Upload
independent
View
3
Download
0
Embed Size (px)
Citation preview
LAPORAN RESMI PRAKTIKUM
PENGANTAR METODE STATISTIKA
MODUL 3
ANALISIS DATA SECARA RANDOM PADA
APLIKASI MINITAB DENGAN MENGGUNAKAN
DISTRIBUSI PELUANG
Oleh :
Diana Nafkiyah 1314030028
Nilamsari Farah Millatina 1314030036
Asisten Dosen : Chusnul Khotimah 1311100006
PROGRAM STUDI DIPLOMA
JURUSAN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT TEKNOLOGI SEPULUH NOPEMBER
SURABAYA
2014
i
ABSTRAK
Dalam ilmu statistika sering menjumpai suatu variabel. Dimana nilainya
merupakan suatu bilangan yang ditentukan oleh terjadinya hasil suatu percobaan yang
disebut dengan variabel random. Dalam sampel random semua unit dari populasi
mempunyai kesempatan yang sama untuk dijadikan sampel. Variabel random terdiri dari
distribusi diskrit dan distribusi kontinu. Nilai-nilai distribusi diskrit terdiri atas hasil-hasil
perhitungan sederhana dari sejumlah unit. Penyajian distribusi probabilitas dapat
berbentuk tabel atau kurva probabilitas. Kejadian sehari-hari yang berhubungan dengan
peluang diskrit dan kontinu ada dua kemungkinan dalam percobaan random yaitu sukses
atau gagal. Misalnya hasil produksi suatu barang di perusahaan kemungkinan yang dapat
terjadi adalah hasil dari produksi itu cacat atau tidak cacat. Metode yang digunakan dalam
percobaan ini adalah dengan menggunakan Aplikasi Minitab dengan membangkitkan data
pada distribusi diskrit dan kontinu. Data hasil percobaan tersebut disajikan dalam bentuk
histogram dan diagram batang yang mendukung dalam penarikan kesimpulan. Seluruh
tabel difungsikan agar mempermudah dalam membaca hasil percobaan dan
membandingkan hasil dari perhitungan secara teori dengan perhitungan berdasarkan
aplikasi Minitab.
Kata Kunci : Aplikasi Minitab, Diagram Batang, Diagram Daun, Distribusi Peluang,
Histogra, Stem and Leaf.
ii
DAFTAR ISI
ABSTRAK ............................................................................................................. i
DAFTAR ISI ......................................................................................................... ii
DAFTAR GAMBAR ........................................................................................... iv
DAFTAR TABEL ................................................................................................. v
BAB I PENDAHULUAN ...................................................................................... 1
1.1 Latar Belakang ............................................................................................ 1
1.2 Rumusan Masalah ....................................................................................... 1
1.3 Tujuan .......................................................................................................... 2
1.4 Manfaat ........................................................................................................ 2
1.5 Batasan Masalah ........................................................................................... 2
BAB II TINJAUAN PUSTAKA ........................................................................... 3
2.1 Tinjauan Statistika ....................................................................................... 3
2.1.1 Definisi Distribusi Peluang ............................................................. 3
2.1.1.1 Distribusi Binomial ................................................................... 3
2.1.1.2 Distribusi Hipergeometrik ......................................................... 4
2.1.1.3 Distribusi Poisson ..................................................................... 4
2.1.1.4 Distribusi Normal ...................................................................... 5
2.2 Tinjauan Non Statistika ............................................................................... 6
2.2.1 Pengertian Aplikasi Minitab ........................................................... 6
BAB III METODOLOGI PENELITIAN ........................................................... 7
3.1 Sumber Data ................................................................................................ 7
3.2 Variabel Penelitian ...................................................................................... 7
3.3 Langkah Analisis ......................................................................................... 7
3.4 Diagram Alir ................................................................................................ 8
BAB IV ANALISIS DATA DAN PEMBAHASAN ............................................ 9
4.1 Membangkitkan 10 Data dengan Distribusi Binomial ................................ 9
4.2 Membangkitkan 30 Data dengan Distribusi Binomial .............................. 11
4.3 Membangkitkan 30 Data dengan Distribusi Hipergeometrik ................... 13
4.4 Membangkitkan 30 Data dengan Distribusi Poisson ................................ 15
iii
4.5 Membangkitkan 50 Data dengan Distribusi Poisson Terhadap Distribusi
Binomial .................................................................................................... 17
4.6 Distribusi Normal ...................................................................................... 21
BAB V KESIMPULAN DAN SARAN .............................................................. 23
5.1 Kesimpulan ................................................................................................ 23
5.2 Saran .......................................................................................................... 23
DAFTAR PUSTAKA
LAMPIRAN
iv
DAFTAR GAMBAR
Gambar 2.1 Rumus Distribusi Binomial ............................................................... 3
Gambar 2.2 Rumus Distribusi Hipergeometrik ..................................................... 4
Gambar 2.3 Rumus Distribusi Poisson .................................................................. 5
Gambar 2.4 Rumus Distribusi Normal .................................................................. 5
Gambar 3.1 Diagram Alir Percobaan .................................................................... 8
Gambar 4.1 Diagram Distribusi Binomial n=10 ................................................ 10
Gambar 4.2 Histogram Peluang Berdasarkan Distribusi Binomial ..................... 10
Gambar 4.3 Diagram Distribusi Binomial n=30 .................................................. 12
Gambar 4.4 Histogram Peluang Berdasarkan Distribusi Binomial ..................... 13
Gambar 4.5 Diagram Distribusi Hipergeometrik n=30 ....................................... 14
Gambar 4.6 Histogram Peluang Berdasarkan Distribusi Hipergeometrik .......... 15
Gambar 4.7 Diagram Distribusi Poisson n=30 .................................................... 16
Gambar 4.8 Histogram Peluang Berdasarkan Distribusi Poisson ....................... 17
Gambar 4.9 Diagram Distribusi Poisson n=50 .................................................... 19
Gambar 4.10 Diagram Distribusi Binomial n=50 ............................................... 19
Gambar 4.11 Histogram Peluang Berdasarkan Distribusi Poisson ..................... 20
Gambar 4.12 Histogram Peluang Berdasarkan Distribusi Binomial ................... 20
Gambar 4.13 Histogram Peluang Berdasarkan Distribusi Normal ...................... 22
v
DAFTAR TABEL
Tabel 4.1 Tabel Perbandingan Perhitungan Teori dengan Output Minitab ............ 9
Tabel 4.2 Tabel Perbandingan Perhitungan Teori dengan Output Minitab .......... 11
Tabel 4.3 Tabel Perbandingan Perhitungan Teori dengan Output Minitab .......... 13
Tabel 4.4 Tabel Perbandingan Perhitungan Teori dengan Output Minitab .......... 15
Tabel 4.5 Tabel Perbandingan Perhitungan Teori dengan Output Minitab .......... 17
Tabel 4.6 Tabel Perbandingan Perhitungan Teori dengan Output Minitab .......... 18
Tabel 4.7 Tabel Diagram Stem and Leaf n=100 .................................................. 21
Tabel 4.8 Tabel Diagram Stem and Leaf n=200 .................................................. 21
Tabel 4.9 Tabel Diagram Stem and Leaf n=300 .................................................. 22
1
BAB I
PENDAHULUAN
1.1 Latar Belakang
Dalam sistem kehidupan ini tidak dapat dipungkiri bahwa sebuah ilmu sangat
berguna untuk kehidupan. Mengapa demikian, karena tanpa disadari ilmu yang
melatar belakangi anda, sewaktu-waktu akan anda terapkan dalam kehidupan
yang anda jalani, mengingat hakikat fungsi ilmu adalah pedoman untuk anda
berpijak dan melakukan hal-hal dalam kehidupan anda.
Namun tidak jarang semua orang ketahui bahwa banyak ilmu khususnya ilmu
perhitungan yang tidak sinkron dengan apa yang terjadi di kehidupan kenyataan.
