Hyper ke dalam kotak Numeric Expression dengan menekan
tombol panah atas. Kemudian tuliskan PDF.HYPER (?.?.?.?) sesuai dengan studi
kasus. Lalu klik OK.
4. Pascal
Berikut ini adalah langka-langkah pengolahan data distribusi Pascal/Binomial Negatif
menggunakan software SPSS 20:
a. Buka software SPSS 20 dan klik variabel.
b. Isikan x dan PDF pada kolom Name, lalu isikan kolom Decimals dengan 0 (nol) pada
x dan 5 (lima) pada PDF, setelah itu isikan kedua kolom Measure dengan Scale.
c. Klik data view. Lalu isikan x dengan peubah acak yang mungkin terjadi.
d. Pada menu bar klik Transform → Compute variable.
e. Pada kotak dialog Compute Variable, isikan target variabel dengan pdf. Pada Function
group pilih PDF & Noncentral PDF. Dan pada Function and Special Variables pilih
Pdf.Negbin.
f. Pindahkan fungsi Pdf.Negbin ke dalam kotak Numeric Expression dengan menekan
tombol panah atas. Kemudian tuliskan PDF.NEGBIN (?.?.?) dengan PDF.NEGBIN
(x.k.p) sesuai dengan studi kasus. Lalu klik OK.
5. Poisson
Berikut ini adalah langkah-langkah pengolahan data distribusi Poisson menggunakan
software SPSS 20:
33
a. Buka software SPSS 20 dan klik variabel.
b. Isikan x dan PDF pada kolom Name, lalu isikan kolom Decimals dengan 0 (nol) pada
x dan 5 (lima) pada PDF, setelah itu isikan kedua kolom Measure dengan Scale.
c. Klik data view. Lalu isikan x dengan peubah acak yang mungkin terjadi.
d. Pada menu bar klik Transform → Compute variable.
e. Pada kotak dialog Compute Variable, isikan target variabel dengan pdf. Pada Function
group pilih PDF & Noncentral PDF. Dan pada Function and Special Variables pilih
Pdf.Poisson.
f. Pindahkan fungsi Pdf.Negbin ke dalam kotak Numeric Expression dengan menekan
tombol panah atas. Kemudian tuliskan PDF.POISSON (?.?) sesuai dengan studi kasus.
Lalu klik OK.
6. Normal
Berikut ini adalah langka-langkah pengolahan data distribusi Normal menggunakan
software SPSS 20:
a. Buka software SPSS 20 dan klik variabel.
b. Isikan batas_bawah, batas_atas, dan cdf pada kolom Name, setelah itu isikan ketiga
kolom Measure dengan Scale.
c. Isikan kolom Decimals dengan 2 (dua) pada variabel batas_bawah dan batas_atas serta
5 (lima) pada variabel cdf.
d. Klik data view. Lalu isikan nilai batas_atas dan batas_bawah.
e. Pada menu bar klik Transform → Compute variable.
f. Pada kotak dialog Compute Variable, isikan target variabel dengan cdf untuk mencari
cdf maksimum. Pada Function group pilih CDF & Noncentral CDF. Dan pada
Function and Special Variables pilih Cdf.Normal.
g. Pindahkan fungsi Cdf.Normal ke dalam kotak Numeric Expression dengan menekan
tombol panah atas. Kemudian tuliskan CDF.NORMAL (batas_atas. mean, stddev)-
CDF.NORMAL (batas_bawah. mean. stddev). Masukkan mean dan stddev sesuai
dengan studi kasus. Lalu klik OK.
