VISUALISASI PERBANDINGAN PERUBAHAN GRAFIK FUNGSI BINOMIAL DENGAN NORMAL DAN FUNGSI BINOMIAL DENGAN
HIPERGEOMETRIK; MENGGUNAKAN SUATU SIMULASI
TUGAS AKHIR
SADRAKH 082407111
PROGRAM STUDI DIPLOMA III STATISTIKA DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
VISUALISASI PERBANDINGAN PERUBAHAN GRAFIK FUNGSI BINOMIAL DENGAN NORMAL DAN FUNGSI BINOMIAL DENGAN
HIPERGEOMETRIK; MENGGUNAKAN SUATU SIMULASI
TUGAS AKHIR
Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Ahli Madya
SADRAKH 082407111
PROGRAM STUDI DIPLOMA III STATISTIKA DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
PERNYATAAN
VISUALISASI PERBANDINGAN PERUBAHAN GRAFIK FUNGSI BINOMIAL
DENGAN NORMAL DAN FUNGSI BINOMIAL DENGAN HIPERGEOMETRIK;
MENGGUNAKAN SUATU SIMULASI
TUGAS AKHIR
Saya mengakui bahwa Tugas Akhir ini adalah hasil kerja saya sendiri, kecuali
beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, Juni 2011
SADRAKH
PENGHARGAAN
Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Pemurah dan Maha
Penyayang, dengan limpah kurnia-Nya Tugas Akhir ini berhasil diselesaikan dalam
waktu yang telah ditetapkan.
Pada kesempatan ini penulis ingin mengucapkan termakasih kepada semua
pihak yang telah turut serta memberikan petunjuk dan motivasi dalam menyelesaikan
Tugas Akhir ini khusunya kepada :
1. Bapak Dr. Sutarman, M.Sc. selaku Dekan Fakultas Matematika dan Ilmu
Pengetahuan Alam Universitas Sumatera Utara.
2. Bapak Prof. Dr. Tulus , MSi. selaku Ketua Departemen Matematika Fakultas
Matematika dan Ilmu Pengetahuan Pengetahuan Alam Universitas Sumatera
Utara.
3. Bapak Drs Open Darnius, M.Sc selaku Dosen Pembimbing pada penyelesaian
tugas akhir ini yang telah memberikan panduan dan penuh kepercayaan kepada
saya untuk menyempurnakan kajian ini.
4. Bapak Drs. Fagiziduhu Bu’ulölö, M.Si selaku Ketua Program Studi D-III
Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas
Sumatera Utara.
5. Semua dosen pada Departemen Matematika FMIPA USU serta pegawai di
6. Orang tua dan keluarga tersayang yang selama ini telah memberikan bantuan
dan dorongan moril maupun materi, semoga Tuhan Yang Maha Esa akan
membalasnya.
7. Untuk Siska Ernida Wati br Sitompul yang telah memberikan dukungan moril
maupun materi serta motivasi yang begitu besar untuk menyelesaikan apa yang
telah saya mulai sehingga Tugas Akhir ini selesai tepat pada waktunya.
