MODUL 3 FIX
-
Upload
meilania-dwi-setyaningtyas -
Category
Documents
-
view
250 -
download
3
description
Transcript of MODUL 3 FIX
Praktikum Statistik Industri Ganjil 2015Laboratorium Statistik dan Rekayasa Kualitas
Kelompok 5 Modul III Distribusi Probabilitas 35
BAB IPENDAHULUAN
1.1 Latar Belakang
Dalam dunia nyata, khususnya dalam dunia industri terdapat banyak masalah yang
berkaitan dengan pengaplikasian distribusi probabilitas, misalnya adalah banyaknya percobaan
atau trial untuk mendapatkan barang yang tidak cacat dan untuk memperkirakan satu sistem
yang ada dalam perusahaan. Hal ini dapat diselesaikan dan diperkirakan menggunakan
distribusi probabilitas binomial negatif (pascal) dan distribusi probabilitas eksponensial.
Berikut ini merupakan contoh kasus yang dapat diselesaikan menggunakan distribusi binomial
negatif. Dalam suatu departemen produksi terdapat inspeksi barang yang cacat, untuk
mendapatkan barang yang cacat diambil secara acak dengan beberapa percobaan, dari
pengambilan tersebut dikatakan sukses apabila terambil barang cacat. Dengan menggunakan
distribusi binomial negatif dapat diketahui berapa banyak percobaan pengambilan sampai
menghasilkan barang sukses. Sedangkan kasus dari penerapan distribusi eksponensial adalah
dalam suatu antrian di Bank X terdapat antrian yang padat, dengan meggunakan distribusi
eksponensial dapat diketahui probabilitas lama antrian antara satu nasabah dengan nasabah
yang lain. Dalam praktikum ini penerapan distribusi binomial negatif dan distribusi
eksponensial menggunakan 50 kartu bridge untuk percobaan distribusi binomial negatif dan
menggunakan bingo yang terdiri dari nomor genap dan nomor ganjil untuk distribusi
eksponensial.
Dengan mempelajari dan memahami distribusi probabilitas binomial negatif dan
eksponensial, praktikan mampu mengetahui perbedaan antara data distribusi probabilitas
diskrit dan kontinyu sehingga dapat menyelesaikan masalah yang terjadi dari kehidupan sehari-
hari. Selain itu dengan memahami distribusi diskrit dan kontinyu, seorang engineer diharapkan
dapat meningkatkan produktivitas dan mengelola suatu proses produksi dengan
memperkirakan sesuatu yang akan terjadi pada proses produksinya. Selain itu, diharapkan
dapat membantu menginterpretasikan hasil produksi berdasarkan pendugaan yang dilakukan.
Dengan melakukan upaya-upaya yang menggunakan distribusi probabilitas dapat meningkatkan
income suatu perusahaan karena hasil produksi yang cacat dapat diminimalkan.
1.2 Batasan Praktikum
Batasan yang digunakan dalam melaksanakan praktikum mengenai distribusi probabilitas
adalah sebagai berikut:
1. Data yang digunakan adalah data primer.
2. Distribusi diskrit yang digunakan adalah distribusi binomial negatif (Pascal).
3. Distribusi kontinyu yang digunakan adalah distribusi eksponensial.
Praktikum Statistik Industri Ganjil 2015Laboratorium Statistik dan Rekayasa Kualitas
Kelompok 5 Modul III Distribusi Probabilitas 36
1.3 Tujuan Praktikum
Tujuan melaksanakan praktikum mengenai teori probabilitas ini adalah sebagai berikut:
1. Melakukan perhitungan dengan menggunakan software dan perhitungan secara manual
untuk menyelesaikan permasalahan distribusi probabilitas diskrit binomial negatif.
2. Melakukan perhitungan dengan menggunakan software dan manual untuk menyelesaikan
permasalahan distribusi kontinyu eksponensial.
3. Mengetahui dan memahami perbedaan antara data empiris dan data teoritis dari
permasalahan distribusi probabilitas dalam kehidupan sehari-hari.
1.4 Manfaat Praktikum
Manfaat pelaksanaan praktikum ini adalah sebagai berikut:
1. Praktikan dapat mengetahui penerapan distribusi diskrit dalam menyelesaikan suatu
permasalahan
2. Praktikan dapat mengetahui penerapan distribusi kontinyu dalam menyelesaikan suatu
permasalahan.
Praktikum Statistik Industri Ganjil 2015Laboratorium Statistik dan Rekayasa Kualitas
Kelompok 5 Modul III Distribusi Probabilitas 37
BAB IITINJAUAN PUSTAKA
2.1 Definisi Distribusi Probabilitas
Distribusi probabilitas dari variabel acak x adalah probabilitas yang berhubungan dengan
nilai variabel acak (x) yang mungkin. Untuk variabel acak X, distribusi tersebut sering
dispesifikasikan dengan mendaftarkan semua nilai yang mungkin dengan nilai probabilitasnya.
