You are on page 1of 10

RUDINI MULYA _ TEKNIK INDUSTRI UNIVERSITAS MERCU BUANA

Lampiran (Tugas Pendahuluan Distribusi Binomial dan Hipergeometris) Hal 15 - 16 | 76

LAPORAN AKHIR
PRAKTIKUM STATISTIK

Diajukan untuk Melengkapi Tugas Mata Kuliah
Praktikum Statistik
Pada Program Studi Teknik Industri



Disusun Oleh :

Kelompok 4


Rudini Mulya (41610010035)
Dessy Diardito Miranda (41610010040)
Ihsan Maulana (41610010010)
Yoel Octavianus (41610010043)



PROGRAM STUDI TEKNIK INDUSTRI
FAKULTAS TEKNIK
UNIVERSITAS MERCU BUANA
JAKARTA
2012
RUDINI MULYA _ TEKNIK INDUSTRI UNIVERSITAS MERCU BUANA

Lampiran (Tugas Pendahuluan Distribusi Binomial dan Hipergeometris) Hal 15 - 16 | 77


LAMPIRAN

TUGAS PENDAHULUAN HAL 15 - 16
1. Apa parameter-parameter distribusi binomial dan distribusi hipergeometris? Jelaskan!

Jawab:
Distribusi Binomial



Parameter dari distribusi binomial adalah n dan p, di mana n adalah banyaknya
percobaan yang dilakukan berkali-kali yang berhubungan (independen) dan p adalah
peluang terjadinya sukses dengan batasan 0 ≤ p ≤ 1.

Distribusi Hipergeometris



Parameter dari distribusi hipergeometris adalah n, S,N, di mana n adalah banyaknya
sukses dalam sampel random yang diambil dari populasi N (di mana di dalam N
terkandung S sukses dan N-S gagal) dengan batasan n ≤ N Jon S ≤ N.

2. Apa asumsi dasar kedua distribusi tersebut di atas?

Jawab :
a. Distribusi binomial adalah suatu distribusi probabilitas yang dapat digunakan
bilamana suatu proses sampling dapat diasumsikan sesuai dengan proses Bernoulli.
Proses Bernoulli adalah proses sampling yang:
1. Ada 2 kejadian yang dapat terjad dan saling asing pada setiap percobaan atau
observasi, untuk mudahnya di sebut sukses atau gagal.
2. Urut-urutan percobaan atau observasi merupakan kejadian independen.
3. Probabilitas sukses dinyatakan dengan p, yang nilainya tetap dari percobaan ke
percobaan atau dari satu kejadian ke kejadian yang lain.

b. Jika sampling dilakukan tanpa pengembalian dari kejadian sampling yang diambil
dari populasi dengan kejadian-kejadian terbatas, proses Bernoulli tidak dapat
digunakan, karena ada perubahan sistematis dalam probabilitas sukses, seperti
kejadian-kejadian yang diambil dari populasi. Jika pengambilan sampling tanpa
pengembalian digunakan dalam situasi sebaliknya dan memenuhi syarat proses
Bernoulli, distribusi hipergeometrik adalah distribusi probabilitas diskrit yang tepat.

3. Apa karakteristik dari kedua percobaan di atas?

Jawab:
a. Karakteristik distribusi binomial

1. Eksperimennya terdiri dari n ulangan percobaan.
2. Masing-masing percobaan hanya mempunyai dua kemungkinan yang
diklasifikasikan sebagai sukses atau gagal.
n bulot > 0; p(0 ≤ p ≤ 1)
n, S, N bulot > 0; n ≤ N Jon S ≤ N
RUDINI MULYA _ TEKNIK INDUSTRI UNIVERSITAS MERCU BUANA

Lampiran (Tugas Pendahuluan Distribusi Binomial dan Hipergeometris) Hal 15 - 16 | 78

3. Kemungkinan sukses yang dinyatakan dengan P; tetap konstan dari satu
percobaan ke percobaan yang lain.
4. Antara percobaan yang satu dengan percobaan yang lain bersifat saling bebas.

b. Karakteristik distribusi hipergeometris
1. Sebuah sampel random berukuran n diambil tanpa pengembalian dari suatu lot
yang mempunyai N item.
2. Dalam N item tersebut terdapat S item yang dikategorikan sebagai item
sukses, dan N-S adalah item gagal.

4. Apa syarat pendekatan distribusi normal terhadap distribusi binomial?
Jawab:
Syarat pendekatan distribusi normal terhadap distribusi binomial adalah:



5. Apa yang di maksud dengan distribusi normal dan sebutkan parameter-parameternya
dan gambarkan grafik distribusi normal!

