Professional Documents
Culture Documents
s s
=
lain yang x untuk
b x a jika
a b
x F
, 0
1
) (
Distribusi =
<
s s
<
=
x b jika
b x a jika
a b
a x
a x jika
x F
, 1
,
, 0
) (
Terdiri dari dua nilai, yaitu minimum dan maksimum. ( Kelton, 2000)
2. Eksponensial
Banyak diaplikasikan dalam waktu antar kedatangan konsumen. ( Kelton,2000).
Distribusi gamma khusus dengan = 1 dan =
( walpole, 2005 )
Laporan Pratikum Teori Probabilitas
Modul 2 Distribusi Statistik
Kelompok 11
Program Studi Teknik Industri
6
Universitas Diponegoro
3. Gamma
Fungsi padat
( )
>
I =
lain yang x untuk
x jika
e x
x F
x a a
0
0
) (
1
o
|
|
Aplikasinya waktu untuk menyelesaikan suatu pekerjaan, seperti customer
service pada reparasi mesin.
4. Weibull
Weibull digunakan untuk waktu menyelesaikan suatu pekerjaan, waktu untuk
rusaknya bagian dari perlengkapan.
Fungsi padatnya =
( )
>
=
lain yang x untuk
x jika e x
x F
x
0
0
) (
1
o
| o o
o|
Logaritma yang biasa pada variabel acak Weibull telah diketahui sebagai
extreme-value atau Distribusi Gumbel.
Fungsi Densitas Weibull :
5. Normal
Aplikasinya sebagai model data riil diberbagai bidang yang meliputi antara lain :
Laporan Pratikum Teori Probabilitas
Modul 2 Distribusi Statistik
Kelompok 11
Program Studi Teknik Industri
7
Universitas Diponegoro
Karakteristik fisik mahluk hidup ( contoh berat dan tinggi badan ), kesalahan
kesalahan pengukuran pada eksperimen ilmiah, pengukuran pengukuran
intelejensia. ( Harinaldi, 1998)
Fungsi padatan = ( )
( ) ( )
2 2
2
2
2
1
o
to
=
x
e x f untuk semua nilai x real
Grafiknya berbentuk lonceng
6. Lognormal
Aplikasinya sebagai disttribusi teoritis yang banyak digunakan pada bidang
teknik, sebagai model untuk berbagai jenis sifat material.
Waktu untuk menunjukkan suatu tugas (kepadatannya akan mempunyai bentuk
yang mirip dengan gamma (o|) dan Weibull (o|) dengan o >1, namun bisa
mempunyai paku besar yang mendekati x = 0 yang sering berguna) produk
dalam jumlah yang besar (berdasarkan sifat Teorema Limit Central).
Fungsi padatan lognormal =
>
=
lain yang x untuk
x jika
x
x
x f
0
0
2
) (ln
exp
2
1
) (
2
2
2
o
to
7. Beta
Aplikasinya untuk : Proporsi jumlah cacat dan waktu pengerjaaan tugas.
Fungsi padat =
< <
>
I =
+
lain yang x untuk
x jika
e x
x F
x
0
0
) ( ) (
/ ) 1 (
o |
o
| o
9. Pearson Type VI
Jenis distribusi ini biasanya diaplikasikan untuk suatu waktu yang diperlukan
untuk menyelesaikan suatu tugas.
Fungsi padatan =
>
+ =
+
>
+ =
lain yang x untuk
x jika
x
x
x F
0
0
] ) / ( 1 [
) / (
) (
2
1
o
o
| |
| o
11. Johnson S
B
Distribusi ini adalah distribusi dengan parameter paling lengkap. Distribusi ini
mempunyai tiga parameter yang ada.
Fungsi padatan =
( )
( )( )
< <
(
(
|
|
.
|
\
|
+
=
lain yang x untuk
b x a jika
x b
a x
e
x b a x
a b
x f
0
2
ln
2 1
2
1
2
2
) (
o o
t
o
12. Triangular
Distribusi ini mempunyai tiga parameter. Dengan a, b, dan c adalah bilangan
real. Distribusi ini menggambarkan model secara kasar dimana terjadi absence
data.
