DISTRIBUSI BINOMIAL berhasil gagal berhasil gagal berhasil gagal ya tidak success failed sukses atau berhasil gagal. sukses atau berhasil.



dokumen-dokumen yang mirip
LAB MANAJEMEN DASAR MODUL STATISTIKA 1

LAB MANAJEMEN DASAR MODUL STATISTIKA 1

DISTRIBUSI POISSON Pendahuluan Rumus Pendekatan Peluang Poisson untuk Binomial P ( x ; µ ) = (e µ. µ X ) / X! n. p Rumus Proses Poisson

PENDAHULUAN Definisi: Contoh Kasus:

LABORATORIUM MANAJEMEN DASAR STATISTIKA 1 PTA 2015/2016 NAMA : NPM : KELAS : KP : TUTOR : ASBAR :

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

Nilai harapan suatu variabel acak x ditulis E (x) didefinisikan E (x) = Σ x. f (x) Var (x) = σ x 2 = E [ x E (x) ] 2 = E (x 2 ) { E (x) } 2

NAMA : NPM : KELAS : KP : TUTOR : ASBAR : LAB. MANAJEMEN DASAR vii LITBANG PTA 16/17

Modul Praktikum Distribusi Weibull DISTRIBUSI WEIBULL. Tujuan Praktikum:

MODUL DISTRIBUSI PROBABILITAS EKSPONENSIAL

Distribusi Probabilitas Diskrit: Binomial, Multinomial, & Binomial Negatif

MODUL PRAKTIKUM STATISTIKA 2. Laboratorium Jurusan. Manajemen Dasar. Fakultas Ekonomi UNIVERSITAS GUNADARMA. Versi 3.1. Tahun Penyusunan 2012

DISTRIBUSI BINOMIAL STKIP SILIWANGI BANDUNG LUVY S ZANTHY KAPSEL SMA

Distribusi Probabilitas Diskrit: Binomial & Multinomial

Jurusan Teknik Sipil dan Lingkungan Universitas Gadjah Mada. 1http://istiarto.staff.ugm.ac.id STATISTIKA. Discrete Probability Distributions

BAB IV. DISTRIBUSI PROBABILITAS DISKRIT

DISTRIBUSI PELUANG TEORITIS

Distribusi Peluang Teoritis. Titik-titik contoh di dalam Ruang Sampel (S) dapat disajikan dalam bentuk numerik/bilangan.

Tugas Kelompok. Mata Kuliah Metodologi Penelitian Kuantitatif. Judul Makalah Revisi DISTRIBUSI PELUANG

Distribusi Peluang Teoritis

KONSEP DASAR PROBABILITAS

MODUL II DISTRIBUSI PELUANG DISKRIT DAN KONTINU

PROBABILITAS (PELUANG) PENGERTIAN PROBABILITAS

PERBANDINGAN KURVA PADA DISTRIBUSI UNIFORM DAN DISTRIBUSI BINOMIAL

FORMAT LAPORAN MODUL V DISTRIBUSI SAMPLING

Model dan Simulasi Universitas Indo Global Mandiri

Bagian 2. Probabilitas. Struktur Probabilitas. Probabilitas Subyektif. Metode Frekuensi Relatif Kejadian untuk Menentukan Probabilitas

Tipe Peubah Acak. Diskret. Kontinu

MATERI KULIAH STATISTIKA

28/09/2012 SAMPLE SPACE, SAMPLE POINTS, EVENTS. ω Ω

DISTRIBUSI PROBABILITAS DISKRET

MODUL UJI NON PARAMETRIK (CHI-SQUARE/X 2 )

STATISTIK PERTEMUAN V

Beberapa Peubah Acak Diskret (1) Kuliah 8 Pengantar Hitung Peluang

STATISTIKA EKONOMI I Chapter 4 Distribusi Probabilitas Normal dan Binomial Chapter 5 Teori Sampling

R Commander - Rcmdr. A. Instalasi & Menu dalam Rcmdr 1. Instalasi

1.1 Konsep Probabilitas

Distribusi Probabilitas Diskrit: Poisson

Contoh: Aturan Penjumlahan. Independen. P(A dan B) = P(A) x P(B)

Distribusi Probabilitas Diskret Teoritis

CARA MENGGUNAKAN APLIKASI

STATISTIK INDUSTRI 1. Random Variable. Distribusi Peluang. Distribusi Peluang Diskrit. Distribusi Peluang Diskrit 30/10/2013 DISKRIT DAN KONTINYU