Di beberapa kasus, hal tersebut lebih baik dijelaskan dalam bentuk rumus (Montgomery,
2003:61).
2.2 Distribusi Probabilitas Diskrit
Distribusi probabilitas diskrit adalah suatu daftar atau distribusi dari semua nilai variabel
acak diskrit dengan probabilitas terjadinya masing-masing nilai tersebut. Variabel diskrit
memiliki jumlah kemungkinan nilai yang terbtas atau jumlah yang tak terhingga nilai-nilai yang
dapat dihitung. Kata dihitung berarti bahwa mereka dapat dicacah dengan angka 1, 2, 3, dll.
Sebagai contoh, jumlah pelari di Taman Riverview setiap hari dan jumlah panggilan telepon yang
diterima setelah komersial TV mengudara adalah contoh variabel diskrit karena mereka dapat
dihitung (Bluman, 2012:253).
2.2.1 Distribusi Binomial Negatif (Pascal)
Banyaknya X percobaan yang dibutuhkan untuk menghasilkan k sukses disebut variabel
random binomial negatif, dan distribusinya disebut ditribusi binomial negatif. Distribusi pascal
digunakan untuk mengetahui bahwa sukses ke k terjadi pada usaha ke x (Walpole, 2012:158).
Bila usaha yang dilakukan berulang kali menghasilkan sukses dengan peluangp, gagal dengan
peluang q = 1 – p, maka distribusi peluang peubah acak X, yaitu banyaknya usaha yang berakhir
tepat pada sukses ke k adalah:
b* (x;k,p) = (x−1k−1) px qx− k , x = k, k+1, k+2, … (2-1)
Sumber: Walpole (2012:159)
Dengan:
p = peluang sukses q = 1 – p = peluang gagal
x = jumlah trial yang diperlukan untuk memperoleh keluaran sukses ke-1
2.3 Distribusi Probabiltas Kontinyu
Distribusi probabilitas kontinyu adalah distribusi probabilitas yang nilainya dapat
diasumsikan berada pada interval antara dua buah angka yang disebut variabel kontinyu.
Sebagai contoh apabila temperature pada suatu hari selama 24 jam berada pada rentang 62
hingga 78 derajat celcius. Variabel acak kontinyu diperoleh dari data yang bisa diukur. Variabel
Praktikum Statistik Industri Ganjil 2015Laboratorium Statistik dan Rekayasa Kualitas
Kelompok 5 Modul III Distribusi Probabilitas 38
acak kontinyu dapat diasumsikan sebagai nilai dari angka yang tak terbatas dan termasuk juga
decimal dan pecahan. Dalam timbangan berskala kontinyu, berat badan manusia memungkinkan
memiliki nilai 183.426 pon apabila timbangan dapat mengukur berat badan hingga perseribu,
tetapi pada timbangan digital yang hanya dapat mengukur hingga persepuluh pon maka
beratnya hanya diketahui sebesar 183.4 pon. Contoh dari variabel acak kontinyu adalah tinggi
badan, berat badan, suhu dan waktu (Bluman, 2012:253).
2.3.1 Distribusi Eksponensial
Distribusi gamma dan eksponensial mempunyai peran penting dalam teori antrian dan
probabilitas keandalan. Waktu antar kedatangan di sebuah fasilitas kedatangan di sebuah
fasilitas pelayanan dan waktu antar kerusaka dari sebuah komponen atau sistem kelistrikan
dapat dimodelkan dengan mennggunakan distribusi eksponensial. Distribusi eksponensial
adalah kasus khusus dari distribusi gamma dengan nilai = 1 (Walpole, 2012:195)αApabila pada suatu distribusi poisson variabel acaknya dapat dicontohkan sebagai
banyaknya cacat di sepanjang kabel. Sementara itu jarak antara cacat satu dengan lainnya
adalah variabel acak lainnya yang menarik untuk dicermati. Misalkan variabel acak X
dinotasikan sebagai panjang dari suatu titik dimanapun pada kawat tersebut hingga
ditemukannya cacat. Misalkan variabel acak N dinotasikan sebagai banyaknya cacat di x
millimeter kawat. Bila rata-rata banyaknya cacat adalah per millimeter, N mempunyai distribusi
poisson dengan rata-rata x. kita mengasumsikan jika kabel lebih panjang dari nilai x maka fungsi
distribusi kumulatif X adalah (Montgomery, 2003:123)
F(x) = P(X≤x) = 1 - e− λx , x ≥ 0 (2-2)Sumber : Montgomery (2003: 123)
Variabel acak X yang sama dengan jarak antara proses perhitungan poisson berturut-turut
dengan rata-ratanya > 0 disebut sebagai variabel acak eksponensial dengan parameter .λ λ
Fungsi kepadatan probabilitas dari X adalah (Montgomery, 2003:123)
f(x) = λ e− λx untuk 0 ≤ x ≤ ∞Sumber : Montgomery (2003: 123)
Gambar 2.1 Distribusi Eksponensial
Praktikum Statistik Industri Ganjil 2015Laboratorium Statistik dan Rekayasa Kualitas
Kelompok 5 Modul III Distribusi Probabilitas 39
Sumber: Montgomery (2003:124)
Praktikum Statistik Industri Ganjil 2015Laboratorium Statistik dan Rekayasa Kualitas
Kelompok 5 Modul III Distribusi Probabilitas 40
BAB IIIMETODE PENELITIAN
3.1 Alat dan Bahan Praktikum
Berikut adalah alat dan bahan praktikum Distribusi Probabilitas.