Laporan Pratikum Teori Probabilitas
Modul 2 Distribusi Statistik
Kelompok 11
Program Studi Teknik Industri
9
Universitas Diponegoro
Fungsi Padatnya =
( )
( )( )
( )
( )( )
s <
s s
=
0
,
2
,
2
) ( b x c jika
c b a b
x b
c x a jika
a c a b
a x
x F
13. M. Erlang
Distribusi ini adalah distribusi gamma yang memiliki m integer positif, gamma
(m, | ).
Fungsi padatannya =
( )
>
=
0
0
! 1
) (
1
x jika
k
x
x f
k k
|
( Kelton, 2000 )
14. Chi- Square
Distribusi Chi-kuadrat banyak digunakan untuk pengujian statistik, seperti
analisa variansi. Distribusi khusus dari gamma dengan =
dan = 2, untuk v
bilangan positif. Distribusi ini memiliki parameter tunggal yang disebut derajat
kebebasan. (Harinaldi)
15. Log pearson tipe 3
Aplikasinya biasanya digunakan pada bidang hidrologi
F ()
() () [ ()]
()
16. Distribusi Pareto
Distribusi Pareto digunakan untuk menggambarkan kecenderungan suatu
dampak diatas nilai minimum tertentu.
Laporan Pratikum Teori Probabilitas
Modul 2 Distribusi Statistik
Kelompok 11
Program Studi Teknik Industri
10
Universitas Diponegoro
Jika X adalah variabel acak dengan distribusi (Tipe I) Pareto, [1] maka
probabilitas bahwa X lebih besar dari beberapa x jumlah yang diberikan oleh :
17. Distribusi Reyleigh
Merupakan bentuk khusus dari distribusi Weibull. Salah satu contoh aplikasinya
adalah ketika kecepatan angin ortogonal yang dianalisis ke dalam 2-dimensi
komponen vektor.
Probabilitas Rayleigh fungsi kepadatannya adalah
18. Distribusi Wakeby
Fungsi densitas distribusi Wakeby
Parameter beta, gamma dan delta adalah parameter bentuk.
19. Distribusi Error
Fungsi densitas pada distribusi error adalah :
()
-1
(||)
20. Distribusi Students
Distribusi students t adalah distribusi probabilitas kontinu yang muncul ketika
memperkirakan rata-rata populasi yang terdistribusi normal dalam situasi di
mana ukuran sampel kecil dan deviasi standar populasi tidak diketahui. Hal ini
memainkan peran dalam sejumlah analisis statistik banyak digunakan, termasuk
Laporan Pratikum Teori Probabilitas
Modul 2 Distribusi Statistik
Kelompok 11
Program Studi Teknik Industri
11
Universitas Diponegoro
Student t-test untuk menilai signifikansi statistik perbedaan antara dua berarti
sampel, pembangunan interval kepercayaan untuk selisih antara dua mean
populasi, dan dalam regresi linier analisis.
di mana adalah jumlah derajat kebebasan dan adalah fungsi Gamma. Hal ini
juga dapat ditulis sebagai
B. Distribusi Diskrit
1. Bernauli
Aplikasinya : Membangkitkan variasi random diskrit yang lain ( Kelton,
2000).
Fungsi padat = ( )
=
0
1
p
p
x p
jika 0 = x , jika 1 = x untuk nilai x yang lain
2. Discret uniform
Aplikasi distribusi ini adalah kejadian random dengan sejumlah hasil yang
mungkin, digunakan untuk model awal dalam menghitung variasi antara
integer I melalui j
Fungsi padat = ( )
+ =
0
1
1
i j x p
3. Binomial
Laporan Pratikum Teori Probabilitas
Modul 2 Distribusi Statistik
Kelompok 11
Program Studi Teknik Industri
12
Universitas Diponegoro
Aplikasinya : Jumlah sukses dalam t usaha Bernoulli dengan peluang p dari
setiap jumlah usaha pada cacat dalam golongan pada ukuran t.