Pada praktikum kali ini peneliti akan melakukan survei mengenai data yang
sudah peneliti dapat secara random dengan menggunakan aplikasi Minitab. Lalu
akan peneliti bandingkan dengan ilmu teori yang ada diperhitungan.
Praktikum tersebut akan dianalisa dan diolah menggunakan ilmu macam-
macam distribusi peluang, distribusi peluang adalah gambaran peluang terjadinya
setiap nilai dalam suatu populasi dari percobaan yang mana terdiri dari diskrit dan
kontinu. Distribusi peluang ini yang tidak memerlukan hipotesis untuk
memberikan kesimpulan dikarenakan sudah memiliki rumus yang sudah mutlak
kebenarannya.
Setelah menganalisa data perbandingan antara hasil dari pengolahan aplikasi
Minitab dengan hasil teori yang ada, peneliti akan memberi kesimpulan sejauh
mana perbedaan yang ada antara kedua cara yang berbeda tersebut.
1.2 Rumusan Masalah
Berdasarkan latar belakang yang telah diuraikan, maka rumusan masalah
dalam praktikum ini adalah sebagai berikut.
1. Bagaimana mengetahui perbedaan dan membandingkan hasil nilai
perhitungan mean, varians, dan peluang dalam ditribusi Binomial, distribusi
Hipergeometri, distribusi Poisson, distribusi Poisson terhadap Binomial, dan
distribusi Normal dalam perhitungan secara teori dengan perhitungan
berdasarkan aplikasi Minitab?
2
2. Bagaimana mengetahui perbedaan bentuk kurva dalam perhitungan mean,
variansi dan peluang dalam hampiran distribusi Binomial, distribusi
Hipergeometri, distribusi Poisson, distribusi Poisson terhadap Binomial dan
distribusi Normal?
1.3 Tujuan
Tujuan yang ingin dicapai dalam praktikum ini adalah sebagai berikut.
1. Untuk mengetahui perbedaan dan membandingkan hasil nilai perhitungan
mean, varians, dan peluang dalam ditribusi Binomial, distribusi Hipergeometri,
distribusi Poisson, distribusi Poisson terhadap Binomial, dan distribusi Normal
dalam perhitungan secara teori dengan perhitungan berdasarkan aplikasi
Minitab.
2. Untuk mengetahui perbedaan bentuk kurva dalam perhitungan mean, variansi
dan peluang dalam hampiran distribusi Binomial, distribusi Hipergeometri,
distribusi Poisson, distribusi Poisson terhadap Binomial dan distribusi Normal.
1.4 Manfaat
Manfaat yang dapat diambil dalam praktikum ini adalah sebagai berikut.
1. Mampu memahami distribusi peluang dan penerapannya dalam kehidupan
sehari-hari.
2. Mampu membaca data dalam bentuk tabel, histogram dan diagram batang.
3. Mampu melakukan perhitungan mean, varians, dan peluang dalam ditribusi
Binomial, distribusi Hipergeometri, distribusi Poisson, distribusi Poisson
terhadap Binomial, dan distribusi Normal dalam perhitungan secara teori
maupun perhitungan berdasarkan aplikasi Minitab.
1.5 Batasan Masalah
Berdasarkan tujuan permasalahan yang telah diuraikan, maka batasan
masalah pada praktikum ini adalah membangkitkan data secara random dengan
menggunakan aplikasi Minitab. Kemudian dicari nilai mean dan variansnya dan
hasilnya akan dibandingkan dengan hasil perhitungan secara teori dan perhitungan
berdasarkan aplikasi Minitab.
3
BAB II
TINJAUAN PUSTAKA
2.1 Tinjauan Statistika
Tinjauan statistika yang digunakan dalam praktikum ini adalah sebagai
berikut.
2.1.1 Definisi Distribusi Peluang
Distribusi peluang adalah tabel, grafik atau rumus yang memberikan
nilai peluang dari sebuah peubah acak.
Berdasarkan karakteristik peubah acaknya, distribusi peluang dapat
dibedakan menjadi dua yaitu distribusi peluang diskrit dan distribusi peluang
kontinu. Distribusi peluang diskrit adalah distribusi peluang dimana semesta
peubah acaknya dapat dihitung atau berhingga. Macam-macam distribusi
peluang diskrit ada 6 yaitu distribusi Binomial, distribusi Binomial Negatif,
distribusi Multinomial, distribusi Geometrik, distribusi Hipergeometrik, dan
distribusi Poisson. Distribusi peluang kontinu adalah distribusi peluang
dimana semesta peubah acaknya tak tehingga jumlahnya. Macam-macam
distribusi peluang kontinu ada 4 yaitu distribusi Normal, distribusi Gamma,
distribusi Eksponensial dan distribusi Chi-Square.
Dalam praktikum ini, distribusi yang digunakan adalah sebagai berikut.
2.1.1.1 Distribusi Binomial
Suatu percobaan dimana pada setiap perlakuan hasilnya hanya
ada dua kemungkinan yaitu sukses dan gagal dalam ulangan yang
bebas. Ciri-ciri distribusi binomial adalah sebagai berikut :
a. Percobaan terdiri atas ulangan.
b. Dalam setiap ulangan, hasilnya digolongkan dalam sukses dan gagal.
c. Peluang sukses dilambangkan dengan , sedangkan gagal
dilambangkan dengan .
d. Ulangan-ulangan tersebut bersifat saling bebas satu sama lain.
Distribusi binomial dilambangkan dengan
( ) (
) (2.1)
4
Mean :
Variansi :
Keterangan :
= banyaknya ulangan (jumlah percobaan).
= banyaknya keberhasilan dalam peubah acak X.
= peluang berhasil pada setiap ulangan.
= peluang gagal pada setiap ulangan.
2.1.1.2 Distribusi Hipergeometrik
Bila dalam populasi benda, benda di antaranya diberi label
berhasil dan benda lainnya diberi label gagal, maka distribusi
peluang bagi peubah acak hipergeometrik yang menyatakan
banyaknya keberhasilan dalam contoh acak berukuran , adalah :
( ) ( )( )
( )
Mean :
Variansi :
(
)
Keterangan :
= banyaknya keberhasilan dalam peubah acak X.
= ukuran populasi.
= jumlah kejadian yang dibutuhkan.
= ukuran sampel.
2.1.1.3 Distribusi Poisson
Percobaan yang menghasilkan nilai-nilai bagi suatu peubah
acak X, yaitu banyaknya hasil percobaan yang terjadi selama suatu
selang waktu tertentu atau di suatu daerah tertentu. Distribusi poisson
memiliki ciri-ciri sebagai berikut :
a. Banyaknya hasil percobaan yang terjadi dalam suatu selang waktu
atau suatu daerah tertentu, tidak bergantung pada banyaknya hasil
percobaan yang terjadi pada selang waktu atau daerah lain yang
terpisah.
(2.2)
5
b. Peluang terjadinya satu hasil percobaan selama suatu selang waktu
yang singkat sekali atau dalam suatu daerah yang kecil, sebanding
dengan panjang selang waktu tersebut atau besarnya daerah tersebut,
dan tidak bergantung pada banyaknya hasil percobaan yang terjadi di
luar selang waktu atau daerah tersebut.
c. Peluang bahwa lebih dari satu hasil percobaan akan terjadi dalam
selang waktu yang singkat tersebut atau dalam daerah yang kecil
tersebut, dapat diabaikan. Bilangan X yang menyatakan banyaknya
hasil percobaan dalam suatu distribusi poisson disebut peubah acak
poisson.
Karena nilai-nilai peluangnya hanya bergantung pada maka
dirumuskan
( )
Mean = Variansi =
Keterangan :
= bilangan natural = 2,71828...
= banyaknya unsur berhasil dalam sampel.
= rata-rata keberhasilan.
2.1.1.4 Distribusi Normal
Percobaan yang peubah acak X nya ditentukan oleh parameter
dan . Jika X meupakan peubah acak normal dengan rataan dan
ragam, maka fungsi kepekatan peluang peubah acaknya :
( )
√
(
)
Keterangan :
= banyaknya keberhasilan dalam peubah acak X.