ATURAN DASAR PROBABILITAS. EvanRamdan

TEORI PROBABILITAS 1

: Distribusi Peluang. : D. Rizal Riadi

Pierre-Simon Laplace. Born 23 March 1749 Beaumont-en-Auge, Normandy, France Died 5 March 1827 (aged 77) Paris, France Mempelajari peluang dalam judi

DISTRIBUSI TEORITIS. P(M) = p = probabilitas untuk mendapat bola merah (sukses) 30

Peubah Acak. 14-Sep-07 TPADF (Kelas Ganjil/ Rahmat) Lecture 2 page 1

PERBANDINGAN DISTRIBUSI BINOMIAL DAN DISTRIBUSI POISSON DENGAN PARAMETER YANG BERBEDA

I. PENDAHULUAN II. TINJAUAN PUSTAKA

DISTRIBUSI PROBABILITAS (PELUANG)

I. PENDAHULUAN II. TINJAUAN PUSTAKA

STK511 Analisis Statistika. Pertemuan 3 Sebaran Peluang Peubah Acak

Teori Probabilitas 3.2. Debrina Puspita Andriani /

ANALISIS DATA SECARA RANDOM PADA APLIKASI MINITAB DENGAN MENGGUNAKAN DISTRIBUSI PELUANG

PERBANDINGAN DISTRIBUSI BINOMIAL DAN DISTRIBUSI POISSON DENGAN PARAMETER YANG BERBEDA SKRIPSI RAINI MANURUNG

A. Fungsi Distribusi Binomial

KONSEP DASAR PROBABILITAS

PROBABILITAS BERSYARAT. Dr. Julan Hernadi

D I S T R I B U S I P R O B A B I L I T A S

BAB 2 LANDASAN TEORI

Peubah Acak. Bab 4. Definisi 4.1 Peubah acak adalah suatu fungsi dari ruang contoh ke bilangan nyata, f : S R

SEBARAN PELUANG DISKRET

PENGOLAHAN DATA STATISTIK DENGAN MENGGUNAKAN PROGRAM MINITAB FAURANI SANTI SINGAGERDA

BAB 2 LANDASAN TEORI

Bab 2 DISTRIBUSI PELUANG

DISTRIBUSI PROBABILITAS

Pertemuan Ke-1 BAB I PROBABILITAS

BAB 8 DISTRIBUSI PELUANG DISKRIT

PETUNJUK PROTUES. Mode Selector Toolbar berikut ini beberapa bagian selector toolbar yang umum digunakan untuk simulasi aplikasi mikrokontroler :

Pada umumnya suatu eksperimen dapat dikatakan eksperimen binomial apabila memenuhi syarat sbb:

CHAPTER 7 DISCRETE PROBABILITY

TAKARIR. komputer sebagai sarana mempresentasikan materi belajar

Teori Peluang Diskrit

ANALISIS KEMAMPUAN PROSES PADA DATA BERDISTRIBUSI BINOMIAL

Perumusan Probabilitas Kejadian Majemuk S S A B A B Maka banyak anggota himpunan gabungan A dan B adalah : n(a n(a B) = n(a) + n(b) n(a n(a B) Kejadia

STATISTIK NONPARAMETRIK (1)

PENCACAHAN RUANG SAMPEL

PENGENALAN APLIKASI STATISTICAL PRODUCT AND SERVICE SOLUTIONS (SPSS)

Pertemuan Ke-13. np 0 (1-p 0 ) dimana : n = banyak sampel

5. Peluang Diskrit. Pengantar

Review Teori Probabilitas

matematika DISTRIBUSI VARIABEL ACAK DAN DISTRIBUSI BINOMIAL K e l a s A. Penarikan Sampel dari Suatu Populasi Kurikulum 2013 Tujuan Pembelajaran

RENCANA MUTU PEMBELAJARAN. I. Standar Kompetensi : Menyelesaikan masalah probabilitas baik secara teoritik maupun aplikasinya dalam kehidupan.

UJI NONPARAMETRIK (CHI SQUARE / X2)

Metode Statistika (STK 211) Pertemuan ke-5

Pertemuan 2. Hukum Probabilitas

PELUANG. Permutasi dengan beberapa elemen yang sama: Dari n obyek terdapat n

BAB 7 STATISTIK NON-PARAMETRIK

SOAL PELUANG KELAS XI MATEMATIKANET.COM 1.! B. 4 2 C. 2 2 D. E. 2 2 A. 840 B. 504 C. 162 D. 84 E. 168

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

KONSEP DASAR PROBABILITAS

Bab 11 PELUANG. Contoh : 5! = = 120

MK Statistik Bisnis 2 MultiVariate. Haryoso Wicaksono, S.Si., M.M., M.Kom. 1

Distribusi Teoritis Probabilitas

DISTRIBUSI PROBABILITAS

Pertemuan 1 KONSEP DASAR PROBABILITAS

BAB V UJI COBA DAN IMPLEMENTASI. dalam implementasi tersebut terdiri dari Form menu, Form Master, Form transaksi,