3.1.1 Alat dan Bahan Praktikum Distribusi Binomial Negatif
Berikut adalah alat dan bahan yang digunakan:
1. 50 kartu bridge (13 kartu keriting dan 37 kartu selain keriting)
2. Lembar pengamatan
3.1.2 Alat dan Bahan Praktikum Distribusi Eksponensial
Berikut adalah alat dan bahan yang digunakan:
1. 1 set Bingo dengan 100 bola, dengan rincian 50 angka genap dan 50 angka ganjil
2. 1 buah stopwatch
3. Lembar pengamatan
3.2 Prosedur Praktikum
Berikut adalah prosedur praktikum Distribusi Probabilitas yang terdiri dari distribusi
probabilitas diskrit dan distribusi probabilitas kontinyu.
3.2.1 Prosedur Praktikum Distribusi Binomial Negatif
Prosedur praktikum yang dijalankan pada distribusi binomial negatif yaitu:
1. Persiapkan alat dan bahan
2. Mengocok 50 kartu bridge
3. Melakukan 10 kali replikasi
4. Melakukan pengambilan sampai terambil 3 keriting dengan pengembalian
5. Pengambilan setiap replikasi sebanyak 10 kartu
6. Analisis dan interpretasi
7. Kesimpulan dan saran
8. Penyusunan laporan
3.2.2 Prosedur Praktikum Distribusi Eksponensial
Prosedur praktikum yang dijalankan pada distribusi eksponensial yaitu:
1. Mempersiapkan alat bahan dan 3 anggota kelompok
2. Satu anggota kelompok berperan sebagai operator yang bertugas untuk memutar bingo
satu demi satu dengan pengembalian sampai kriteria sukses terjadi (bola dengan nomor
Praktikum Statistik Industri Ganjil 2015Laboratorium Statistik dan Rekayasa Kualitas
Kelompok 5 Modul III Distribusi Probabilitas 41
ganjil muncul). Sementara satu anggota lainnya bertugas untuk menjalankan dan
menghentikan stopwatch dan satu anggota sisanya untuk mencatat waktu yang diperlukan
operator untuk melakukan sebuah replikasi
3. Putar bingo secara kontinyu hingga kejadian sukses terjadi (bola dengan nomor ganjil
muncul)
4. Ulangi hingga 40 sukses terjadi
5. Catat waktu yang dibutuhkan antar kejadian sukses ke dalam tabel pengamatan
6. Analisis dan interpretasi
7. Kesimpulan dan saran
8. Penyusunan laporan
3.3 Diagram Alir Praktikum
Berikut merupakan diagram alir praktikum modul III mengenai distribusi probabilitas:
Gambar 3.1 Diagram alir praktikum
Praktikum Statistik Industri Ganjil 2015Laboratorium Statistik dan Rekayasa Kualitas
Kelompok 5 Modul III Distribusi Probabilitas 42
BAB IVHASIL DAN PEMBAHASAN
4.1 Pengumpulan Data
Berikut adalah data yang didapatkan dari hasil praktikum. Data yang didapat berdasarkan
praktikum ada dua, yaitu data distribusi binomial negatif (pascal) dan distribusi eksponensial.
4.1.1 Data Distribusi Diskrit (Distribusi Binomial Negatif)
Distribusi binomial negatif (pascal) menggunakan 50 kartu bridge. Dimana terdapat 13
kartu keriting dan 37 lainnya kartu selain keriting. Kejadian dikatakan sukses apabila
didapatkan 3 kartu keriting. Percobaan dilakukan sebanyak 10 kali replikasi. Berikut adalah data
distribusi pascal menggunakan kartu bridge.
Tabel 4.1 Data Distribusi Binomial NegatifReplikasi Tally Replikasi Tally
1 7 6 62 14 7 153 12 8 74 8 9 205 7 10 6
4.1.2 Data Distribusi Kontinyu (Distribusi Eksponensial)
Distribusi eksponensial menggunakan bingo. Dimana terdapat 100 bola yang terdiri dari 50
bola dengan nomor ganjil dan 50 bola lainnya dengan nomor genap. Kejadian dikatakan sukses
apabila muncul bola dengan angka ganjil. Eksperimen dilakukan sampai 40 kali sukses terjadi.