= rata-rata populasi.
= simpangan baku populasi.
= ragam populasi.
= bilangan natural = 2,71828...
(2.4)
(2.3)
6
2.2 Tinjauan Non Statistika
Tinjauan non statistika yang digunakan dalam praktikum ini adalah sebagai
berikut.
2.2.1 Pengertian Aplikasi Minitab
Minitab adalah program komputer yang dirancang untuk melakukan
pengolahan statistik. Minitab mengkombinasikan kemudahan penggunaan
layaknya Microsoft Excel dengan kemampuannya melakukan analisis statistik
yang kompleks.
Kini, Minitab seringkali digunakan dalam implementasi Six Sigma,
CMMI serta metode perbaikan proses yang berbasis statistika lainnya.
Kegunaan dari minitab ini adalah mengelola data dan file - spreadsheet untuk
analisis data yang lebih baik, analisis regresi, power dan ukuran sampel, tabel
dan grafik, analisis sistem pengukuran, dan analisis variansi untuk
menentukan perbedaan antardata.
7
BAB III
METODOLOGI PENELITIAN
1.1 Sumber Data
Pada praktikum ini, data yang kami peroleh merupakan data bangkitan secara
acak yang didapatkan dari aplikasi Minitab sesuai dengan distribusi yang telah
ditentukan. Pengambilan data ini dilakukan pada hari Sabtu, 18 Oktober 2014 di
Asrama Mahasiswa ITS Surabaya.
1.2 Variabel Penelitian
Variabel penelitian yang digunakan dalam praktikum ini sebagai berikut.
1. Data bangkitan distribusi Binomial .
2. Data bangkitan distribusi Binomial .
3. Data bangkitan distribusi Hipergeometrik .
4. Data bangkitan distribusi Poisson .
5. Data bangkitan distribusi Poisson terhadap distribusi Binomial .
6. Data bangkitan distribusi Normal .
1.3 Langkah Analisis
Langkah analisis yang digunakan dalam praktikum ini adalah sebagai berikut.
1. Membangkitkan data secara acak melalui aplikasi Minitab sesuai dengan
distribusi yang telah ditentukan.
a. Membangkitkan 10 data dengan distribusi Binomial untuk dengan
peluang = 0,2 ; 0,3; 0,5; 0,7 dan 0,9.
b. Membangkitkan 30 data dengan distribusi Binomial untuk dengan
peluang = 0,2 ; 0,3; 0,5; 0,7 dan 0,9.
c. Membangkitkan 30 data dengan distribusi Hipergeometrik dengan
dan untuk .
d. Membangkitkan 30 data dengan distribusi Poisson dengan 1, 2, 3, dan 5.
e. Membangkitkan 50 data dengan distribusi Poisson dengan peluang = 0,03;
0,1 dan 0,2 dan menghitung data tersebut dengan peluang 0,03; 0,1 dan 0,2
dengan pendekatan distribusi Binomial.
8
f. Membangkitkan data dengan distribusi Normal 10 2 sebanyak n= 100, 200
dan 300.
2. Melakukan perhitungan rataan dan variansi data bangkitan secara teori dan
berdasarkan aplikasi Minitab.
3. Membandingkan hasil perhitungan rataan dan variansi dari perhitungan secara
teori dengan perhitungan berdasarkan aplikasi Minitab.
4. Menyajikan data hasil bangkitan ke dalam bentuk diagram batang, histogram
dan diagram daun.
5. Menginterpretasi hasil praktikum.
1.4 Diagram Alir
Diagram alir dalam praktikum ini sebagai berikut.
Mulai
Mengumpulkan data
Mengolah data
Menganalisis data
Menginterpretasi hasil data
Kesimpulan dan saran
Menyajikan data
Selesai
Gambar 3.1 Diagram Alir Praktikum Distribusi Peluang
9
BAB IV
ANALISIS DATA DAN PEMBAHASAN
4.1 Membangkitkan 10 Data dengan Distribusi Binomial
Berikut hasil perhitungan nilai mean dan variansi secara teori dan perhitungan
berdasarkan aplikasi Minitab dengan acuan peluang berhasil = 0,2; 0,3; 0,5; 0,7
dan 0,9 untuk 10 percobaan.
Tabel 4.1 Tabel Perbandingan Perhitungan Teori dengan Output Minitab
n P
Mean Variansi
Teori Output
Minitab Teori
Output
Minitab
10 0.2 2 1.4 1.6 2.044
10 0.3 3 3.5 2.1 1.167
10 0.5 5 5.3 2.5 3.344
10 0.7 7 6.6 2.1 1.156
10 0.9 9 9.5 0.9 0.278
Dari Tabel 4.1 dapat diketahui bahwa pada perhitungan nilai mean secara
teori adalah sebagai berikut.
1. Untuk peluang = 0.2
2. Untuk peluang = 0.3
3. Untuk peluang = 0.5
4. Untuk peluang = 0.7
5. Untuk peluang = 0.9
Pada perhitungan nilai variansi secara teori adalah sebagai berikut.
1. Untuk peluang = 0.2
( )
2. Untuk peluang = 0.3
( )
3. Untuk peluang = 0.5
( )
4. Untuk peluang = 0.7
( )
10
5. Untuk peluang = 0.9
( )
Sedangkan hasil dari perhitungan berdasarkan aplikasi Minitab bisa dihitung
dari aplikasi Minitab.
Gambar 4.1 Diagram Distribusi Binomial n = 10
Dari Gambar 4.1 menunjukkan bahwa jika nilai peluang sukses semakin
besar, maka nilai rata-rata secara teori dan berdasarkan aplikai Minitab semakin
besar. Jika semakin melebar, maka nilai variansi semakin beragam.
Berikut ini adalah hasil dari percobaan distribusi Binomial dengan
membangkitan 10 data untuk dengan
:
Gambar 4.2 Histogram Peluang Berdasarkan Distribusi Binomial
0
2
4
6
8
10
0.2 0.3 0.5 0.7 0.9
Sk
ala
Peluang
Diagram Distribusi Binomial n = 10
Mean Teori
Mean Output Minitab
Variansi Teori
Variansi Output Minitab
0.40.30.20.10.0
20
15
10
5
0
Data
De
nsit
y 0.1893 0.09522 10
0.2074 0.06141 10
0.1812 0.09100 10
0.2140 0.06410 10
0.3680 0.02042 10
Mean StDev N
C7
C8
C9
C10
C11
Variable
Normal
Histogram Distribusi Binomial n=10
11
Dari Gambar 4.2 dapat diketahui bahwa dari 10 data yang dibangkitkan
dengan jumlah percobaan yang sama ( ) tetapi peluang sukses berbeda
( ) diperoleh bahwa semakin besar nilai rata-rata dan
semakin kecil standar deviasinya, maka peluang yang didapatkan semakin besar
dan bentuk kurvanya semakin curam seperti ditunjukkan pada garis putus-putus
berwarna oren ( dan ) tetapi sebaliknya semakin kecil nilai
rata-rata dan semakin besar nilai standar deviasinya, maka peluang yang
didapatkan semakin kecil dan bentuk kurvanya semakin melandai atau melebar
seperti ditunjukan pada garis putus-putus yang berwana hitam (p=0.2 dan
).
4.2 Membangkitkan 30 Data dengan Distribusi Binomial
Berikut hasil perhitungan nilai mean dan variansi secara teori dan perhitungan
berdasarkan aplikasi Minitab dengan acuan peluang berhasil = 0,2; 0,3; 0,5; 0,7
dan 0,9 untuk 30 percobaan.
Tabel 4.2 Tabel Perbandingan Perhitungan Teori dengan Output Minitab
n P
Mean Variansi
Teori Output
Minitab Teori
Output
Minitab
30 0.2 6 5.9 4.8 4.231
30 0.3 9 8.7 6.3 5.666
30 0.5 15 15.1 7.5 6.645
30 0.7 21 20.9 6.3 7.61
30 0.9 27 27.133 2.7 2.74
Dari Tabel 4.2 dapat diketahui bahwa pada perhitungan nilai mean secara
teori adalah sebagai berikut.