Probabilitas = Peluang (Bagian II)

BAB II DISTRIBUSI PROBABILITAS

Transkripsi:

DISTRIBUSI BINOMIAL Pendahuluan Distribusi binomial merupakan suatu proses distribusi probabilitas yang dapat digunakan apabila suatu proses sampling dapat diasumsikan sesuai dengan proses Bernoulli. Proses Bernoulli adalah suatu proses probabilitas yang dapat dilakukan berulang kali. Misalnya : Dalam pelemparan sekeping uang logam sebanyak 5 kali. Hasil setiap pelemparan uang logam tersebut hanya mungkin muncul sisi gambar atau angka saja. Dalam pengambilan kartu yang dilakukan secara berturut-turut, kemungkinan yang muncul hanya kartu merah atau kartu hitam saja. Dari contoh di atas dapat diberikan suatu label berhasil untuk sisi gambar dan label gagal untuk sisi angka ataupun sebaliknya. Begitu juga dengan pengambilan kartu, kita dapat memberi label berhasil untuk pengambilan kartu warna merah dan label gagal untuk pengambilan kartu warna hitam ataupun sebaliknya. Ulangan-ulangan tersebut bersifat bebas dan peluang berhasil atau gagal setiap ulangan memiliki probabilitas yang sama yaitu 50% atau ½. Sebenarnya ada sedikit persamaan antara distribusi binomial dengan distribusi poisson. Keduanya berusaha mencari kemungkinan yang timbul dari suatu peristiwa/kejadian yang ada. Namun ada beberapa hal yang membedakan penggunaan kedua distribusi tersebut yaitu: Distribusi binomial digunakan jika besarnya sampel (n) < 20 (kurang dari 20) dan nilai peluang berhasil dalam setiap ulangan (p) > 0.05 Distribusi poisson digunakan jika besarnya sampel (n) 20 (lebih dari 20 atau sama dengan 20) dan nilai peluang berhasil dalam setiap ulangan (p) 0.05 (kurang dari 0.05 atau sama dengan 0.05) Adapun ciri-ciri atau karakteristik distribusi binomial antara lain : a. Percobaan diulang sebanyak n kali b. Hasil setiap ulangan dapat dikategorikan dalam 2 kelas Misal : berhasil atau gagal ya atau tidak success atau failed c. Peluang berhasil atau sukses disimbolkan dengan p dan dalam setiap ulangan nilai p tetap, dimana p = 1 - q sedangkan peluang gagal dinyatakan dengan q dimana q = 1 - p d. Banyaknya keberhasilan dalam peubah acak disimbolkan dengan x e. Setiap ulangan bersifat bebas (independent) satu dengan lainnya. Catatan Untuk memberikan kemudahan dalam membedakan antara nilai p dan nilai q, terlebih dahulu harus ditetapkan yang mana yang merupakan kejadian yang dapat dikategorikan sukses atau berhasil dan yang mana kejadian yang dapat dikategorikan gagal. Perlu diingat bahwa kejadian yang menjadi pertanyaan ataupun ditanyakan dari suatu permasalahan bisa dikategorikan sebagai kejadian sukses atau berhasil. Dengan demikian kejadian yang menjadi pertanyaan dari suatu permasalahan dapat disimbolkan dengan p. Selain itu perlu diperhatikan juga penggunaan simbol yang tepat misalnya : Kurang dari disimbolkan dengan < Lebih dari disimbolkan dengan > Paling banyak disimbolkan dengan 10