Fungsi padat = ( )
( ) { }
e
|
|
.
|
\
|
=
0
,...., 1 , 0 1
1
t x jika p p
x
t
x p
x x
4. Geometric
Nilai dari kegagalan sebelum sukses pertama dalam urutan percobaan
Bernoulli bebas dengan kemungkinan p adalah sukses untuk setiap
percobaan; jumlah dari item yang diperiksa sebelum menghadapi item
pertama yang kurang baik, jumlah item dalam sekumpulan ukuran random,
jumlah dari item diminta dari inventaris.
Fungsi padat = P(x) =
( ) { }
e
sebaliknya jika
x jika p p
x
0
,... 1 , 0 1
5. Negative Binomial
Aplikasinya : Untuk pengetesan sukses penggunaan suatu obat apakah
bermanfaat atau tidak dalam menyembuhkan suatu penyakit.
Bila usaha saling bebas dilakukan berulang kali, menghasilkan sukses
dengan peluang P, maka peluang gagal adala q = p 1
Fungsi padat = P(x) =
( ) { }
e
+
sebaliknya jika
X jika p p
x s
x
x s
, 0
,... 1 , 0 , ) 1 (
1
6. Poisson
Aplikasinya : Digunakan untuk menghasilkan pengamatan untuk peubah
acak x, contohnya menyatakan banyaknya sekolah yang tutup karena banjir
dan banyaknya saluran telepon kantor per jam ( Walpole, 1995 )
( )
( )
,... 2 , 1 , 0 ,
!
; = =
x
x
t e
t x p
t
t menyatakan rata-rata banyaknya sukses yang terjadi per satuan waktu
atau daerah tersebut.
Laporan Pratikum Teori Probabilitas
Modul 2 Distribusi Statistik
Kelompok 11
Program Studi Teknik Industri
13
Universitas Diponegoro
Uji Goodness of Fit
Uji goodness of fit adalah uji hipotesis statistik yang digunakan untuk menaksir
bentuk apakah observasi X
1
,X
2
,X
n
adalah independen sampel dari distribusi
khusus dengan fungsi distribusi F. uji goodness of fit dapat digunakan untuk
menguji serangkaian uji hipotesis nol. Terdapat tiga macam uji goodness of fit,
yaitu Chi-square test, Kolmogorov-Smirnov Test, dan Anderson Darling.
(Brownlee, 1965)
Tiga macam uji goodness of fit :
A. Uji Chi- Square
Uji Chi-square dapat dipakai untuk menentukan sejauh mana distribusi-distribusi
teoretis (seperti distribusi normal, binomial, dan sebagainya) sesuai dengan
distribusi-distribusi empiris, yaitu yang diperoleh dari data sampel. (Spiegel, 1988).
Uji ini adalah uji test hipotesis tertua yang ditemukan oleh K. Pearson (1900).
Langkah untuk melakukan pengujian ini adalah dengan membagi data ke dalam
interval serta menentukan frekuensi amatan dan harapan. Bentuk uji statistik ini
adalah
=
=
k
np
np N
j
j
j j
1
) (
2
2
_
Langkah Prosedur uji Chi-square untuk tes satu sampel adalah :
- Meletakkan frekuensi-frekuensi terobservasi dalam k kategori. Jumlah
frekuensi itu seluruhnya harus N, yakni banyak observasi-observasi
independen.
- Menentukan frekuensi yang diharapkan dari H
0
(Harga E
i
nya) untuk tiap-tiap
k sel itu. Mana kala k > 2, dan bila lebih dari 20% dari E
i
lebih kecil dari 5,
kemudian menggabungkan kategori-kategori yang berdekatan apabila hal ini
memungkinkan, dan dengan demikian kita mengurangi harga k serta
meningkatkan harga beberapa E
i
. Apabila k=2, tes
2
_ untuk kasus satu sampel
Laporan Pratikum Teori Probabilitas
Modul 2 Distribusi Statistik
Kelompok 11
Program Studi Teknik Industri
14
Universitas Diponegoro
dapat digunakan secara memadai jika tiap-tiap frekuensi yang diharapkan
adalah lima atau lebih.
