makalah mestat.docx
TRANSCRIPT
![Page 1: MAKALAH MESTAT.docx](https://reader035.vdocuments.pub/reader035/viewer/2022081703/55cf9d58550346d033ad3b72/html5/thumbnails/1.jpg)
DISTRIBUSI HIPERGEOMETRIK
Banyaknya persoalan kombinasi yang dapat dirumuskan menjadi bentuk
distribusi hipergeometrik. Misalkan kita mempunyai suatu populasi sebanyak N
yang terdiri atas dua jenis yaitu jenis merah sebanyak N1 dan sisanya jenis putih
sebanyak N-N1. Pada populasi itu kita ambil sampel secara acak sebanyak n
tanpa pengembalian. Tentu saja sampel yang diperoleh juga terdiri atas dua jenis
yaitu jenis merah dan jenis putih.
N1= Jenis merah
k
N-N1= Jenis Putih
n-K
Keterangan:
N= Populasi
n= sampel
Misalkan X=k menyatakan banyaknya jenis merah yang terambil, maka dalam
sampel sebanyak n itu akan terdapat sampel jenis merah sebanyak k dan terdapat
sampel jenis putih sebanyak n-k, dimana k= 0,1,2 3,…..n. Dengan demikian
banyaknya sampel yang kita peroleh adalah kombinasi N yang diambil n, yaitu
(Nn ), banyak sampel jenis merah yang terambil adalah kombinasi N1 yang diambil
k, yaitu (N 1k ), dan banyaknya sampel jenis putih yang diperoleh adalah kombinasi
N=N1 yang diambil (n-k), yaitu (N−N 1n−k ). Maka banyaknya kombinasi semua
sampel adalah (N 1k )(N−N 1
n−k ) sehingga probabilitas untuk memperoleh sampel
jenis merah sebanyak X= k adalah:
![Page 2: MAKALAH MESTAT.docx](https://reader035.vdocuments.pub/reader035/viewer/2022081703/55cf9d58550346d033ad3b72/html5/thumbnails/2.jpg)
P(X = k) = kombinasi sampel jenis merah x kombinasi sampel jenis putih
Kombinasi seluruh sampel
Boediono. DR. 2008. Statitika dan Probabilitas.Bandung: PT Remaja
RosdakaryaOffest
Jenis penggunaan hipergeometris sangat mirip dengan jenissebaran
binomial. Kita tertarik pada perhitungan probabilitas untuk jumlah pengamatan
yang jatuh kedalam kategori khusus. Penerapan untuk sebaran hipergeometrik
ditemukan dalam berbagai bidang, dan paling sering digunakan dalam penarikan
contoh penerimaan, pengujian elektronika, jaminan mutu. Jelasnya, dalam bidang
ini pengujian dilakukan dengan mengorbankan barang yang sedang diuji. Dengan
kata lain barang tersebut dihancurkan sehingga tidak dapat dikembalikan lagi
dalam contoh itu. Dengan demikian diperlukan penarikan contoh tanpa
pengembalian.
Secara umum, kita tertarik pada probabilitas pemilihan x sukses dari k
barang yang dilabeli sukses dan n – x kegagalan dari N – k barang yang diberi
label gagal bila suatu contoh acak dengan ukuran n dipilih dari N barang. Hal ini
dikenal sebagai percobaan hipergeometri, yaitu percobaan yang mempunyai dua
sifat sebagai berikut:
1. Sebuah contoh acak dengan ukuran n dipilih tanpa pengembalian dari N
barang.
2. k dari N barang diklasifikasikan sebagai sukses dan N – k diklasifikasikan
gagal.
Jumlah X sukses dari suatu percobaan hipergeometri disebut peubah acak
hipergeometri. Oleh karena itu, sebaran probabilitas dari peubah hipergeometri
disebut sebaran hipergeometri dan nilai-nilainya akan ditunukan ole h(x;N, n, k),
karena nilai – nilai tersebut tergantung pada jumlah k sukses didalam gugus N
dari mana kita memilih n barang.
![Page 3: MAKALAH MESTAT.docx](https://reader035.vdocuments.pub/reader035/viewer/2022081703/55cf9d58550346d033ad3b72/html5/thumbnails/3.jpg)
Untuk mendapatkan rumus untuk h(x; N, n, k). jumlah total contoh
berukuran n yang dipilih dari N barang adalah (Nn ) . contoh – contoh ini
diasumsikan berkemungkinan sama. Ada (kx ) cara pemilihan sukses dari k yang
ada dan untuk setiap cara ini kita dapat memilih n – x kegagalan dalam (N−xn−x )
cara. Sehingga jumlah total contoh yang dapat diambil dari antara (Nn ) contoh
yang mungkin diberikan oleh (kx )(N−k
n−x ). Sehingga kita mempunyai definisi
sebagai berikut.