Paling sedikit disimbolkan dengan Kurang dari sama dengan disimbolkan dengan Lebih dari sama dengan disimbolkan dengan Tujuan Praktikum Binomial Tujuan dari praktikum materi distribusi binomial ini adalah untuk membantu praktikan dalam mempelajari dan memahami bagaimana cara mencari nilai probabilitas (kemungkinan) dari suatu kejadian binomial (kejadian dengan jumlah sampel < 20 dan nilai peluang berhasil > 0.05) dengan menggunakan program R. Rumus umum binomial b (x;n,p) = C x n p x q n-x Keterangan : n = banyaknya kejadian berulang x = banyaknya keberhasilan dalam peubah acak x p = peluang berhasil dalam setiap ulangan dimana p = 1 - q q = peluang gagal dimana q = 1 - p Langkah-langkah mengoperasikan program R untuk distribusi binomial : a. Apabila diketahui x = Perintah mencari probabilitas binomial pada Script Window atau dbinom (x,n,p), maka tuliskan nilai x,n,p pada Script Window tersebut. kemudian tekan Submit maka pada output window akan muncul nilai probabilitasnya. b. Apabila diketahui nilai x Atau nilai x = sampai Perintah mencari probabilitas binomial pada Script Window adalah sum (dbinom (x,n,p)),maka tuliskan nilai x,n,p pada Script Window tersebut. kemudian tekan Submit maka pada output window akan muncul nilai probabilitasnya. c. Apabila diketahui kata-kata paling banyak atau x Tekan distribution, discret distributions, binomial distribution, lalu binomial tail probabilities. Input variabel value (s) = nilai x Contoh : Paling banyak 5 orang menyatakan tertarik menonton sepak bola. Maka nilai x 5, jadi input var value (s) =5 Input binomial trial = nilai n Input probability of success = (nilai p) Lalu pilih lower tail (karena ditanyakan probabilitas paling banyak ) Tekan ok Maka akan diperoleh nilai probabilitas tersebut. d. Apabila diketahui kata-kata paling sedikit atau x 11

Tekan distribution, discret distributions, binomial distribution, lalu binomial tail probabilities Perhatikan bahwa yang ditanyakan adalah paling sedikit, maka x atau x >. Contoh : Paling sedikit 5 orang menyatakan tertarik menonton sepak bola. Maka nilai x 5 atau x > 4 Input variabel value (s) = 4 Input binomial trial s = nilai n Input probability of success = (nilai p) lalu pilih upper tail (karena yamg ditanyakan probabilitas paling sedikit atau lebih dari ). Tekan ok Maka akan diperoleh nilai probabilitas tersebut. KASUS Berdasarkan data BPS mengenai warga yang menerima BLT, 40 % warga miskin menyatakan menerima BLT dan sisanya tidak menerima BLT. Apabila ditanyakan pada 5 orang warga miskin di Indonesia, berapakah probabilitas: a. Paling sedikit 4 orang diantaranya menerima BLT b. 3 orang diantaranya menerima BLT c. Paling banyak 2 orang tidak menerima BLT d. Ada 2 sampai 4 orang yang tidak menerima BLT JAWAB a. x 4 atau x > 3 2. Pilih menu Distribution, Discrete distributions, Binomial distribution, lalu Binomial tail probabilities 3. Masukkan variabel value (s) = 3, input binomial trial = 5, input probabilities of success = 0.4 serta pilih upper tail kemudian tekan tombol OK 12

4. Maka nilai probabilitas paling sedikit 4 orang menerima BLT adalah 0.08704 atau jika dinyatakan dalam bentuk persentase sebesar 87.04% b. X = 3 2. Perintah mencari probabilitas binomial pada script window adalah dbinom (x,n,p),, maka tuliskan pada script window dbinom (3,5,0.4) kemudian tekan tombol Submit 3. Maka output window muncul probabilitas 3 orang menerima BLT adalah 0.2304 atau jika dinyatakan dalam bentuk persentase sebesar 23.04 % 13

Atau 2. Pilih menu Distribution, Discrete distributions, Binomial distribution, lalu Binomial probabilities 3. Isi nilai n pada kotak binomial trials = 5, kemudian input probabilities of success dengan nilai probabilitas berhasil ( probabilities of success = 0.4 ) kemudian tekan tombol OK 4. Maka output window muncul probabilitas 3 orang menerima BLT adalah 0.2304 atau jika dinyatakan dalam bentuk persentase sebesar 23.04 % 14

c. x 2 2. Pilih menu Distribution, Discrete distributions, Binomial distribution, lalu Binomial tail probabilities. 3. Input nilai variabel value (s) = 2, input binomial trial = 5, input probabilities of success = 0.6 (karena yang ditanyakan yang tidak menerima BLT), kemudian pilih lower tail (karena yang ditanyakan paling banyak ) dan tekan tombol OK 4. Maka nilai probabilitas paling banyak 2 orang tidak menerima BLT adalah 0.31744 atau jika dinyatakan dalam bentuk persentase sebesar 31.744 % 15

d. 2 x 4 2. Perintah mencari probabilitas binomial pada script window adalah sum(dbinom (x,n,p)),, maka tuliskan pada script window sum(dbinom (2:4,5,0.6)) 3. Tekan submit 4. Maka output window muncul probabilitas ada 2 sampai 4 orang yang tidak menerima BLT adalah 0.8352 atau jika dinyatakan dalam bentuk persentase sebesar 83.52 16