1. Untuk peluang = 0.2
2. Untuk peluang = 0.3
3. Untuk peluang = 0.5
4. Untuk peluang = 0.7
5. Untuk peluang = 0.9
Pada perhitungan nilai variansi secara teori adalah sebagai berikut.
1. Untuk peluang = 0.2
12
( )
2. Untuk peluang = 0.3
( )
3. Untuk peluang = 0.5
( )
4. Untuk peluang = 0.7
( )
5. Untuk peluang = 0.9
( )
Sedangkan hasil dari perhitungan berdasarkan aplikasi Minitab bisa dihitung
dari aplikasi Minitab.
Gambar 4.3 Diagram Distribusi Binomial n = 30
Dari Gambar 4.3 menunjukkan bahwa jika nilai peluang sukses semakin
besar, maka nilai rata-rata secara teori dan berdasarkan aplikai Minitab semakin
besar. Jika semakin melebar, maka nilai variansi semakin beragam.
Berikut ini adalah hasil dari percobaan distribusi Binomial dengan
membangkitan 30 data untuk dengan
:
0
5
10
15
20
25
30
0.2 0.3 0.5 0.7 0.9
Sk
ala
Peluang
Diagram Distribusi Binomial n = 30
Mean Teori
Mean Output Minitab
Variansi Teori
Variansi Output Minitab
13
Gambar 4.4 Histogram Peluang Berdasarkan Distribusi Binomial
Dari Gambar 4.4 dapat diketahui bahwa dari 30 data yang dibangkitkan
dengan jumlah percobaan yang sama ( ) tetapi peluang sukses berbeda
( ) diperoleh bahwa semakin besar standar deviasinya,
maka peluang yang didapatkan semakin kecil dan bentuk kurvanya semakin
melandai atau melebar seperti ditunjukkan pada garis putus-putus berwarna oren
( dan ) tetapi sebaliknya semakin kecil nilai standar
deviasinya, maka peluang yang didapatkan semakin besar dan bentuk kurvanya
semakin curam seperti ditunjukan pada garis putus-putus yang berwana hitam
(p=0.2 dan ).
4.3 Membangkitkan 30 Data dengan Distribusi Hipergeometrik
Berikut hasil perhitungan nilai mean dan variansi secara teori dan perhitungan
berdasarkan aplikasi Minitab dengan acuan untuk 30
percobaan.
Tabel 4.3 Tabel Perbandingan Perhitungan Teori dengan Output Minitab
N D n
Mean Variansi
Teori Output
Minitab Teori
Output
Minitab
15 3 3 0.6 0.8 0.411 0.579
15 3 4 0.8 0.9 0.503 0.369
15 3 5 1 1 0.571 0.552
Dari Tabel 4.3 dapat diketahui bahwa pada perhitungan nilai mean secara
teori adalah sebagai berikut.
0.300.250.200.150.100.050.00
12
10
8
6
4
2
0
Data
De
nsit
y 0.1261 0.03683 30
0.1130 0.03868 30
0.1047 0.03990 30
0.1043 0.04684 30
0.1729 0.07151 30
Mean StDev N
C7
C8
C9
C10
C11
Variable
Normal
Histogram Distribusi Binomial n=30
13
1. Untuk
2. Untuk
3. Untuk
Pada perhitungan nilai variansi secara teori adalah sebagai berikut.
1. Untuk
(
)
2. Untuk
(
)
3. Untuk
(
)
Sedangkan hasil dari perhitungan berdasarkan aplikasi Minitab bisa dihitung
dari aplikasi Minitab.
Gambar 4.5 Diagram Distribusi Hipergeometrik n = 30
Dari Gambar 4.5 menunjukkan bahwa pada ukuran sampel (n) = 3 nilai mean
dan variansi mendekati teori.
0.0
0.2
0.4
0.6
0.8
1.0
1.2
3 4 5
Sk
ala
Ukuran Sampel
Diagram Distribusi Hipergeometrik n = 30
Mean Teori
Mean Output Minitab
Variansi Teori
Variansi Output Minitab
14
Gambar 4.6 Histogram Peluang Berdasarkan Distribusi Hipergeometrik
Dari Gambar 4.6 dapat diketahui bahwa dari 30 data yang dibangkitkan
dengan ukuran populasi sama ( ), jumlah kejadian yang dibutuhkan sama
( ) dan ukuran sampel beda ( ) diperoleh bahwa semakin
besar nilai rata-rata dan semakin kecil standar deviasinya, maka peluang yang
didapatkan semakin besar dan bentuk kurvanya semakin mengerucut seperti
ditunjukan pada garis berwana merah. Sebaliknya, semakin kecil nilai rata-rata
dan semakin besar nilan standar deviasinya, maka peluang yang didapatkan
semakin kecil dan bentuk kurvanya semakin melandai atau melebar seperti
ditunjukkan pada garis putus-putus berwarna hijau.
4.4 Membangkitkan 30 Data dengan Distribusi Poisson
Berikut hasil perhitungan nilai mean dan variansi secara teori dan perhitungan
berdasarkan aplikasi Minitab dengan acuan untuk
30 percobaan.
Tabel 4.4 Tabel Perbandingan Perhitungan Teori dengan Output Minitab
Mean Variansi
Teori Output
Minitab Teori
Output
Minitab
1 1 1.033 1 0.723
2 2 1.667 2 1.402
3 3 2.733 3 2.133
5 5 5.133 5 4.326
0.720.600.480.360.240.120.00
3.5
3.0
2.5
2.0
1.5
1.0
0.5
0.0
Data
De
nsit
y0.4029 0.1392 30
0.4102 0.1173 30
0.3791 0.1407 30
Mean StDev N
C5
C6
C7
Variable
Normal
Histogram Distribusi Hipergeometrik n=30
15
Dari Tabel 4.2 dapat diketahui bahwa pada perhitungan nilai mean secara
teori adalah sebagai berikut.
1. Untuk μ = 1
2. Untuk μ = 2
3. Untuk μ = 3
4. Untuk μ = 5
Pada perhitungan nilai variansi secara teori adalah sebagai berikut.
1. Untuk μ = 1
2. Untuk μ = 2
3. Untuk μ = 3
4. Untuk μ = 5
Sedangkan hasil dari perhitungan berdasarkan aplikasi Minitab bisa dihitung
dari aplikasi Minitab.
Gambar 4.7 Diagram Distribusi Poisson n = 30
Dari Gambar 4.7 menunjukkan bahwa semakin besar peluang, maka nilai
rata-rata dan standar deviasi semakin besar. Perhitungan nilai mean dan standar
deviasi secara teori dan berdasarkan aplikasi Minitab hasilnya tidak beda jauh.
0
1
2
3
4
5
6
1 2 3 5
Sk
ala
Diagram Distribusi Poisson n = 30
Mean Teori
Mean Output Minitab
Variansi Teori
Variansi Output Minitab
17
Gambar 4.8 Histogram Peluang Berdasarkan Distribusi Poisson
Dari Gambar 4.8 dapat diketahui bahwa dari 30 data yang dibangkitkan
dengan jumlah percobaan sama ( ) dan rata-rata keberhasilan beda (
) diperoleh bahwa kurva mengalami pergeseran ke kanan.
Selain itu, terlihat bahwa jika semakin besar nilai rata-rata dan standar deviasinya,
maka peluang yang didapatkan semakin kecil dan bentuk kurvanya semakin
melandai atau melebar seperti ditunjukkan pada garis-garis putus berwarna hitam
( dan ) tetapi sebaliknya jika semakin kecil nilai rata-
rata dan standar deviasi, maka peluang yang didapatkan semakin besar dan bentuk
kurvanya semakin mengerucut seperti ditunjukkan pada garis-garis putus
berwarna biru ( dan ).