Berikut adalah data distribusi eksponensial menggunakan bingo.
Tabel 4.2 Data Distribusi EksponensialKejadian
Sukses (X)Waktu Kumulatif
(detik)t (detik)Δ Kejadian
Sukses (X)Waktu Kumulatif
(detik)t (detik)Δ
1 5.16 5.16 21 197.45 9.412 18.95 13.79 22 201.73 4.283 27.51 6.56 23 218.91 17.184 36.01 8.5 24 224.04 5.135 41.26 5.25 25 232.76 8.726 49.76 8.5 26 236.35 3.597 58.54 8.78 27 247.73 11.388 63.91 5.37 28 256.95 9.229 78.70 14.79 29 259.95 3
10 105.60 26.9 30 264.76 4.8111 115.01 9.41 31 277.79 13.0312 120.20 5.19 32 295.45 17.6613 125.54 5.34 33 303.60 8.1514 131.38 5.84 34 314.70 11.115 141.16 9.78 35 318.76 4.0616 146.29 5.13 36 330.48 11.7217 157.32 11.03 37 351.01 20.5318 164.01 6.69 38 357.73 6.7219 177.10 13.09 39 364.29 6.5620 188.04 10.94 40 369.41 5.12
Praktikum Statistik Industri Ganjil 2015Laboratorium Statistik dan Rekayasa Kualitas
Kelompok 5 Modul III Distribusi Probabilitas 43
4.2 Pengolahan Data
Pengolahan data dilakukan dengan menggunakan software SPSS, Microsoft Excel, dan secara
manual.
4.2.1 Pengolahan Data Distribusi Probabilitas Diskrit
Pengolahan data distribusi binomial negatif dilakukan dengan menggunakan software SPSS,
Microsoft Excel, dan secara manual.
4.2.1.1 Pengolahan SPSS
Berikut merupakan pengolahan data distribusi binomial negatif dengan menggunakan
software SPSS. Langkah-langkah pengujian binomial negatif menggunakan software SPSS sebagai
berikut:
1. Buka SPSS dan klik Variable View
2. 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
Gambar 4.1 Pengisian variable view
3. Klik Data View, lalu isikan x dengan peubah acak yang mungkin terjadi
Gambar 4.2 Pengisian data view
4. Pada Menu Bar klik Transform>>Compute Variable
Gambar 4.3 Langkah pengujian binomial negatif
Praktikum Statistik Industri Ganjil 2015Laboratorium Statistik dan Rekayasa Kualitas
Kelompok 5 Modul III Distribusi Probabilitas 44
5. Pada kotak dialog Compute Variable, isikan Target Variable dengan pdf, pada function group
pilih PDF & Noncentral PDF, dan pada Function and Special Variables pilih Pdf.Negbin
Gambar 4.4 Kotak dialog compute variable
6. Pindahkan fungsi Pdf.Negbin ke dalam kotak Numeric Expression dengan menekan tombol
panah atas. Kemudian tuliskan PDF.NEGBIN (?,?) dengan PDF.NEGBIN (x, k, p).
Gambar 4.5 Pengisian kotak dialog compute variable
7. Hasil pengujian sebagai berikut.
Gambar 4.6 Hasil pengujian binomial negatif
4.2.1.2 Pengolahan Microsoft Excel
Penyelesaian permasalahan pada Distribusi Binomial Negatif juga dilakukan menggunakan
Microsoft Excel. Langkah-langkah dalam penyelesaiaannya adalah sebagai berikut:
Praktikum Statistik Industri Ganjil 2015Laboratorium Statistik dan Rekayasa Kualitas
Kelompok 5 Modul III Distribusi Probabilitas 45
1. Buka worksheet Ms. Excel
2. Ketikkan nilai X dan p pada sheet yang tersedia sesuai dengan data yang diperoleh
3. Ketikkan tanda “=” kemudian pilih function NEGBINOM.DIST
4. Isikan formula “number_f” dengan nilai x-k, “number_s” dengan k=3, “probability_s” dengan
nilai sukses p=0.25, dan “cumulative” dengan FALSE pada sheet. Kemudian klik enter
Gambar 4.7 Formula binomial negatif 5. Hasil perhitungannya akan muncul seperti berikut:
Gambar 4.8 Hasil perhitungan binomial negatif
4.2.1.3 Pengolahan Secara Manual
Berikut merupakan pengolahan data secara manual untuk distribusi binomial negatif
dengan data yang didapatkan pada praktikum Distribusi Probabilitas menggunakan kartu,
dengan 3 kali kejadian sukses yaitu mendapatkan kartu keriting sebanyak 3 kartu dalam 1
replikasi dan dilakukan sebanyak 10 replikasi. (p= 13/50= 0.26)
Tabel 4.3 Pengolahan Distribusi Binomial NegatifX F Fkumulatif Empiris Teoritis7 3 3 3
10=0.3 b*(7;3,0.26) = (62)0.2630.744=0.07901
14 1 4 110
=0.1 b*(14;3,0.26) =
(132 )0.2630.7411=0.0499512 1 5 1
10=0.1
b*(12;3,0.26) =
(112 )0.2630.749=0.064328 1 6 1
10=0.1 b*(8;3,0.26) = (72)0.2630.745=0.08190
6 2 8 210
=0.2 b*(6;3,0.26) = (52)0.2630.743=0.0712215 1 9 1
10=0.1
b*(15;3,0.26) =
(142 )0.2630.7412=0.04312
Praktikum Statistik Industri Ganjil 2015Laboratorium Statistik dan Rekayasa Kualitas
Kelompok 5 Modul III Distribusi Probabilitas 46
20 1 10 110
=0.1b*(20;3,0.26) =
(192 )0.2630.7417=0.01798
4.2.1.4 Perbandingan Hasil Pengolahan Teoritis dan Empiris
Berikut merupakan perbandingan hasil perhitungan menggunakan software SPSS, Microsoft
Excel, dan perhitungan manual secara teoritis maupun empiris.