Sebaran probabilitas dari peibubah acak hipergeometri X, jumlah sukses
dalam sebuah contoh acak berukuran n yang dipilih dari N barang dimana k diberi
label sukses dan N – k diberi label gagal adalah:
h (x; N, n, k) =(kx )(N−k
n−x )(N
n )(Walpole, Ronald E. 2000)
Dalam distribusi binomial diasumsikan bahwa peluang suatu kejadian
tetap atau konstan atau antar-kejadian saling lepas.
Dalam dunia nyata, jarang terjadi hal demikian. Suatu kejadian sering
terjadi tanpa pemulihan dan nilai setiap kejadian adalah berbeda atau tidak
konstan.
Distribusi dengan tanpa pemulihan dan probabilitas berbeda
adalah Distribusi Hipergeometrik
![Page 4: MAKALAH MESTAT.docx](https://reader035.vdocuments.pub/reader035/viewer/2022081703/55cf9d58550346d033ad3b72/html5/thumbnails/4.jpg)
Distribusi hipergiometrik Dipergunakan untuk memecahkan masalah
penarikan sampel tanpa pengembalian
• Ada n benda
• k benda diberi nama “sukses”
• Sisanya n-k benda gagal. Dicari peluang memilih x sukses dari sebanyak k
yang tersedia , bila sampel acak ukuran n diambil dari N benda.
Percobaan hipergeometrik memiliki sifat-sifat sebagai berikut:
sebuah pengambilan acak dengan ukuran n dipilih tanpa pengembalian dari N
obyek k dari N obyek dapat diklasifikasikan sebagai sukses dan N – k
diklasifikasikan sebagai gagal.
Sebaran probabilitas dari variabel acak hipergeometrik X, jumlah sukses dalam
sebuah pengambilan acak berukuran n yang dipilih dari N obyek dimana k obyek
sebagai sukses dan N – k obyek sebagai gagal diberikan oleh:
h ( x ; N , n , k )=(kx )(N−k
n−x )(N
n ) x = 0,1,2,...,n
( Ronald E. Walpole,dkk. 2000 hal.189)
Suku pembagi (denominator) menyatakan banyak kombinasi yg terjadi jika
dari N obyek diambil n tiap kali.
![Page 5: MAKALAH MESTAT.docx](https://reader035.vdocuments.pub/reader035/viewer/2022081703/55cf9d58550346d033ad3b72/html5/thumbnails/5.jpg)
Faktor pertama suku terbagi (numerator) menyatakan banyaknya
kombinasi dari obyek berjenis “sukses” yang berjumlah k jika tiap kali
diambil sebanyak x buah.
Faktor kedua suku terbagi (numerator) menyatakan banyaknya kombinasi
dari obyek berjenis “gagal” sebanyak N-k jika tiap kali diambil sebanyak
(n-x) buah.
beberapa ukuran statistik deskriptif distribusi hipergeometrik
Mean (Nilai Harapan):
Varians
Kemencengan (skewness)
Keruncingan (kurtosis)
![Page 6: MAKALAH MESTAT.docx](https://reader035.vdocuments.pub/reader035/viewer/2022081703/55cf9d58550346d033ad3b72/html5/thumbnails/6.jpg)
Dimana M = k
Contoh soal :
1. Sebuah komisi dengan anggota 5 orang akan dipilih secara acak dari 3 ahli
kimia dan 5 fisikawan. Carilah sebaran probabilitas untuk jumlah ahli
kimia dalam komisi tersebut
Penyelesaian:
Misalkan peubah acak X sebagai jumlah ahli kimia dalam komisi tersebut. Kedua
sifat percobaan hipergeometri tersebut terpenuhi. Sehingga :
P ( X=0 )=h (0,8,5,3 )=(30)(55)(85)
=
3 !0 ! (3−0 )!
= 3 !1 (3 ) !
x5 !
5 ! (5−5 )!8!
5 ! (8−5 ) != 8 !
5! (3 )!= 8 x7 x 6 x5 !
5 ! (3 x2 x1 ) !