4.5 Membangkitkan 50 Data dengan Distribusi Poisson Terhadap Distribusi
Binomial
Berikut hasil perhitungan nilai mean dan variansi secara teori dan perhitungan
berdasarkan aplikasi Minitab dengan acuan untuk 50 percobaan
dengan distribusi Poisson dan distribusi Binomial.
Tabel 4.5 Tabel Perbandingan Perhitungan Teori dengan Output Minitab
Distribusi Poisson
Mean Variansi
Teori Output
Minitab Teori
Output
Minitab
1.5 1.5 1.42 1.5 1.233
5 5 4.96 5 4.582
0.50.40.30.20.10.0
8
7
6
5
4
3
2
1
0
Data
De
nsit
y0.3255 0.09088 30
0.2150 0.06004 30
0.1834 0.05647 30
0.1331 0.05102 30
Mean StDev N
µ=1
µ=2
µ=3
µ=5
Variable
Normal
Histogram Distribusi Poisson n=30
18
10 10 9.44 10 4.537
Tabel 4.6 Tabel Perbandingan Perhitungan Teori dengan Output Minitab
Distribusi Binomial
n p
Mean Variansi
Teori Output
Minitab Teori
Output
Minitab
50 0.03 1.5 1.5 1.455 1.233
50 0.1 5 5.3 4.5 4.582
50 0.2 10 9.4 8 4.537
Dari Tabel 4.5 dapat diketahui bahwa pada perhitungan nilai mean dan
variansi secara teori adalah sebagai berikut.
1. Untuk peluang = 0.03
2. Untuk peluang = 0.3
3. Untuk peluang = 0.5
Dari Tabel 4.6 dapat diketahui bahwa pada perhitungan nilai mean dan
variansi secara teori adalah sebagai berikut.
1. Untuk peluang = 0.03
( )
2. Untuk peluang = 0.3
( )
3. Untuk peluang = 0.5
( )
Sedangkan hasil dari perhitungan berdasarkan aplikasi Minitab bisa dihitung
dari aplikasi Minitab.
19
Gambar 4.9 Diagram Distribusi Poisson n = 50
Gambar 4.10 Diagram Distribusi Binomial n = 50
Dari Gambar 4.9 dan Gambar 4.10 dapat diketahui bahwa nilai mean secara
teori pada ditribusi Binomial dan distribusi Poisson hasilnya sama sedangkan nilai
mean berdasarkan aplikasi Minitab hasilnya beda tipis. Pada nilai variansi secara
teori hasilnya beda sedangkan nilai variansi berdasarkan aplikasi Minitab hasilnya
sama.
0
2
4
6
8
10
12
1.5 5 10
Sk
ala
Diagram Poisson n = 50
Mean Teori
Mean Output Minitab
Variansi Teori
Variansi Output Minitab
0
2
4
6
8
10
12
0.03 0.1 0.2
Sk
ala
Peluang
Distribusi Binomial n = 50
Mean Teori
Mean Output Minitab
Variansi Teori
Variansi Output Minitab
20
Gambar 4.11 Histogram Peluang Berdasarkan Distribusi Poisson
Gambar 4.12 Histogram Peluang Berdasarkan Distribusi Binomial
Dari Gambar 4.11 dan Gambar 4.12 dapat diketahui bahwa dari 50 data yang
dibangkitkan dengan jumlah percobaan sama ( ) dan peluang berhasil beda
( ) diperoleh bahwa kurva mengalami
pergeseran ke kanan. Selain itu, terlihat bahwa jika semakin besar nilai rata-rata
dan standar deviasinya, maka peluang yang didapatkan semakin kecil dan bentuk
kurvanya semakin melandai atau melebar seperti ditunjukkan pada garis-garis
putus berwarna hitam tetapi sebaliknya jika semakin kecil nilai rata-rata dan
standar deviasi, maka peluang yang didapatkan semakin besar dan bentuk
kurvanya semakin mengerucut seperti ditunjukkan pada garis-garis putus
berwarna hijau.
0.400.320.240.160.080.00
12
10
8
6
4
2
0
Data
De
nsi
ty
0.2446 0.08671 50
0.1382 0.04546 50
0.08649 0.03316 50
Mean StDev N
µ = 1.5
µ = 5
µ = 10
Variable
Normal
Histogram Distribusi Poisson n=50
0.400.320.240.160.080.00
14
12
10
8
6
4
2
0
Data
De
nsit
y
0.2485 0.08516 50
0.1343 0.05295 50
0.1126 0.03030 50
Mean StDev N
P=0.03
P=0.1
P=0.2
Variable
Normal
Histogram Distribusi Binomial n=50
21
4.6 Distribusi Normal
Data hasil bangkitan yang diperoleh melalui aplikasi minitab dengan acuan
, akan dibandingkan dengan menggunakan Stem and
Leaf.
Tabel 4.7 Tabel Diagram Stem and Leaf n = 100
Stem and Leaf
Batang Daun Frekuensi
4 7 1
5 3378 4
6 49 2
7 112234788 9
8 0345567778999 13
9 0112233344455667788889 22
10 00011122223345577778 20
11 0012455555669 13
12 13345589 8
13 11156 5
14 88 2
15 5 1
Dari diagram stem and leaf tersebut menunjukkan bahwa bentuknya seperti
lonceng. Puncak lonceng terdapat pada batang 9 dengan frekuensi 22 dan
merupakan baris letak median dan modus. Ketika suatu data stem & leaf
menyerupai sketsa lonceng maka bisa diidentifikasikan bahwa data percobaan
random tersebut berdistribusi normal.
Tabel 4.8 Tabel Diagram Stem and Leaf n = 200
Stem and Leaf
Batang Daun Frekuensi
4 089 3
5 0499 4
6 24455577788999 11
7 0011122344445555577889999 25
8 00011122333445667788899999 26
9 11223333455555566677788999 26
10 0000000001111122223333334444444455556777777889 46
11 011122223444456777778888899999 30
12 011124467777889999 18
13 239 3
22
14 025 3
15 5 1
16 1 1
Dari diagram stem and leaf tersebut menunjukkan bahwa bentuknya seperti
lonceng. Puncak lonceng terdapat pada batang 10 dengan frekuensi 46 dan
merupakan baris letak median dan modus. Ketika suatu data stem & leaf
menyerupai sketsa lonceng maka bisa diidentifikasikan bahwa data percobaan
random tersebut berdistribusi normal.
Tabel 4.9 Tabel Diagram Stem and Leaf n = 300
Stem and Leaf
Batang Daun Frekuensi
3 6 1
4 5 1
5 455888 6
6* 0012344444 10
6 56677888899 11
7* 000122233333444 15
7 55556667777788999 17
8* 0011122334444 13
8 5555555556666677777888899 25
9* 000001111111222222333334444 27
9 55555566666666777777888888899999 32
10* 00000000111112222223333333333444 32
10 55566777778888899 17
11* 000000000000111111122222233344444 33
11 5555555566667777778889 22
12* 001111333344 12
12 55566666789 11
13 1233589 7
14 34668 5
15 00003 5
16 00001 5
Dari diagram stem and leaf tersebut menunjukkan bahwa bentuknya seperti
lonceng. Puncak lonceng terdapat pada batang 11* dengan frekuensi 33 dan
merupakan baris letak median dan modus. Ketika suatu data stem & leaf
menyerupai sketsa lonceng maka bisa diidentifikasikan bahwa data percobaan
random tersebut berdistribusi normal.
23
Gambar 4.13 Histogram Peluang Berdasarkan Distribusi Normal
Dari grafik 4.13 dapat diketahui bahwa dari 100 data, 200 data dan 300 yang
dibangkitkan dengan nilai rataan yang sama ( ) dan nilai standar deviasi
berbeda ( ) diperoleh bahwa semakin besar nilai rata-rata nya dan
standar deviasi semakin kecil maka jumlah percobaan yang didapatkan semakin
besar dan bentuk kurvanya semakin curam seperti ditunjukkan pada garis putus-
putus berwarna hijau tetapi sebaliknya semakin kecil nilai rata-rata dan semakin
besar nilai standar deviasinya maka jumlah percobaan yang didapatkan semakin
kecil dan bentuk kurvanya semakin melandai seperti ditunjukan pada garis yang
berwana merah.