Tabel 4.4 Perbandingan Hasil Pengolahan Teoritis dan Empiris
XManual
Teoritis Empiris7 0.07901 0.3
14 0.04995 0.112 0.06432 0.18 0.08190 0.16 0.07122 0.2
15 0.04312 0.120 0.01798 0.1
Berikut merupakan grafik perbandingan hasil perhitungan manual secara teoritis dan empiris
dari Distribusi Binomial Negatif.
Gambar 4.9 Grafik perbandingan perhitungan teoritis dan empiris distribusi binomial negatif
Berdasarkan tabel perbandingan diatas, dapat diketahui ada perbedaan antara perhitungan
manual secara teoritis dan empiris. Hal ini disebabkan karena perhitungan secara empiris
menggunakan data hasil eksperimen dan perhitungannya dibatasi oleh banyaknya replikasi
yaitu 10 kali, sehingga tidak dapat merepresentasikan keadaan ideal dari percobaan idealnya.
Sedangkan perhitungan teoritis didapatkan dengan menggunakan rumus, sehingga
menghasilkan perbedaan hasil yang signifikan.
4.2.2 Pengolahan Data Distribusi Probabilitas Kontinyu
Pengolahan data distribusi eksponensial dilakukan dengan menggunakan software SPSS,
Microsoft Excel, dan secara manual.
4.2.2.1 Pengolahan Distribusi Kontinyu Dengan SPSS
Praktikum Statistik Industri Ganjil 2015Laboratorium Statistik dan Rekayasa Kualitas
Kelompok 5 Modul III Distribusi Probabilitas 47
Berikut merupakan pengolahan data distribusi eksponensial dengan menggunakan
software SPSS. Langkah-langkah yang harus dilakukan adalah sebagai berikut:
1. Buka program SPSS 20.0
2. Pilih variable view, masukkan Batas_bawah, Batas_atas, Lambda, dan cdf pada kolom Name
3. Mengisi kolom Decimal dengan 2 (dua) pada variabel Batas_bawah dan Batas_atas, 6 (enam)
pada lambda, dan 5 (lima) pada variabel cdf
4. Isikan Scale pada semua variabel cdf di kolom Measure
Gambar 4.9 Pengisian variable view
5. Kembali ke Data View kemudian isikan nilai Batas_bawah, Batas_atas, dan Lambda
Gambar 4.10 Pengisian data view
6. Kemudian pilih Transform lalu pilih Compute Variable
7. Setelah itu akan muncul tampilan 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
Gambar 4.11 Kotak dialog compute variable
8. Pindahkan fungsi Cdf.Exp ke dalam kotak numeric expression dengan menekan tombol panah
atas. Kemudian tuliskan Cdf.Exp (?,?) dengan Cdf.Exp (quant, scale)
9. Pada kotak numeric expression isikan CDF.EXP(batas_atas,lambda)-
CDF.EXP(batas_bawah,lambda)
Praktikum Statistik Industri Ganjil 2015Laboratorium Statistik dan Rekayasa Kualitas
Kelompok 5 Modul III Distribusi Probabilitas 48
Gambar 4.12 Pengisian kotak dialog compute variable
10. Klik OK
11. Kemudian di variable view akan muncul data perhitungannya
Gambar 4.13 Hasil pengujian
4.2.2.2 Pengolahan Distribusi Kontinyu dengan Microsoft Excel
Berikut merupakan pengolahan data distribusi eksponensial dengan menggunakan software
Microsoft Excel. Langkah-langkah menggunakan software Microsoft Excel sebagai berikut:
1. Buat kolom interval, batas bawah, batas atas, dan hasil
Tabel 4.5 Pengolahan Data Distribusi EksponensialReplikas
i IntervalBatas
BawahBatas Atas fi xi fi . xi Hasil
1 3 - 6.77 3 6.77 18 4.885 87.9300
2 6.78 - 10.55 6.78 10.55 9 8.665 77.9850
310.56 - 14.33 10.56 14.33 8 12.445 99.5600
414.34 - 18.11 14.34 18.11 3 16.225 48.6750
518.12 - 21.89 18.12 21.89 1 20.005 20.0050
621.90 - 25.67 21.9 25.67 0 23.785 0.0000
725.68 - 29.45 25.68 29.45 1 27.565 27.5650
Total 40
361.720
Praktikum Statistik Industri Ganjil 2015Laboratorium Statistik dan Rekayasa Kualitas
Kelompok 5 Modul III Distribusi Probabilitas 49
2. Pada kolom hasil masukkan function “=EXPONDIST(Batas atas; lambda; cumulative) -
EXPONDIST(Batas bawah; lambda; cumulative). Nilai lambda didapat dari perhitungan