- Menghitung, dengan memakai rumus berikut,
2
_
=
=
k
np
np N
j
j
j j
1
) (
2
2
_
- Menetapkan harga derajat bebas, sebesar k-1. Dimana k adalah jumlah sel
atau kelas. Adapun cara yang lain dalam menentukan jumlah kelas yaitu
dengan menggunakan persamaan
k = 1 + 3,32 log (M. Iqbal Hasan, 2001)
- Menetapkan probabilitas yang dikaitkan dengan terjadinya suatu harga yang
sebesar harga
2
_ , hitungan untuk harga derajat bebas yang bersangkutan
dengan melihat tabel. Jika harga ini sama atau dari o, maka H
0
ditolak.
B. Uji Kormogolov Smirnov
Uji Kolmogorov-Smirnov adalah suatu uji Goodness of Fit. Artinya yang
diperhatikan adalah tingkat kesesuaian antara distribusi serangkaian harga sampel
(skor yang diobservasi) dengan suatu distribusi teoritis tertentu. Uji ini menetapkan
apakah skor-skor dalam sampel dapat secara masuk akal dianggap berasal dari suatu
populasi dengan distribusi teoretis itu.
Seperti pada ujiuji statistik nonparametik yang lain, uji Kolmogorov-Smirnov
ini tidak memerlukan anggapan / persyaratan tertentu tentang populasi dari mana
sampel diambil. Persyaratan yang diperlukan hanyalah bahwa nilai variabel random
dari dua kelompok yang diperbandingkan adalah kontinyu.
Untuk menguji apakah skor skor kelompok eksperimen berbeda dengan skor
skor kelompok kontrol digunakan uji dua sisi, sedang untuk menguji apakah skor
skor kelompok eksperimen lebih tinggi dari skor skor kelompok kontrol
digunakan uji satu sisi. Sampel-sampel penelitian dapat didasarkan pada sampel
kecil (bila n
1
= n
2
dan bila baik n
1
maupun n
2
s 40) atau didasarkan sampel besar
(bila n
1
dan n
2
> 40).
Laporan Pratikum Teori Probabilitas
Modul 2 Distribusi Statistik
Kelompok 11
Program Studi Teknik Industri
15
Universitas Diponegoro
Langkah Prosedur uji Kolmogorov-Smirnov untuk tes satu sampel adalah :
- Menetapkan fungsi kumulatif teoretisnya, yaitu distribusi kumulatif yang
diharapkan di bawah H
0
.
- Mengatur skor-skor yang diobservasi dalam suatu distribusi kumulatif dengan
memasangkan setiap interval S
N
(X), yaitu distribusi frekuensi kumulatif yang
diobservasi, dengan interval F
0
(X), yaitu fungsi distribusi frekuensi kumulatif
yang ditentukan, yang sebanding.
S
N
(X) =
N
k
dimana : k = banyaknya observasi yang sama utau kurang dari X
X = sembarang skor yang mungkin
n = jumlah observasi
- Mengurangi F
0
(X) dengan S
N
(X) untuk tiap-tiap jenjang pada distribusi
kumulatif.
- Mencari D dengan memakai rumus di berikut
( ) ( ) X S X F maksimum D
N
=
0
- Melihat tabel untuk menentukan kemungkinan (dua sisi) yang dikaitkan
dengan munculnya harga-harga sebesar harga D observasi di bawah H
0
. Jika p
sama atau kurang dari o, maka H
0
ditolak. (Siegel, 1992)
Langkah-langkah penggunaan uji Kolmogorov Smirnov dua sampel independen,
diikhtisarkan sebagai berikut:
Menyusun masing-masing kelompok skor dalam suatu distribusi frekuensi
komulatif, menggunakan interval-interval atau klasifikasi-klasifikasi yang sama
untuk kedua kelompok.
Menghitung selisih frekuensi kumulatif dari kedua kelompok tersebut untuk
tiap-tiap interval atau klasifikasi yang ada.