16141210864
0.20
0.15
0.10
0.05
0.00
Data
De
nsit
y9.984 2.095 100
9.778 2.131 200
9.812 2.059 300
Mean StDev N
n=100
n=200
n=300
Variable
Normal
Histogram Distribusi Normal
24
BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Berdasarkan hasil pengolahan data bangkitan secara acak yang didapatkan
dari aplikasi Minitab, dapat disimpulkan bahwa :
1. Pada distribusi Binomial, jika nilai peluang sukses semakin besar, maka nilai
rataan dan standar deviasi dari hasil bangkitan data akan mendekati teori.
2. Pada kurva distribusi Binomial menunjukkan bahwa semakin besar nilai
peluang sukses, maka standar deviasi semakin kecil sebaliknya semakin
banyak jumlah percobaan, kurva menjadi semakin lebar, yang artinya standar
deviasi semakin beragam.
3. Pada distribusi Hipergeometri, menunjukkan bahwa semakin besar banyaknya
kejadian dalam sampel maka rata-rata dan standar deviasi dari distribusi
peluang hipergeometri akan semakin besar pula. Semakin besar nilai standar
deviasi, maka hasil bangkitan data akan semakin mendekati teori.
4. Pada distribusi Poisson, menunjukkan bahwa semakin besar nilai rata-rata,
maka nilai standar deviasi juga semakin besar.
5. Pada distribusi Poisson terhadap ditribusi Binomial dengan acuan jumlah
percobaan sama dan peluang berbeda dihasilkan kurva mengalami pergeseran
ke kanan. Semakin besar nilai rata-rata dan standar deviasinya, maka peluang
yang didapatkan semakin kecil dan bentuk kurvanya semakin melandai atau
melebar sebaliknya, jika semakin kecil nilai rata-rata dan standar deviasi,
maka peluang yang didapatkan semakin besar dan bentuk kurvanya semakin
mengerucut.
6. Pada histogram distribusi Normal semakin kecil nilai mean dan nilai standar
deviasi, maka kurva semakin tinggi. Apabila data steam and leaf bentuknya
menyerupai lonceng, maka data tersebut berdistribusi Normal.
5.2 Saran
Kegiatan praktikum tentang distribusi peluang diskrit dan kontinu ini harus
dilakukan dengan teliti dan lebih cermat. Selain itu, dibutuhkan pemahaman lebih
25
tentang teori macam-macam distribusi peluang dan bentuk kurva dari masing-
masing distribusi. Dibutuhkan pula keterampilan khusus untuk menggunakan
aplikasi Minitab.
DAFTAR PUSTAKA
Sukestiyarno, Prof. Drs. 2013. Statistika Dasar. Semarang : UNNES.
Susilaningrum, Destri dan Mutiah Salamah. 2011. Modul Praktikum : Pengantar
Metode Statistika. Surabaya : ITS.
Walpole, Ronald E. 1993. Pengantar Statistika Edisi Ke-3. Jakarta : Gramedia
Pustaka Umum.
LAMPIRAN
Lampiran 1 Output Minitab dengan Distribusi Binomial
Random Data
0 4 5 5 9
2 5 1 6 10
3 2 6 7 10
2 2 6 7 10
0 3 5 5 9
0 3 7 8 9
1 3 5 7 9
4 4 5 6 9
2 5 5 7 10
0 4 8 8 10
Probability Distributions
0.10737 0.20012 0.24609 0.10292 0.38742
0.30199 0.10292 0.00977 0.20012 0.34868
0.20133 0.23347 0.20508 0.26683 0.34868
0.30199 0.23347 0.20508 0.26683 0.34868
0.10737 0.26683 0.24609 0.10292 0.38742
0.10737 0.26683 0.11719 0.23347 0.38742
0.26844 0.26683 0.24609 0.26683 0.38742
0.08808 0.20012 0.24609 0.20012 0.38742
0.30199 0.10292 0.24609 0.26683 0.34868
0.10737 0.20012 0.04395 0.23347 0.34868
Lampiran 2 Output Minitab dengan Distribusi Binomial
Random Data Probability Distributions
3 10 19 17 27 0.07853 0.14156 0.05088 0.04442 0.23609
4 8 14 26 29 0.13252 0.15014 0.13544 0.02084 0.1413
9 11 16 21 30 0.06756 0.11031 0.13544 0.15729 0.04239
4 8 10 19 26 0.13252 0.15014 0.02798 0.11031 0.17707
8 10 15 24 27 0.11056 0.14156 0.14446 0.08293 0.23609
3 6 12 22 28 0.07853 0.08293 0.08055 0.15014 0.22766
5 7 19 21 25 0.17228 0.12185 0.05088 0.15729 0.1023
4 7 15 22 24 0.13252 0.12185 0.14446 0.15014 0.04736
7 10 19 23 26 0.15382 0.14156 0.05088 0.12185 0.17707
7 8 18 19 28 0.15382 0.15014 0.08055 0.11031 0.22766
3 14 12 25 28 0.07853 0.02312 0.08055 0.04644 0.22766
4 11 18 22 28 0.13252 0.11031 0.08055 0.15014 0.22766
4 12 15 19 26 0.13252 0.07485 0.14446 0.11031 0.17707
4 8 20 18 29 0.13252 0.15014 0.02798 0.07485 0.1413
4 4 17 20 28 0.13252 0.02084 0.11154 0.14156 0.22766
6 11 14 17 25 0.17946 0.11031 0.13544 0.04442 0.1023
7 8 16 19 27 0.15382 0.15014 0.13544 0.11031 0.23609
5 7 14 25 27 0.17228 0.12185 0.13544 0.04644 0.23609
9 6 13 20 27 0.06756 0.08293 0.11154 0.14156 0.23609
7 12 14 25 28 0.15382 0.07485 0.13544 0.04644 0.22766
9 11 11 24 27 0.06756 0.11031 0.05088 0.08293 0.23609
8 10 12 22 27 0.11056 0.14156 0.08055 0.15014 0.23609
4 7 15 19 24 0.13252 0.12185 0.14446 0.11031 0.04736
9 6 15 23 27 0.06756 0.08293 0.14446 0.12185 0.23609
8 8 14 22 28 0.11056 0.15014 0.13544 0.15014 0.22766
8 7 16 21 29 0.11056 0.12185 0.13544 0.15729 0.1413
5 12 18 17 26 0.17228 0.07485 0.08055 0.04442 0.17707
8 9 12 15 24 0.11056 0.15729 0.08055 0.01057 0.04736
5 8 15 20 29 0.17228 0.15014 0.14446 0.14156 0.1413
6 5 15 20 30 0.17946 0.04644 0.14446 0.14156 0.04239
Lampiran 3 Output Minitab dengan Distribusi Hipergeometrik
Random Data Probability Distributions
1 0 1 0.43516 0.36264 0.49451
1 1 1 0.43516 0.48352 0.49451
0 1 1 0.48352 0.48352 0.49451
1 1 0 0.43516 0.48352 0.26374
0 0 0 0.48352 0.36264 0.26374
1 2 1 0.43516 0.14505 0.49451
2 1 1 0.07912 0.48352 0.49451