λ= 1X
= 19,154
=0,109
3. Kemudian Klik OK, maka akan muncul hasil perhitungan data seperti sebagai berikut.
Tabel 4.6 Hasil PerhitunganReplikas
iInterval Batas
BawahBatas Atas
fi xi fi . xi Hasil
1 3 - 6.77 3 6.77 18 4.885 87.9300 0.24298
2 6.78 - 10.55 6.78 10.55 9 8.665 77.9850 0.16093
3 10.56 - 14.33 10.56 14.33 8 12.445 99.5600 0.10659
Tabel 4.6 Hasil Perhitungan (Lanjutan)Replikas
iInterval Batas
BawahBatas Atas
fi xi fi . xi Hasil
4 14.34 - 18.11 14.34 18.11 3 16.225 48.6750 0.07059
5 18.12 - 21.89 18.12 21.89 1 20.005 20.0050 0.04675
6 21.90 - 25.67 21.9 25.67 0 23.785 0.0000 0.03097
7 25.68 - 29.45 25.68 29.45 1 27.565 27.5650 0.02051Total 40 361.720
Tabel 4.7 Formulasi Distribusi EksponensialRumus Excel Hasil Excel
=EXPON.DIST(6.77,0.109,TRUE)-EXPON.DIST(3,0.109,TRUE)
0.24298
=EXPON.DIST(10.55,0.109,TRUE)-EXPON.DIST(6.78,0.109,TRUE)
0.16093
=EXPON.DIST(14.33,0.109,TRUE)-EXPON.DIST(10.56,0.109,TRUE)
0.10659
=EXPON.DIST(18.11,0.109,TRUE)-EXPON.DIST(14.34,0.109,TRUE)
0.07059
=EXPON.DIST(21.89,0.109,TRUE)-EXPON.DIST(18.12,0.109,TRUE)
0.04675
=EXPON.DIST(25.67,0.109,TRUE)-EXPON.DIST(21.9,0.109,TRUE)
0.03097
=EXPON.DIST(29.45,0.109,TRUE)-EXPON.DIST(25.68,0.109,TRUE)
0.02051
4.2.2.3 Perhitungan Manual Teoritis dan Empiris
Berikut merupakan pengolahan data manual distribusi eksponensial secara teoritis dan
empiris.
Tabel 4.8 Perhitungan Distribusi Eksponensial Secara TeoritisPerhitungan Hasil Perhitungan
Nilai max 26.9 detikNilai min 3 detikJangkauan nilai max−nilaimin ¿26.9−3=¿ 23.9 detik
Praktikum Statistik Industri Ganjil 2015Laboratorium Statistik dan Rekayasa Kualitas
Kelompok 5 Modul III Distribusi Probabilitas 50
Jumlah kelas (k) 1+3.322 log n=1+3.322 log 40=¿¿6.322 ~ 7Interval jangkauan
kelas= 23,96,322
=¿3.78
Rata-rata (X)X=
∑ f i . xif i
=366,1540
=¿9.154
Lamda ( )λλ= 1X
= 19.154
=0.109
Tabel 4.9 Perhitungan EmpirisNo. Interval fi PEmpiris
1 3 – 6.77 18 1840
=0.45
2 6.78 – 10.55 9 940
=0.225
3 10.56 – 14.33 8 840
=0.2
4 14.34 – 18.11 3 340
=0.075
5 18.12 – 21.89 1 140
=0.025
Tabel 4.9 Perhitungan Empiris (Lanjutan)No. Interval fi PEmpiris
6 21.90 – 25.67 0 040
=0
7 25.68 – 29.45 1 140
=0.025
Total 40
Tabel 4.10 Perhitungan TeoritisNo. Interval Pteoritis Hasil
1 3 – 6.77 a = (1−e−x2λ )=(1−2.71828−(6,77) (0,109 ) )=¿ 0.521897
b = (1−e−x1λ )=(1−2.71828−(3) (0,109 ))=¿ 0.278916
a – b = 0.24298
2 6.78 – 10.55 a = (1−e−x2λ )=(1−2.71828−(10,55) (0,109) )=¿0.68335
b = (1−e−x1λ )=(1−2.71828−(6,78) (0,109 ))=¿ 0.52242
a – b = 0.16093
3 10.56 – 14.33 a = (1−e−x2λ )=(1−2.71828−(14,33) (0,109) )=¿ 0.79028
b = (1−e−x1λ )=(1−2.71828−(10,56) (0,109) )=¿ 0.68369
a – b = 0.10659
4 14.34 – 18.11 a = (1−e−x2λ )=(1−2.71828−(18,11 )( 0,109) )=¿ 0.86109
b = (1−e−x1λ )=(1−2.71828−(14,34) (0,109 ))=¿ 0.79051
a – b = 0.07058
