LAPORAN RESMI

PRAKTIKUM STATISTIK INDUSTRI

PROBABILITY AND DISTRIBUTION

DISUSUN OLEH :

Kelompok : 4

Budi Setiyawan 08660061

Nizar Aan Anshari 08660029

Ipan Rudiansyah 07660014

Khafid Nasrullah 06660047

DECISION SUPPORT SYSTEM LABORATORY

PROGRAM STUDI TEKNIK INDUSTRI

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS ISLAM NEGERI SUNAN KALIJAGA

YOGYAKARTA

2010

ABSTRAK

Bidang statistika berurusan dengan penarikan inferensi tentang populasi. Percobaan yang dilakukan memberi hasil yang berkemungkinan. Apakah distribusi peluang diskret disajikan secara grafik dalam bentuk histogram, dalam bentuk tabel, atau melalui rumus bukan masalah, yang ingin dilukiskan ialah kelakuan peubah acak tersebut. Sering, pengamatan yang dihasilkan melalui percobaanstatistika yang berbeda mempunyai bentuk kelakuan umum yang sama. Karenanya, peubah acak diskret yang berkenaan dengan percobaan tersebut pada dasarnya dapat dilukiskan dengan distribusi peluang yang sama dan karena itu dapat dinyatakan oleh rumus yang sama. Malahan kita hanya memerlukan beberapa distribusi peluang yang penting untuk menyatakan banyak peubah acak diskret yang ditemui dalam praktek. Variabel acak digolongkan dalam 2 jenis, yaitu diskrit dan kontinyu. Perbedaan antara variabel acak diskrit dan kontinyu merupakan hal yang penting karena model probabilitas juga dibagi menjadi 2, yaitu distribusi peluang diskrit dan distribusi peluang kontinyu. Macam-macam distribusi peluang yang diklasifikasikan berdasarkan variabelnya adalah sebagai berikut: Distribusi Peluang Diskrit yang meliputi : Distribusi Seragam diskrit, distribusi binomial, Distribusi Multinomial, Distribusi Hipergeometrik, Distribusi Binomial Negatif, Distribusi Geometrik, Distribusi Poisson. Distribusi Peluang Kontinyu yang meliputi : Distribusi Normal, Distribusi Eksponensial, Distribusi Gamma, Distribusi Chi-Square, Distribusi Weibull. Dalam Pengolahan data mencari nilai signifikansi menggunakan distribusi binomial dengan SPSS didapat nilai sig. 1.000, pengolahan dengan menggunakan tabel didapat nilai sig. 0.9987, untuk uji run didapat nilai signifikansi 1.000. Pengolahan data eksponensial yaitu: Waktu antar kedatangan dapat diketahui nilai signifikansi sebesar 0.000, Jumlah kedatangan konsumen didapatkan uji kesesuaian distribusi uniform dengan spss diketahui nilai signifikansi 0.076, Dari data waktu kedatangan didapat uji kesesuaian distribusi normal dengan nilai signifikansi sebesar 0.227. komposisi yang digunakan dalam pengambilan keputusan distribusi binomial yaitu penggunaan SPSS, tabel dan uji Run. Sedangkan untuk pengambilan keputusan digunakan distribusi poisson.

Kata kunci : distribusi binomial, eksponensial, uniform, poisson, normal, signifikansi.