1 1 1 0.43516 0.48352 0.49451
1 1 1 0.43516 0.48352 0.49451
0 2 0 0.48352 0.14505 0.26374
0 0 2 0.48352 0.36264 0.21978
1 0 1 0.43516 0.36264 0.49451
0 1 3 0.48352 0.48352 0.02198
3 2 2 0.0022 0.14505 0.21978
0 1 0 0.48352 0.48352 0.26374
0 1 1 0.48352 0.48352 0.49451
0 1 1 0.48352 0.48352 0.49451
1 0 1 0.43516 0.36264 0.49451
1 1 2 0.43516 0.48352 0.21978
1 1 1 0.43516 0.48352 0.49451
1 1 1 0.43516 0.48352 0.49451
1 0 2 0.43516 0.36264 0.21978
2 1 1 0.07912 0.48352 0.49451
1 1 0 0.43516 0.48352 0.26374
1 1 1 0.43516 0.48352 0.49451
0 1 1 0.48352 0.48352 0.49451
1 2 2 0.43516 0.14505 0.21978
0 0 0 0.48352 0.36264 0.26374
2 1 0 0.07912 0.48352 0.26374
0 1 1 0.48352 0.48352 0.49451
Lampiran 4 Output Minitab dengan Distribusi Poisson
Random Data Probability Distributions
0 1 2 3 0.36788 0.27067 0.22404 0.14037
1 1 2 4 0.36788 0.27067 0.22404 0.17547
0 1 5 4 0.36788 0.27067 0.10082 0.17547
1 1 3 5 0.36788 0.27067 0.22404 0.17547
2 0 3 3 0.18394 0.13534 0.22404 0.14037
2 2 4 1 0.18394 0.27067 0.16803 0.03369
0 3 3 6 0.36788 0.18045 0.22404 0.14622
1 1 1 7 0.36788 0.27067 0.14936 0.10444
1 2 2 6 0.36788 0.27067 0.22404 0.14622
0 3 3 9 0.36788 0.18045 0.22404 0.03627
1 3 2 9 0.36788 0.18045 0.22404 0.03627
1 0 3 4 0.36788 0.13534 0.22404 0.17547
1 1 2 5 0.36788 0.27067 0.22404 0.17547
1 3 1 4 0.36788 0.18045 0.14936 0.17547
1 4 1 4 0.36788 0.09022 0.14936 0.17547
0 2 3 9 0.36788 0.27067 0.22404 0.03627
2 0 2 4 0.18394 0.13534 0.22404 0.17547
1 2 2 5 0.36788 0.27067 0.22404 0.17547
1 0 3 3 0.36788 0.13534 0.22404 0.14037
1 1 7 8 0.36788 0.27067 0.0216 0.06528
1 3 3 4 0.36788 0.18045 0.22404 0.17547
1 3 4 2 0.36788 0.18045 0.16803 0.08422
0 1 0 5 0.36788 0.27067 0.04979 0.17547
1 1 3 3 0.36788 0.27067 0.22404 0.14037
2 0 3 7 0.18394 0.13534 0.22404 0.10444
0 1 4 8 0.36788 0.27067 0.16803 0.06528
1 1 4 6 0.36788 0.27067 0.16803 0.14622
2 3 1 6 0.18394 0.18045 0.14936 0.14622
1 3 1 5 0.36788 0.18045 0.14936 0.17547
4 3 5 5 0.01533 0.18045 0.10082 0.17547
Lampiran 5 Output Minitab dengan Distribusi Poisson
Distribusi Binomial n = 50
Random Data Probability Distributions
p = 0.03 p = 0.1 p = 0.2 p = 0.03 p = 0.1 p = 0.2
0 3 11 0.21807 0.13857 0.12711
2 8 12 0.25552 0.06428 0.10328
1 4 12 0.33721 0.1809 0.10328
0 8 7 0.21807 0.06428 0.08701
0 5 8 0.21807 0.18492 0.11692
2 5 8 0.25552 0.18492 0.11692
1 7 11 0.33721 0.10763 0.12711
1 5 8 0.33721 0.18492 0.11692
0 5 9 0.21807 0.18492 0.13641
1 3 12 0.33721 0.13857 0.10328
4 3 10 0.04595 0.13857 0.13982
2 4 10 0.25552 0.1809 0.13982
4 5 8 0.04595 0.18492 0.11692
3 10 11 0.12644 0.01518 0.12711
0 8 7 0.21807 0.06428 0.08701
0 8 6 0.21807 0.06428 0.05537
3 9 11 0.12644 0.03333 0.12711
3 10 9 0.12644 0.01518 0.13641
2 7 6 0.25552 0.10763 0.05537
1 8 11 0.33721 0.06428 0.12711
0 4 16 0.21807 0.1809 0.01636
2 2 12 0.25552 0.07794 0.10328
1 3 10 0.33721 0.13857 0.13982
1 3 11 0.33721 0.13857 0.12711
2 5 12 0.25552 0.18492 0.10328
2 6 9 0.25552 0.1541 0.13641
2 5 10 0.25552 0.18492 0.13982
0 3 9 0.21807 0.13857 0.13641
2 6 7 0.25552 0.1541 0.08701
2 3 10 0.25552 0.13857 0.13982
3 5 10 0.12644 0.18492 0.13982
3 7 8 0.12644 0.10763 0.11692
4 3 9 0.04595 0.13857 0.13641
1 5 12 0.33721 0.18492 0.10328
2 10 9 0.25552 0.01518 0.13641
2 5 11 0.25552 0.18492 0.12711
1 6 9 0.33721 0.1541 0.13641
1 3 8 0.33721 0.13857 0.11692
1 4 8 0.33721 0.1809 0.11692
0 7 12 0.21807 0.10763 0.10328
1 5 10 0.33721 0.18492 0.13982
2 4 11 0.25552 0.1809 0.12711
2 4 9 0.25552 0.1809 0.13641
1 7 6 0.33721 0.10763 0.05537
1 2 8 0.33721 0.07794 0.11692
1 5 10 0.33721 0.18492 0.13982
1 3 6 0.33721 0.13857 0.05537
2 7 11 0.25552 0.10763 0.12711
3 4 7 0.12644 0.1809 0.08701
1 4 5 0.33721 0.1809 0.02953
Distribusi Poisson n = 50
Random Data Probability Distributions
p = 1.5 p = 5 p = 10 p = 1.5 p = 5 p = 10
3 6 12 0.12551 0.14622 0.09478
2 5 6 0.25102 0.17547 0.06306
1 9 17 0.3347 0.03627 0.01276
0 4 7 0.22313 0.17547 0.09008
1 5 17 0.3347 0.17547 0.01276
1 5 12 0.3347 0.17547 0.09478
3 6 11 0.12551 0.14622 0.11374
0 9 12 0.22313 0.03627 0.09478
2 5 6 0.25102 0.17547 0.06306
3 3 14 0.12551 0.14037 0.05208
2 6 11 0.25102 0.14622 0.11374
2 4 7 0.25102 0.17547 0.09008
2 5 12 0.25102 0.17547 0.09478
3 3 7 0.12551 0.14037 0.09008
2 4 4 0.25102 0.17547 0.01892
0 1 14 0.22313 0.03369 0.05208
1 4 6 0.3347 0.17547 0.06306
0 4 7 0.22313 0.17547 0.09008
0 3 8 0.22313 0.14037 0.1126
1 6 6 0.3347 0.14622 0.06306
1 4 10 0.3347 0.17547 0.12511
1 7 11 0.3347 0.10444 0.11374
1 6 9 0.3347 0.14622 0.12511
3 5 5 0.12551 0.17547 0.03783
2 3 11 0.25102 0.14037 0.11374
0 4 15 0.22313 0.17547 0.03472
1 6 9 0.3347 0.14622 0.12511
0 5 12 0.22313 0.17547 0.09478
1 2 13 0.3347 0.08422 0.07291
1 6 7 0.3347 0.14622 0.09008
1 8 12 0.3347 0.06528 0.09478
0 3 12 0.22313 0.14037 0.09478
0 4 10 0.22313 0.17547 0.12511
1 7 10 0.3347 0.10444 0.12511
1 6 13 0.3347 0.14622 0.07291
0 3 8 0.22313 0.14037 0.1126
1 10 8 0.3347 0.01813 0.1126
4 7 12 0.04707 0.10444 0.09478
1 5 8 0.3347 0.17547 0.1126
1 6 9 0.3347 0.14622 0.12511
2 7 9 0.25102 0.10444 0.12511
0 6 12 0.22313 0.14622 0.09478
1 5 8 0.3347 0.17547 0.1126