5 18.12 – 21.89 a = (1−e−x2λ )=(1−2.71828−(21,89) (0,109) )=¿ 0.90800
b = (1−e−x1λ )=(1−2.71828−(18,12) (0,109) )=¿ 0.86125
a – b = 0.04675
6 21.90 – 25.67 a = (1−e−x2λ )=(1−2.71828−(25,67) (0,109 ))=¿ 0.93907
b = (1−e−x1λ )=(1−2.71828−(21,90 ) (0,109 ) )=¿ 0.90810
a – b = 0.03097
7 25.68 – 29.45 a = (1−e−x2λ )=(1−2.71828−(29,45) (0,109) )=¿ 0.95964
b = (1−e−x1λ )=(1−2.71828−(25,68 ) (0,109 ) )=¿ 0.93914
a – b = 0.0205
4.2.2.4 Perbandingan Hasil Pengolahan Teoritis dan Empiris
Praktikum Statistik Industri Ganjil 2015Laboratorium Statistik dan Rekayasa Kualitas
Kelompok 5 Modul III Distribusi Probabilitas 51
Berikut merupakan perbandingan hasil pengolahan distribusi eksponensial menggunakan software SPSS, Microsoft Excel, dan secara manual.
Tabel 4.11 Perbandingan Hasil Pengolahan Teoritis dan Empiris
IntervalManual
Teoritis Empiris3 – 6.78 0.24298 0.456.79 – 10.57 0.16093 0.22510.58 – 14.36 0.10659 0.214.37 – 18.15 0.07058 0.07518.16 – 21.94 0.04675 0.02521.95 – 25.73 0.03097 025.74 – 29.52 0.0205 0.025
Berdasarkan tabel perbandingan diatas, dapat diketahui ada perbedaan antara perhitungan
secara manual, teoritis, menggunakan software Microsoft excel dan spss. Hal ini disebabkan
karena perhitungan secara empirisi menggunakan data hasil eksperimen dan perhitungannya
dibatasi oleh banyaknya replikasi yaitu 40 kali, sehingga tidak dapat merepresentasikan
keadaan ideal dari percobaan idealnya, sedangkan perhitungan teoritis didapatkan dengan
menggunakan rumus, sehingga menghasilkan perbedaan hasil yang signifikan. Sedangkan
perhitungan dengan menggunakan software spss maupun excel tidak terjadi perbedaan hasil
perhitungan, hal ini terjadi dikarenakan kedua software tersebut memiliki cara bekerja yang
berbeda yaitu spss tidak dapat membaca pmf. Berikut merupakan grafik hasil perhitungan dari
distribusi eksponensial.
Gambar 4.14 Grafik perbandingan perhitungan teoritis dan empiris distribusi eksponensial
Berdasarkan tabel perbandingan diatas, dapat diketahui ada perbedaan antara perhitungan
manual secara teoritis dan empiris. Hal ini disebabkan karena perhitungan secara empiris
menggunakan data hasil eksperimen dan perhitungannya dibatasi oleh banyaknya replikasi
yaitu 40 kali, sehingga tidak dapat merepresentasikan keadaan ideal dari percobaan idealnya.
Sedangkan perhitungan teoritis didapatkan dengan menggunakan rumus, sehingga
menghasilkan perbedaan hasil yang signifikan.
Praktikum Statistik Industri Ganjil 2015Laboratorium Statistik dan Rekayasa Kualitas
Kelompok 5 Modul III Distribusi Probabilitas 52
Praktikum Statistik Industri Ganjil 2015Laboratorium Statistik dan Rekayasa Kualitas
Kelompok 5 Modul III Distribusi Probabilitas 53
BAB VPENUTUP
5.1 Kesimpulan
Berikut merupakan kesimpulan dari praktikum Distribusi Probabilitas.