Jawab:
Distribusi probabilitas normal adalah distribusi yang didasarkan pada variabel acak
kontinu yang mempunyai nilai yang jumlahnya tidak terbatas dalam skala atau jarak
tertentu. Distribusi ini mempunyai nilai sepanjang interval yang dapat berupa bilangan
pecahan dan datanya dihasilkan dari pengukuran.



Parameter-parameter dalam distribusi normal adalah :

1. Kurva berbentuk genta atau lonceng dan memiliki satu puncak yang terletak di
tengah. Nilai µ = Md = Mo yang berada di tengah membelah kurva menjadi dua
bagian yaitu ½ di bawah nilai µ = Md = Mo dan ½ di atas nilai µ = Md = Mo.
2. Distribusi probabilitas dan kurva normal bersifat asimptotis. Kurva ini menurun di
kedua arah yaitu ke kanan untuk nilai positif tak terhingga (∞) dan ke kiri untuk
nilai negatif tak terhingga (-∞). Dengan demikian, ekor kedua kurva tidak pernah
menyentuh nol, hanya mendekati nol.
3. Modusnya (Mo) pada sumbu mendatar membuat fungsi mencapai puncaknya atau
maksimum pada X = µ.
4. Luas daerah yang terletak di bawah kurva normal tetapi di atas sumbu mendatar
sama dengan 1. Luas daerah tersebut terdiri dari ½ di sebelah kiri nilai tengah (µ)
dan ½ di sebelah kanan nilai tengah (µ).
n → ∞ Jon niloi p mcnJckoti 0,5
RUDINI MULYA _ TEKNIK INDUSTRI UNIVERSITAS MERCU BUANA

Lampiran (Tugas Pendahuluan Distribusi Binomial dan Hipergeometris) Hal 15 - 16 | 79



6. Sebuah mesin akan berfungsi jika tiga komponen A, B, C semua bekerja.
Kemungkinan A rusak selama satu tahun adalah 15%, B 10%, C 5%. Berapa
kemungkinan mesin tersebut rusak sebelum akhir tahun pertama?

Jawab:
s = {bbc, bcb, cbb, bcc, cbc, cbc, ccc}
Ket:b = komponen mesin yang baik
c = komponen mesin yang cacat

Misalkan x adalah banyaknya komponen mesin yang baik dari 3 komponen mesin
yang ada, maka nilain x adalah 0,1,2.

 Jika satu komponen mesin rusak {bbc,bcb, cbb}, berarti x = 2, q = 0,15, p =
0,85, n = 3

h(x, n, p) = [
n
x
¸ p
x
q
n-x


h(x, 3, û. 85) = [
3
2
¸ (û. 85)
2
(û. 15)
1


= 0.27

 Jika tiga komponen mesin rusak {ccc}, berarti x = 0, q = 0,05, p = 0,95, n = 3

h(x, n, p) = [
n
x
¸ p
x
q
n-x


h(x, 3, û. 95) = [
3
û
¸ (û. 95)
û
(û. û5)
3


= 0.01
Jadi, kemungkinan mesin tersebut rusak sebelum akhir tahun pertama adalah
P(x)
total
= 0.27+0.02+0.01
= 0.3

7. Sebuah kotak berisi 60 buah disket di mana 6 buah disket yang rusak. Bila secara acak
memilih 4 buah disket dari kotak tersebut, berapa peluang mendapatkan 0,1,2,3,4,
buah disket yang rusak?

Jawab:

Ðik: N = 60, n = 4, k = 6

h(x, n, k) =
[
k
x
¸ [
N−k
n −x
¸
[
n
N
¸


Jadi, untuk x = 0,1,2,3,4, maka:
RUDINI MULYA _ TEKNIK INDUSTRI UNIVERSITAS MERCU BUANA

Lampiran (Tugas Pendahuluan Distribusi Binomial dan Hipergeometris) Hal 15 - 16 | 80


= h(û, 4, ó) + h(1, 4, ó) +h(2, 4, ó) + h(3, 4, ó) + h(4, 4, ó)

=
[
ó
û
¸ [
54
4
¸
[
óû
4
¸
+
[
ó
1
¸ [
54
3
¸
[
óû
4
¸
+
[
ó
2
¸ [
54
2
¸
[
óû
4
¸
+
[
ó
3
¸ [
54
1
¸
[
óû
4
¸
+
[
ó
4
¸ [
54
û
¸
[
óû
4
¸


=
487. ó35
487. ó35
= 1

Jadi, peluang untuk mendapatkan 0,1,2,3,4 disket yang rusak adalah 1.