0 2 4 0.22313 0.08422 0.01892
2 1 16 0.25102 0.03369 0.0217
4 5 12 0.04707 0.17547 0.09478
2 4 9 0.25102 0.17547 0.12511
4 6 7 0.04707 0.14622 0.09008
3 5 6 0.12551 0.17547 0.06306
3 3 12 0.12551 0.14037 0.09478
Lampiran 6 Output Minitab dengan Distribusi Normal
Distribusi Normal
n = 100 n = 200 n = 300
9.38599 12.8263 11.6111 9.19384 10.3514 14.8675
10.5344 8.48942 10.3687 10.1486 12.1157 10.4155
7.89894 9.63072 10.1432 7.4611 12.5851 9.28148
9.93768 9.31092 11.8223 7.20284 9.84039 10.0243
10.226 11.9379 12.1888 6.77135 8.68149 8.58286
9.46655 11.4964 8.29706 11.2475 12.0681 7.42922
9.14783 14.8295 12.9023 12.8151 7.33139 7.45752
8.8711 10.506 8.16873 10.081 11.0741 9.1046
10.7023 8.78287 7.02482 11.8516 8.57239 12.5703
11.2744 7.71325 12.9292 6.54998 6.65761 7.57581
10.1963 9.10947 8.60282 10.2002 11.1963 9.68507
10.0593 11.6162 11.8519 6.81529 9.01748 14.3504
7.24877 7.35662 6.25352 11.8577 13.3819 9.97941
5.36209 10.4515 10.3721 10.493 13.8894 10.1345
12.116 12.3617 11.1927 9.78812 5.54412 9.29096
9.54933 7.16903 10.1003 11.7782 11.22 7.3163
10.7821 11.5566 6.88787 6.44624 8.60797 11.5619
8.75397 15.519 5.9292 10.8703 9.20743 9.21764
10.008 8.94 8.45097 9.97672 9.8265 4.56072
9.25332 10.104 7.94786 10.4521 7.99847 10.9977
7.29716 10.3537 9.6546 12.4886 10.2795 9.00477
8.58735 11.155 9.34813 7.16857 5.81809 7.79012
12.4395 9.6813 11.9851 9.12666 8.81341 6.43066
10.2554 12.5178 11.3135 9.82797 11.6954 11.3636
9.78648 8.56532 8.40936 8.7494 6.3475 11.0032
10.8934 9.44354 7.86906 9.9361 9.61287 10.7854
9.49955 13.1697 7.52526 10.0341 9.78172 8.93444
13.1907 10.735 11.243 10.6867 8.48771 12.55
12.5722 8.72044 7.11728 9.312 11.3609 7.77952
11.5086 8.98894 7.90794 5.48151 9.1659 13.1272
8.65022 10.1324 11.7716 7.5399 7.34937 11.4621
11.6883 12.3131 13.3052 8.65124 11.8651 11.2185
9.88625 10.7462 9.91267 10.3473 8.55032 9.02482
4.74019 9.8358 9.59171 8.32759 11.6209 12.8125
6.93088 10.2542 7.21948 10.4057 14.6072 7.50654
7.10778 11.5981 11.482 10.3193 9.53807 12.1719
13.1057 9.24933 4.87538 10.7941 10.8641 7.71145
10.2228 9.85955 8.54054 7.71985 10.8604 11.074
13.5963 5.76258 12.4143 10.7559 11.0909 10.0729
5.89142 9.71787 10.4776 10.1741 7.45243 9.8224
13.6593 8.34486 14.5996 6.98719 7.96987 9.56957
9.88529 11.5241 6.45437 10.5418 11.1939 11.452
10.0295 9.08172 10.5783 7.53905 7.22065 8.8346
9.52129 12.9591 9.52214 7.17677 8.7629 7.22351
8.05864 6.41923 8.18761 8.01068 9.50694 10.6839
9.3758 7.45104 4.93155 8.94645 15.0816 10.9771
11.0793 14.8369 7.90571 11.4387 10.0932 10.7684
7.80371 5.38212 10.4941 10.0192 3.65677 9.81014
11.5972 10.3142 11.2899 12.8897 11.7872 11.7638
8.90703 11.0268 10.4309 11.7961 7.84007 11.0198
12.7807 11.0974 9.74394 9.63181
7.59184 7.85383 11.426 9.46618
10.5252 8.96121 8.70586 9.59787
11.4302 10.2959 10.2348 10.3987
10.1043 10.083 6.64078 12.3656
7.45497 11.4626 10.3572 6.09136
10.7597 8.34074 9.82047 6.47707
8.93978 8.83817 8.59606 14.4158
12.9615 6.5353 9.00851 9.36156
11.9531 10.7361 7.50557 10.2031
7.49419 7.04044 9.27125 7.60386
10.032 10.3462 7.7606 9.75933
9.61093 12.6237 8.22747 10.5312
6.76868 12.2265 8.63659 5.88978
8.73584 10.7432 11.1628 6.08934
8.02941 6.55301 7.37753 11.0218
12.7418 9.56819 11.5446 12.3229
8.89114 7.71172 8.52495 9.40848
8.09751 5.06708 9.70502 13.9892
8.22455 14.0015 12.4077 11.2314
11.7021 10.4067 11.6031 11.5032
11.5313 14.2888 8.19698 10.7671
12.0752 10.7859 7.67608 6.17217
10.0513 10.2952 6.42923 11.3022
8.99317 9.75881 12.6904 8.54387
9.78042 12.9288 10.1667 10.3985
10.0978 8.81427 9.43462 10.3127
6.95513 12.1061 6.79915 6.41481
11.9618 12.7834 7.21673 10.4442
10.0562 12.1135 13.2123 10.1641
8.94702 10.8404 10.7411 9.62692
11.1454 6.99936 11.9965 11.2101
7.31157 7.52959 12.1002 12.4987
9.85216 4.00812 9.70875 10.8888
11.1364 6.78967 6.20814 11.0935
10.3111 7.99679 10.2486 11.5774
9.36487 10.2234 6.84153 8.43548
9.51204 11.8315 7.66709 8.13978
16.1139 10.0913 11.1407 7.53199
10.9502 5.93627 9.3131 9.51456
8.343 10.4552 8.38206 11.6446
15.5293 9.50503 12.1044 11.1287
11.9715 13.9792 9.89582 5.44994
12.7049 9.57175 11.7461 8.69851
9.35024 11.215 11.085 10.0491
9.22769 9.48045 10.3413 7.98837
9.62936 10.5648 8.58829 7.76343
11.7206 11.9179 6.94228 9.09308
9.2938 7.4486 9.59805 10.0148
8.18758 13.2366 11.5615 8.72697
11.5296 12.7591
12.0747 8.0682
12.6253 9.15791
9.63731 9.74099
9.12068 10.2384
11.0934 9.38291
7.0322 10.256
9.68703 9.93956
9.13161 11.2284
10.0559 11.1932
11.0206 12.9294
12.6018 9.33946
7.32551 8.33004
10.7238 11.7045
10.3792 6.86602
8.85649 7.86611
9.39267 14.6446
10.1616 12.662
8.74724 8.51705
11.8332 10.8794
8.93912 10.0957
10.5987 12.3477
10.3901 11.063
15.3193 11.0094
11.4889 6.73017
8.71189 12.6257
8.12537 8.42509
8.65898 13.5462
9.65581 10.3276
8.40371 10.5224
8.8003 5.59723
7.07066 8.5271
9.98507 6.94648
6.82003 11.5384
11.7654 6.44908
11.4024 11.2592
6.5434 9.13999
11.8344 11.7864
13.3007 12.3769
8.04488 6.84721
10.8976 9.97234
7.18002 11.5619
7.08509 9.18891
9.64437 10.0394
9.96354 5.84951
11.1517 9.88801
9.23202 8.24801
9.47099 10.1695
16.1026 10.4666
10.3921 10.6417