7. Eksponensial
Berikut ini adalah langkah-langkah pengolahan data distribusi eksponensial
menggunakan software SPSS 20:
34
a. Buka software SPSS 20 dan klik variabel.
b. Isikan batas_bawah, batas_atas, dan cdf pada kolom Name, setelah itu isikan ketiga
kolom Measure dengan Scale.
c. Isikan kolom Decimals dengan 2 (dua) pada variabel batas_bawah dan batas_atas serta
5 (lima) pada variabel cdf.
d. Klik data view. Lalu isikan nilai batas_atas dan batas_bawah.
e. Pada menu bar klik Transform → Compute variable.
f. Pada kotak dialog Compute Variable, isikan target variabel dengan cdf untuk mencari
cdf maksimum. Pada Function group pilih CDF & Noncentral CDF. Dan pada
Function and Special Variables pilih Cdf.Exp.
g. Pindahkan fungsi Cdf.Normal ke dalam kotak Numeric Expression dengan menekan
tombol panah atas. Kemudian tuliskan CDF.EXP (batas_atas,scale) - CDF.EXP
(batas_bawah, scale). Masukkan scale sesuai dengan studi kasus. Lalu klik OK.
3.3.2 Prosedur Pengolahan Data Empiris
Pada pengolahan data secara empiris dilakukan dengan menggunakan cara manual.
Perhitungan empiris didasarkan hasil statistik percobaan. Berikut adalah prosedur
perhitungan empiris:
1. Menghitung jumlah frekuensi tiap replikasi pada tabel pengolahan berdasarkan tally
setelah dilakukan praktikum.
2. Menghitung jumlah frekuensi kumulatif tiap replikasi pada tabel pengolahan.
3. Mengisi nilai variabel random (x) pada kolom.
4. Melakukan perhitungan empiris dengan membagi frekuensi pada variabel random
yang akan dihitung dengan frekuensi kumulatif keseluruhan. Fempiris = 𝐹𝑖
𝛴𝐹𝑖
IV. STUDI KASUS
4.1 Pengolahan Distribusi Diskrit
1. Distribusi Binomial Tabel 4.1 Pengolahan Data Distribusi Binomial
Replikasi Tally F F Kumulatif x Perhitungan
Empiris
Perhitungan
Teoritis
1.
2.
3.
4.
5.
35
Tabel 4.1 Pengolahan Data Distribusi Binomial (Lanjutan)
Replikasi Tally F F Kumulatif x Perhitungan
Empiris
Perhitungan
Teoritis
6.
7.
8.
9.
10.
Analisis:
........................................................................................................................................
........................................................................................................................................
........................................................................................................................................
2. Distribusi Geometrik Tabel 4.2 Pengolahan Data Distribusi Geometrik
Replikasi Tally F F Kumulatif x Perhitungan
Empiris
Perhitungan
Teoritis
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
Analisis:
........................................................................................................................................
........................................................................................................................................
........................................................................................................................................
3. Distribusi Hipergeometrik Tabel 4.3 Pengolahan Data Distribusi Hipergeometrik
Replikasi Tally F F Kumulatif x Perhitungan
Empiris
Perhitungan
Teoritis
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
Analisis:
........................................................................................................................................
........................................................................................................................................
........................................................................................................................................
36
4. Distribusi Binomial Negatif Tabel 4.4 Pengolahan Data Distribusi Binomial Negatif
Replikasi Tally F F
Kumulatif x
Perhitungan
Empiris
Perhitungan
Teoritis
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
Analisis:
..................................................................................................................................
..................................................................................................................................
..................................................................................................................................
5. Distribusi Poisson Tabel 4.5 Pengolahan Data Distribusi Poisson
Replikasi Tally F F Kumulatif x Perhitungan
Empiris
Perhitungan
Teoritis
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
Analisis:
.....................................................................................................................................
.....................................................................................................................................
.....................................................................................................................................
4.2 Perhitungan Distribusi Kontinyu
Distribusi Normal
Pengumpulan Data Tabel 4.6 Pengumpulan Data Distribusi Normal
Replikasi Waktu Replikasi Waktu
1. 21.
2. 22.
3. 23.
4. 24.
5. 25.
6. 26
7. .27.
8. 28.
9. 29.
10. 30.
37
Tabel 4.6 Pengumpulan Data Distribusi Normal (Lanjutan) Replikasi Waktu Replikasi Waktu
11. 31.
12. 32.
13. 33.
14. 34.
15. 35.
16. 36.
17. 37.
18. 38.
19. 39.
20. 40.