¿ 156
=0,018
P ( X=0 )=h (0,8,5,3 )=(31)(5
4)(85)
=
3!0 ! (3−1 )!
= 3 !1 (2 ) !
x5 !
5 ! (5−4 )!8 !
5 ! (8−5 )!= 8 !
5 ! (3 ) != 8 x7 x 6 x5 !
5 ! (3 x2 x1 ) !
¿ 1556
=0,27
P ( X=0 )=h (0,8,5,3 )=(32)(5
4)(85)
=
3 !0 ! (3−2 )!
= 3!1 (1 )!
x5 !
5 ! (5−3 ) !8 !
5 ! (8−5 )!= 8 !
5 ! (3 ) != 8 x7 x 6 x5 !
5 ! (3 x2 x1 ) !
![Page 7: MAKALAH MESTAT.docx](https://reader035.vdocuments.pub/reader035/viewer/2022081703/55cf9d58550346d033ad3b72/html5/thumbnails/7.jpg)
¿ 3056
=0,53
( Ronald E. Walpole,dkk. 2000 hal.189 )
2. Tumpukan 40 komponen masing-masing dikatakan dapat diterima bila
isinya tidak lebih dari 3 yang cacat. Prosedur penarikan contoh tumpukan
tersebut adalah memilih 5 komponen secara acak dan menolak tumpukan
tersebut bila ditemukan suatu cacat. Berapakah probabilitas bahwa tepat 1
cacat ditemukan dalam contoh itu bila ada 3 cacat dalam keseluruhan
tumpukan itu?
Penyelesaian:
Dengan menggunakan sebaran hipergeometri dengan n = 5, N = 4, k = 3 dan x = 1
kita dapatkan probabilitas perolehan satu cacat menjadi
3. Sebuah pabrik ban mobil melaporkan bahwa diantara pengiriman 5000
ban ke sebuah distributor lokal, 1000 ban sedikit cacat. Bila seseorang
membeli 10 ban ini secara acak dari distributor tersebut, berapakah
probabilitas bahwa tepat 3 diantaranya cacat?
Penyelesaian:
Karena N = 5000 relatif besar terhadap ukuran contoh n = 10, kita akan
memperkirakan probabilitas yang diinginkan dengan menggunakan sebaran
![Page 8: MAKALAH MESTAT.docx](https://reader035.vdocuments.pub/reader035/viewer/2022081703/55cf9d58550346d033ad3b72/html5/thumbnails/8.jpg)
binomial. Probabilitas mendapatkan sebuah ban yang cacat adalah 0,2. Oleh sebab
itu probabilitas mendapatkan ban cacat adalah
Distribusi Hipergeometrik: Mean dan Variansi
Jika h(x;N,n,k) menyatakan distribusi hipergeometrik untuk variabel acak x,
yang menyatakan jumlah item yg “sukses” bilamana dari N item diambil sebanyak
n buah, dan sebenarnya sebanyak k item sukses dari N buah tersebut, maka rata-
rata x diberikan oleh:
Dan variansinya oleh:
Contoh soal :
μ=nkN
σ 2= N−nN−1
⋅n⋅kN
(1− kN
)
![Page 9: MAKALAH MESTAT.docx](https://reader035.vdocuments.pub/reader035/viewer/2022081703/55cf9d58550346d033ad3b72/html5/thumbnails/9.jpg)
Paket yg terdiri dari 40 item, dinyatakan ditolak jikalau paket tsb mengandung
item cacat 3 atau lebih. Prosedur sampling yg diterapkan adalah dengan
mengambil sampel 5 item, dan memeriksanya jikalau ditemui yg cacat, maka
keseluruhan paket ditolak. (a) berapakah probabilitasnya bahwa jika ternyata
paket mengandung 3 item cacat, bisa ketemu 1 cacat di sampel 5 item yg dipilih?
(b) jika X menyatakan banyak item yg cacat, hitunglah mean dan variansi, (c)
pergunakan teorema Chebysev untuk menaksir interval μ ± 2σ.