Laporan Pratikum Teori Probabilitas
Modul 2 Distribusi Statistik
Kelompok 11
Program Studi Teknik Industri
16
Universitas Diponegoro
Menentukan selisih frekuensi kumulatif terbesar (maksimum) dan dinotasikan
dengan D. Untuk uji satu sisi, D adalah selisih terbesar dalam arah yang
diramalkan.
Signifikan tidaknya nilai D ditentukan berdasarkan ukuran sampel dan sifat
hakikat H
1
:
Bila n
1
= n
2
dan besarnya s 40, digunakan Tabel K yaitu tabel nilai-nilai
kritis K
D
untuk taraf signifikansi 0,05 dan 0,01 untuk uji dua sisi dan uji satu
sisi.
Bila n
1
dan n
2
keduanya > 40 di mana n
1
dan n
2
keduanya > 40 dimana n
1
dan
n
2
tidak perlu sama, digunakan tabel L niai-nilai kritis D dihitung dengan
rumus-rumus yang tercantum pada tabel tersebut. (uji dua sisi)
Bila n
1
dan n
2
keduanya > 40 dengan uji satu sisi, digunakan pendekatan
Chi-Square. Signifikansi harga uji statistik _
2
tersebut ditentukan dengan
membandingkan nilai kritis _
2
dengan taraf signifikansi tertentu dan derajat
bebas 2 (Periksa Tabel). Rumus tersebut juga digunakan untuk kasus sampel
kecil dengan ukuran yang tidak sama.
C. Uji Anderson Darling
Salah satu kekurangan dari test K-S yaitu diberikannya beban yang sama
untuk
.
) ( ) ( x F x F
n
yang berbeda untuk setiap nilai dari x, dimana banyak
distribusi statistik dengan keuntungan yang berbeda pada bagian akhir. Test
Anderson-Darling (A-D) , di lain pihak, didisain untuk mendeteksi
ketidakcocokan pada bagian akhir dan memiliki kemampuan yang lebih
besar daripada K-S test saat diterapkan pada distribusi yang beraneka ragam.
Statistik A-D didefinisikan pada persamaan 2.12 di bawah ini.
}
. .
+ = dx x f x x F x F n A
n n
) ( ) ( )] ( ) ( [
2 2
Laporan Pratikum Teori Probabilitas
Modul 2 Distribusi Statistik
Kelompok 11
Program Studi Teknik Industri
17
Universitas Diponegoro
dimana fungsi berat )]}. ( 1 )[ ( /{ 1 ) ( x F x F x
. .
= + Kemudian
2
n
A adalah rata-
rata dari selisih yang dikuadratkan [
2
)] ( ) ( x F x F
n
.
, dan beratnya adalah
yang terbesar untuk F(x) mendekati 1 (akhiran kanan) dan
.
F (x) mendekati
0 (akhiran kiri). Jika Z
1
=
( )
) (
i
X F
.
Untuk 1 = 1, 2, ., n, maka dihasilkan
persamaan 2.13
n n Z Z i A
n
i
i n i n
|
|
.
|
\
|
)
`
+ =
=
+
/ )] 1 ln( )[ln 1 2 (
1
1
2
yang merupakan bentuk statistik yang dipakai untuk perhitungan aktual.
Karena
2
n
A adalah jarak, aturan dalam pengujian adalah, menolak
hipotesis nol (H
o
) jika
2
n
A melebihi suatu nilai kritis a
n,1-
dimana adalah
tingkat dari uji tersebut.
Nilai kritis a
n,1-
tersedia untuk A-D test untuk lima distribusi kontinu yang
sama seperti pada K-S test. Kemudian
.
F (x) dihitung dengan cara seperti
sebelumnya. A-D test dilengkapi dengan pengaturan penggunaan test
statistic (kecuali untuk kasus yang diketahui semua parameternya) dan nilai
kritis yang telah dimodifikasi. Bila hasil tes statistik lebih besar dari nilai
kritis maka H
o
ditolak. Untuk Pearson tipe V menggunakan fakta jika X
memiliki distribusi Pearson tipe V, lalu 1/X memiliki distribusi gamma.
(Kelton, 2000)