Pengelompokkan Data Tabel 4.7 Pengelompokkan Data Distribusi Normal
Interval Frekuensi
CDF
Atas
CDF
Bawah Probabilitas
Perhitungan
Teoritis
Performansi
Cepat
Performansi
Standard
Performansi
Lambat
Total
Analisis:
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
Distribusi Eksponensial
Pengumpulan Data
Tabel 4.8 Pengumpulan Data Distribusi Eksponensial
Replikasi Waktu Replikasi Waktu
1. 16.
2. 17.
3. 18.
4. 19.
5. 20.
6. 21.
7. 22.
8. 23.
9. 24.
10. 25.
11. 26.
12. 27.
13. 28.
14. 29.
15. 30.
38
Pengelompokkan Data Tabel 4.9 Pengelompokkan Data Distribusi Eksponensial
Time
Between
Failure
Interval Frekuensi CDF
Atas
CDF
Bawah Probabilitas
Perhitungan
Teoritis
I
II
III
Total
Analisis:
.....................................................................................................................................
.....................................................................................................................................
.....................................................................................................................................
.....................................................................................................................................
.....................................................................................................................................
V. SOAL
1. Diketahui suatu perusahaan yang bergerak di bidang produksi sepatu pada hari itu
memproduksi 60 pasang sepatu. Dimana untuk tiap pasangnya memiliki probabilitas
berhasil sebesar 0,95. Berapakah peluang ditemukannya paling banyak 3 pasang
sepatu yang cacat ?
........................................................................................................................................
........................................................................................................................................
........................................................................................................................................
........................................................................................................................................
........................................................................................................................................
........................................................................................................................................
........................................................................................................................................
........................................................................................................................................
........................................................................................................................................
........................................................................................................................................
2. Diketahui sebuah perusahaan mobil ingin memesan 200 buah sparepart mobil dari
supplier. Untuk mengecek kualitas dari barang tersebut, di ambilah sampel sebesar
12 buah sparepart. Jika tidak ada satupun sampel yang diambil cacat, maka dapat
disimpulkan bahwa sparepart yang dipesan dapat diterima. Jika diketahui bahwa
terdapat 22 buah sparepart yang dimiliki supplier itu adalah cacat, berapakah
probabilitas bahwa tidak ada sparepart yang dipilih cacat dan probabilitas dan
probabilitas paling banyak ditemukan 2 sparepart yang dipilih cacat ?
39
...................................................................................................................................
...................................................................................................................................
...................................................................................................................................
...................................................................................................................................
...................................................................................................................................
...................................................................................................................................
...................................................................................................................................
...................................................................................................................................
...................................................................................................................................
...................................................................................................................................
3. Rata – rata banyaknya suatu perusahaan parfum memproduksi produknya adalah 30
botol parfum untuk tiap harinya. Berapakah peluang bahwa dalam 1 hari dapat
memproduksi sebanyak 35 botol parfum ?
...................................................................................................................................
...................................................................................................................................
...................................................................................................................................
...................................................................................................................................
...................................................................................................................................
...................................................................................................................................
...................................................................................................................................
4. Sebuah mesin minuman kaleng diatur sedemikian rupa sehingga mengeluarkan
secara rata-rata 330 ml per kaleng. Bila banyaknya minuman yang dikeluarkan itu
berdistribusi normal dengan simpangan baku 15 ml.
(A) Berapakah probabilitas sebuah kaleng terisi 321 dan 338 ml?
(B) Berapakah probabilitas sebuah kaleng terisi sebanyak 325 ml?
........................................................................................................................................
........................................................................................................................................
........................................................................................................................................
........................................................................................................................................
........................................................................................................................................
........................................................................................................................................
........................................................................................................................................
40
5. Sebuah bengkel mobil sedang memberikan promo fantastis sehingga kedatangan
customer berdistribusi eksponensial. Kedatangan customer meningkat dari
normalnya menjadi 6,1 tiap 30 menitnya. Berapakah probabilitas kedatangan
customer dalam selang waktu 5 menit atau lebih?
...........................................................................................................................................
...........................................................................................................................................
...........................................................................................................................................
...........................................................................................................................................
...........................................................................................................................................
...........................................................................................................................................
...........................................................................................................................................