8. Si dan Po berjanji untuk bertemu di laboratorium antara pukul 9 dan 10, dengan
masing-masing menuggu selama 15 menit jika yang lain belum datang. Berapa
peluang keduanya akan bertemu?
Jawab:
p = 0,25; q =0,75; n =2
= ∑ C
x (0,25
x
) (0,75
2-x
) -
2 10
x=0
∑ C
x (0,25
x
) (0,75
2-x
)
2 8
x=0

= 1,0000-1,0000
= 0
Jadi, Si dan Po tidak mempunyai peluang untuk bertemu antara pukul 9 dan 10.

9. Bila kemungkinan seorang anak itu laki-laki atau perempuan adalah sama (1/2),
berapa kemungkinan:
a. Sebuah keluarga beranak 5, semuanya laki-laki?
b. Sebuah keluarga beranak 6, 3 laki-laki dan 3 perempuan?

Jawab:
s = {pl, lp, ll, pp}

Ket:p = perempuan
l = laki-laki
Misalkan l adalah anak laki-laki, maka nilain x adalah 0,1,2, p = 0,5; q=0,5
a. h(x, n, p) = [
n
x
¸ p
x
q
n-x


h(x, 5, û. 5) = [
5
2
¸ (û. 5)
2
(û. 5)
3


= 0.0375
Jadi, kemungkinan sebuah keluarga beranak 5, semuanya laki-laki adalah
0,0375.
b. h(x, n, p) = [
n
x
¸ p
x
q
n-x


h(x, ó, û. 5) = [
ó
1
¸ (û. 5)
1
(û. 5)
5


= 0,09375
RUDINI MULYA _ TEKNIK INDUSTRI UNIVERSITAS MERCU BUANA

Lampiran (Tugas Pendahuluan Distribusi Binomial dan Hipergeometris) Hal 15 - 16 | 81

Jadi, kemungkinan sebuah keluarga beranak 6, 3 laki-laki dan 3
perempuan adalah 0,09375.

10. Kapan distribusi binomial dapat didekati (diganti) dengan distribusi poisson?
Jawab:
Distribusi binomial dapat didekati (diganti) dengan distribusi poisson apabila
parameter n sangat besar (lebih dari 50), sedangkan p kecil sekali (kurang dari 0,1).

LAMPIRAN – LAMPIRAN

Statistics

Angkatan Umur Berat Tinggi
N Valid 100 100 100 100
Missing 0 0 0 0
Mean 2009,19 22,42 58,67 169,44
Std. Error of Mean ,077 ,140 1,080 ,582
Median 2009,24
a
22,12
a
56,44
a
169,75
a

Mode 2010 22 50 170
Std. Deviation ,775 1,401 10,797 5,819
Variance ,600 1,963 116,567 33,865
Skewness -,345 1,078 1,420 -,190
Std. Error of Skewness ,241 ,241 ,241 ,241
Kurtosis -1,250 ,415 2,621 ,360
Std. Error of Kurtosis ,478 ,478 ,478 ,478
Range 2 5 60 32
Minimum 2008 21 40 155
Maximum 2010 26 100 187
Sum 200919 2242 5867 16944
Percentiles 10 .
b,c
.
b,c
48,25
c
160,62
c

20 2008,31 21,18 49,82 164,88
25 2008,47 21,33 51,00 166,00
30 2008,64 21,48 52,75 167,64
40 2008,98 21,79 54,87 168,89
50 2009,24 22,12 56,44 169,75
60 2009,50 22,50 58,83 170,74
70 2009,76 22,88 60,57 172,62
75 2009,88 23,17 62,00 173,48
80 . 23,61 65,00 174,43
90 . 24,73 74,20 175,78


Descriptive Statistics


N Range Minimum Maximum Sum Mean
Std.
Deviation Variance Skewness Kurtosis
Statistic Statistic Statistic Statistic Statistic Statistic Std. Error Statistic Statistic Statistic Std. Error Statistic
Std.
Error
Umur 100 5 21 26 2242 22,42 ,140 1,401 1,963 1,078 ,241 ,415 ,478
Berat 100 60 40 100 5867 58,67 1,080 10,797 116,567 1,420 ,241 2,621 ,478
Tinggi 100 32 155 187 16944 169,44 ,582 5,819 33,865 -,190 ,241 ,360 ,478
Angkatan 100 2 2008 2010 200919 2009,19 ,077 ,775 ,600 -,345 ,241 -1,250 ,478
Valid N 100
RUDINI MULYA _ TEKNIK INDUSTRI UNIVERSITAS MERCU BUANA

Lampiran (Tugas Pendahuluan Distribusi Binomial dan Hipergeometris) Hal 15 - 16 | 82



Umur


Frequency Percent Valid Percent
Cumulative
Percent
Valid 21 28 28,0 28,0 28,0
22 38 38,0 38,0 66,0
23 14 14,0 14,0 80,0
24 9 9,0 9,0 89,0
25 6 6,0 6,0 95,0
26 5 5,0 5,0 100,0
Total 100 100,0 100,0