1. Pada praktikum ini dilakukan dua pengaplikasian dari distribusi probabilitas, yaitu
distribusi binomial negatif (pascal) dan distribusi eksponensial. Distribusi binomial negatif
(pascal) menggunakan 50 kartu bridge. Dimana terdapat 13 kartu keriting dan 37 lainnya
kartu selain keriting. Kejadian dikatakan sukses apabila didapatkan 3 kartu keriting.
Percobaan dilakukan sebanyak 10 kali replikasi. Adapun pengolahan data pada distribusi
binomial negatif menggunakan perhitungan manual secara empiris dan teoritis serta
menggunakan software. Perhitungan empiris didapatkan dengan cara membagi banyaknya
kejadian sukses dengan banyaknya replikasi. Sebagai contoh, pada X=7 dengan frekuensi 3
didapatkan perhitungan empiris, yaitu 310
=0.3. Jadi, peluang munculnya X=7 sebanyak 3
kali dalam eksperimen ini sebesar 0.3. Pada pengolahan manual teoritis, menggunakan
rumus yaitu b*(X;p;k)=(X−1k−1 ) pk qX−k
. Dimana X menunjukkan variabel acak distribusi
binomial, k menunjukkan banyaknnya kejadian sukses dan p menunjukkan peluang
terjadinya sukses. Adapun nilai k dalam praktikum ini adalah 3 dan p nya adalah 0.26.
Sebagai contoh, pada X=7 dengan frekuensi 3 didapatkan perhitungan teoritis, yaitu
b*(7;3,0.26) = (62)0.2630.744=0.07901. Jadi, peluang munculnya X=7 sebanyak 3 kali dalam
eksperimen ini sebesar 0.07901.
2. Distribusi eksponensial menggunakan bingo. Dimana terdapat 100 bola yang terdiri dari 50
bola dengan nomor ganjil dan 50 bola lainnya dengan nomor genap. Kejadian dikatakan
sukses apabila muncul bola dengan angka ganjil. Eksperimen dilakukan sampai 40 kali
sukses terjadi. Adapun pengolahan data pada distribusi eksponensial pada praktikum ini
menggunakan perhitungan manual secara empiris dan teoritis serta menggunakan software.
Perhitungan manual empiris didapatkan dengan membagi frekuensi interval perkelas
dengan frekuensi totalnya. Sebagai contoh, pada interval 3 – 6.77 dengan frekuensi 18
didapatkan perhitungan empiris, yaitu 1840
=0.45. Jadi, peluang munculnya bola dengan
nomor ganjil pada interval waktu 3 – 6.77 detik sebesar 0.45. Sedangkan perhitungan
manual teoritis didapatkan dengan rumus a = (1−e−x2λ )dan b = (1−e−x1λ ) . Kemudian hasil
perhitungan a dikurangi dengan b. Adapun λ menunjukkan parameter, e memiliki nilai
2.71828 dan x2 merupakan batas atas dan x1 adalah batas bawah. Sebagai contoh, pada
interval 3 – 6.77 dengan frekuensi 18 didapatkan perhitungan teoritis, yaitu a =
Praktikum Statistik Industri Ganjil 2015Laboratorium Statistik dan Rekayasa Kualitas
Kelompok 5 Modul III Distribusi Probabilitas 54
(1−e−x2λ )=(1−2.71828−(6,77) (0,109 ) )=¿ 0.521897 dan b = (1−e−x1λ )=(1−2.71828−(3) (0,109 ))=¿
0.278916 dengan hasil a – b = 0.24298. Jadi, peluang munculnya bola dengan nomor ganjil
pada interval waktu 3 – 6.77 detik sebesar 0.24298.
3. Berdasarkan perhitungan data distribusi probabilitas binomial negatif maupun
eksponensial yang ditinjau melalui grafik perbandingan antara perhitungan empiris dan
teoritis terlihat perbedaan antara perhitungan teoritis dengan empiris. Hal ini disebabkan
karena pehitungan secara empiris menggunakan data hasil eksperimen dan
perhitungannya dibatasi oleh banyaknya replikasi. Sehingga tidak dapat merepresentasikan
keadaan ideal dari percobaan idealnya. Sedangkan perhitungan teoritis didapatkan dengan
menggunakan rumus, sehingga menghasilkan perbedaan hasil yang signifikan.
5.2 Saran
Berikut merupakan saran untuk praktikum Distribusi Probabilitas yaitu dalam jalannya
praktikum mengenai Distribusi Probabilitas ini sebaiknya durasi waktunya ditambah,
karena dengan durasi yang hanya sekitar 70 menit dengan macam-macam distribusi yang
banyak hanya dapat dilakukan contoh pengaplikasian dengan dua distribusi probabilitas,
yaitu distribusi binomial negatif dan distribusi eksponensial. Sehingga praktikan dapat lebih
memahami berbagai pegaplikasian distribusi probabilitas dalam kehidupan sehari-hari.