Jawab :
a) Banyak item cacat terambil x=1, banyak total item N=40, sampel yg diambil
n=5, total item cacat di populasi k=3. Probabilitas 1 item cacat terambil dari 5 yg
diambil:
h(x=1;N=40,n=5,k=3) =
Jadi sampling plan ini tak baik, sebab hanya mampu mendeteksi cacat dengan
probabilitas 30%.
b) Nilai mean x yaitu rata-rata jumlah sampel cacat yg terambil dan variansinya
adalah:
h( x=1 ; N=40 , n=5 , k=2)=(31)(37
4 )(40
5 )=0 . 3011=30 %
σ 2= N−nN−1
n⋅ kN
(1− kN
)=40−540−1
5⋅ 340
(1− 340
)=0 . 3113μ=knN
=3∗ 540
=0 . 375
![Page 10: MAKALAH MESTAT.docx](https://reader035.vdocuments.pub/reader035/viewer/2022081703/55cf9d58550346d033ad3b72/html5/thumbnails/10.jpg)
c) Standard deviasinya σ = 0.558, sehingga interval μ±2σ adalah:
0.375 ± 2(0.558) = -0.741 s/d 1.491. Teorema Chebysev menyatakan
terdapat probabilitas 75% dari sampel 5 yg diambil tersebut akan mengandung
jumlah item yg cacat sebanyak -0.741 dan 1.491. Jadi berarti 3 dari 4 kesempatan,
dari 5 buah sampel item yg diambil mengandung komponen yg cacat kurang dari
2.
Distribusi Hipergeometrik sangat serupa dengan distribusi binomial,
Persamaannya:
Keduanya menyatakan probabilitas sejumlah tertentu percobaan masuk
dalam kategori tertentu.
Perbedaannya:
Binomial mengharuskan ketidakbergantungan dari satu percobaan (trial) ke
percobaan berikutnya.
Jadi sampling harus dilakukan dengan dikembalikan (replaced)
Hipergeometrik tidak mengharuskan ketidakbergantungan, jadi sampling
dilakukan tanpa mengembalikan outcome yg sudah keluar.
Jikalau ukuran sampel diambil n jauh lebih kecil dari ukuran populasinya N (n«N)
maka distribusi hipergeometrik akan sangat mirip dengan distribusi binomial
dengan:
k/N memainkan peranan probabilitas “sukses” binomial p, sehingga mean
dan variansinya mengikuti distribusi binomial yaitu:
![Page 11: MAKALAH MESTAT.docx](https://reader035.vdocuments.pub/reader035/viewer/2022081703/55cf9d58550346d033ad3b72/html5/thumbnails/11.jpg)
Sebagai pedoman praktis, seringkali dipergunakan jikalau n/N < 5% maka
dipergunakan distribusi binomial sebagai pengganti distribusi hipergeometrik.
Setiap percobaan statistik keluaran yang telah dihasilkan obyeknya selalu
dikembalikan, sehingga probabilitas setiap percobaan peluang seluruh obyek
memiliki probabilitas yang sama. Dalam pengujian kualitas suatu produksi, maka
obyek yang diuji tidak akan diikutkan lagi dalam pengujian selanjutnya, dapat
dikatakan obyek tersebut tidak dikembalikan. Probabilitas kejadian suatu obyek
dengan tanpa dikembalikan disebut sebagai distribusi hipergeometik.
Contoh soal :
Sebuah pabrik ban menyatakan dari 5000 ban yang dikirim ke distributor
sebanyak 1000 warnanya sedikit pudar. Seorang pelanggan membeli 10 ban dari
distributor secara acak saja. Berapa probabilitasnya bahwa ada 3 buah ban yg
warnanya sedikit pudar?
Jawab: Populasinya N=5000, ukuran sampelnya n=10 (n/N < 5%), jadi bisa
dipakai distribusi binomial saja, dengan probabilitas warna sedikit pudar p=k/N =
1000/5000 = 0.2, dan tidak pudar q=1-p=0.8. Jumlah sampel n=10, banyak yg
pudar x=3, berarti probabilitasnya :
P(x=3;n=10,p=0.2)= B(r≤3;n=10,p=0.2)-B(r≤2;n=10,p=0.2)
= 0.8791 -0.6778 = 0.2013 = 20%
μ=knN
=n∗p σ 2=1∗n∗p∗q=nkN
(1− kN
)
![Page 12: MAKALAH MESTAT.docx](https://reader035.vdocuments.pub/reader035/viewer/2022081703/55cf9d58550346d033ad3b72/html5/thumbnails/12.jpg)
Periksalah, jika dipergunkan distribusi hipergeometrik hasilnya=0.2015
DAFTAR PUSTAKA
Boediono. DR. 2008. Statitika dan Probabilitas.Bandung: PT Remaja
RosdakaryaOffest
Walpole, Ronald E, dkk. 2000. Probabilitas dan Statistika. Jakarta:
PT Prenhallindo