Berat


Frequency Percent Valid Percent
Cumulative
Percent
Valid 40 1 1,0 1,0 1,0
44 1 1,0 1,0 2,0
45 3 3,0 3,0 5,0
46 1 1,0 1,0 6,0
47 1 1,0 1,0 7,0
48 4 4,0 4,0 11,0
49 4 4,0 4,0 15,0
50 13 13,0 13,0 28,0
52 1 1,0 1,0 29,0
53 3 3,0 3,0 32,0
54 3 3,0 3,0 35,0
55 12 12,0 12,0 47,0
56 2 2,0 2,0 49,0
57 7 7,0 7,0 56,0
58 3 3,0 3,0 59,0
59 3 3,0 3,0 62,0
60 12 12,0 12,0 74,0
62 2 2,0 2,0 76,0
63 1 1,0 1,0 77,0
64 1 1,0 1,0 78,0
65 4 4,0 4,0 82,0
68 2 2,0 2,0 84,0
RUDINI MULYA _ TEKNIK INDUSTRI UNIVERSITAS MERCU BUANA

Lampiran (Tugas Pendahuluan Distribusi Binomial dan Hipergeometris) Hal 15 - 16 | 83

69 2 2,0 2,0 86,0
71 1 1,0 1,0 87,0
72 1 1,0 1,0 88,0
73 1 1,0 1,0 89,0
75 4 4,0 4,0 93,0
77 1 1,0 1,0 94,0
79 1 1,0 1,0 95,0
80 2 2,0 2,0 97,0
90 1 1,0 1,0 98,0
95 1 1,0 1,0 99,0
100 1 1,0 1,0 100,0
Total 100 100,0 100,0


Tinggi

Frequency Percent Valid Percent
Cumulative
Percent
Valid 155 2 2,0 2,0 2,0
158 1 1,0 1,0 3,0
160 10 10,0 10,0 13,0
162 3 3,0 3,0 16,0
164 1 1,0 1,0 17,0
165 7 7,0 7,0 24,0
166 2 2,0 2,0 26,0
167 1 1,0 1,0 27,0
168 10 10,0 10,0 37,0
169 8 8,0 8,0 45,0
170 16 16,0 16,0 61,0
171 3 3,0 3,0 64,0
172 4 4,0 4,0 68,0
173 9 9,0 9,0 77,0
175 12 12,0 12,0 89,0
176 6 6,0 6,0 95,0
177 1 1,0 1,0 96,0
180 2 2,0 2,0 98,0
182 1 1,0 1,0 99,0
187 1 1,0 1,0 100,0
Total 100 100,0 100,0




RUDINI MULYA _ TEKNIK INDUSTRI UNIVERSITAS MERCU BUANA

Lampiran (Tugas Pendahuluan Distribusi Binomial dan Hipergeometris) Hal 15 - 16 | 84


Descriptive Statistics

Mean Std. Deviation N
Berat 58,67 10,797 100
Tinggi 169,44 5,819 100

Correlations

Berat Tinggi
Pearson Correlation Berat 1,000 ,336
Tinggi ,336 1,000
Sig. (1-tailed) Berat . ,000
Tinggi ,000 .
N Berat 100 100
Tinggi 100 100

ANOVA
b


Model Sum of Squares df Mean Square F Sig.
1 Regression 1303,532 1 1303,532 12,479 ,001
a

Residual 10236,578 98 104,455

Total 11540,110 99

a. Predictors: (Constant), Tinggi
b. Dependent Variable: Berat



Coefficients
a


Model
Unstandardized
Coefficients
Standardized
Coefficients
t Sig.
95,0% Confidence Interval for B
B Std. Error Beta Lower Bound Upper Bound
1 (Constant) -46,983 29,925

-1,570 ,120 -106,369 12,403
Tinggi ,624 ,177 ,336 3,533 ,001 ,273 ,974
a. Dependent Variable: Berat


RUDINI MULYA _ TEKNIK INDUSTRI UNIVERSITAS MERCU BUANA

Lampiran (Tugas Pendahuluan Distribusi Binomial dan Hipergeometris) Hal 15 - 16 | 85

Correlations

Berat Tinggi
Pearson Correlation Berat 1,000 ,336
Tinggi ,336 1,000
Sig. (1-tailed) Berat . ,000
Tinggi ,000 .
N Berat 100 100
Tinggi 100 100

Variables Entered/Removed
b


Model Variables Entered
Variables
Removed Method
1 Tinggi
a
. Enter
a. All requested variables entered.
b. Dependent Variable: Berat


Model Summary

Model R R Square
Adjusted R
Square
Std. Error of the
Estimate
1 ,336
a
,113 ,104 10,220
a. Predictors: (Constant), Tinggi