8. Rekan-rekan Kuliah yang telah bersedia meluangkan waktu dan memberikan
masukan untuk membantu penulis menyelesaikan Tugas Akhir ini terkhusus
buat Herri Purba, Panji Simamora, Daniel Manik, Samuel Silaen, Affandi
Siregar, Sri Hartati Ginting, Claudia Simanulang, Wida Karo-karo, Margaretha
Eflin Siahaan dan teman-teman yang lain yang tidak dapat saya sebutkan satu
DAFTAR ISI
Halaman
Persetujuan ii
Pernyataan iii
Penghargaan iv
Daftar isi vi
Daftar Tabel viii
Daftar Gambar ix
BAB 1 PENDAHULUAN 1
1.1 Latar Belakang 1
1.2 Identifikasi Masalah 2
1.3 Maksud dan Tujuan 3
1.4 Metodologi Penelitian 3
1.5 Keuntungan Simulasi 4
1.5.1 Compress Time 4
1.5.2 Expand Time 4
1.5.3 Control Sources of Variation 5
1.5.4 Error in Meansurment Correction 5
1.5.5 Stop Simulation and Restart 5
1.5.6 Easy to Replicate 6
1.6 Sistematika Penulisan 6
BAB 2 TINJAUAN TEORITIS 7
2.1 Pendahuluan 7
2.3 Distribusi Normal 10
2.3.1 Pengertian Distribusi Normal 10
2.3.2 Pendekatan distribusi Normal-Binomial 11
2.4 Distribusi Hipergeometrik 12
2.4.1 Pengertian Distribusi Hipergeometrik 12
2.4.2 Pendekatan Distribusi Binomial Terhadap Hipergeometrik 14
BAB 3 IMPLEMENTASI SISTEM 16
3.1 Pengertian Implementasi Sistem 16
3.2 Pengenalan Software R 17
3.3 Memulai R 19
3.4 Membangkitkan Data Acak Pada Percobaan Distribusi Binomial dan Normal 20
3.5 Membangkitkan Data Acak Pada Percobaan Distribusi Hipergeometrik 32
BAB 4 KESIMPULAN DAN SARAN 38
4.1 Kesimpulan 38
4.2 Saran 39
DAFTAR PUSTAKA 40
DAFTAR TABEL
Halaman
Tabel 2.4.2 Pendekatan distribusi Binomial Terhadap distribusi
Hipergeometrik 14
DAFTAR GAMBAR
Halaman
Gambar 3.1 Tampilan Jendela Pembuka R 19
Gambar 3.2 Pembangkitan Data Distribusi Binomial Dengan = 10; p = 0,1 21
Gambar 3.3 Pembangkitan Data Distribusi Normal Dengan = 1; = 0,95 21
Gambar 3.4 Perintah data binomial yang dibangkitkan 22
Gambar 3.5 Histogram data binomial yang dibangkitkan 22
Gambar 3.6 Perintah data normal yang dibangkitkan 23
Gambar 3.7 Histogram data normal yang dibangkitkan 23
Gambar 3.8 Perintah data binomial yang dibangkitkan 24
Gambar 3.9 Histogram data binomial yang dibangkitkan 24
Gambar 3.10 Perintah data normal yang dibangkitkan 25
Gambar 3.11 Histogram data normal yang dibangkitkan 25
Gambar 3.12 Perintah data binomial yang dibangkitkan 26
Gambar 3.13 Histogram data binomial yang dibangkitkan 26
Gambar 3.14 Perintah data normal yang dibangkitkan 27
Gambar 3.15 Histogram data normal yang dibangkitkan 27
Gambar 3.16 Perintah data binomial yang dibangkitkan 28
Gambar 3.17 Histogram data binomial yang dibangkitkan 28
Gambar 3.18 Perintah data normal yang dibangkitkan 29
Gambar 3.19 Histogram data normal yang dibangkitkan 29
Gambar 3.20 Perintah data binomial yang dibangkitkan 30
Gambar 3.21 Histogram data binomial yang dibangkitkan 30
Gambar 3.22 Perintah data normal yang dibangkitkan 31
Gambar 3.23 Histogram data normal yang dibangkitkan 31
Gambar 3.24 Pembangkitan Data hipergeometrik dengan n=10, k = 100 32
Gambar 3.26 Histogram data Hipergeometrik yang dibangkitkan 33
Gambar 3.27 Perintah data hipergeometrik yang dibangkitkan 34
Gambar 3.28 Histogram data Hipergeometrik yang dibangkitkan 34
Gambar 3.29 Perintah data hipergeometrik yang dibangkitkan 35
Gambar 3.30 Histogram data Hipergeometrik yang dibangkitkan 35
Gambar 3.31 Perintah data hipergeometrik yang dibangkitkan 36
Gambar 3.32 Histogram data Hipergeometrik yang dibangkitkan 36
Gambar 3.33 Perintah data hipergeometrik yang dibangkitkan 37
BAB I
PENDAHULUAN
1.1 Latar Belakang
Kata Statistik dikaitkan dengan kata staat (bahasa Jerman artinya Negara) atau statista
(bahasa Italia artinya Negarawan). Jadi Statistika dapat bermakna suatu yang penting
bagi Negara. Statistika dapat diartikan sebagai sebuah pengetahuan yang berhubungan
dengan data dan data merupakan suatu fakta atau karakteristik yang diperoleh dengan
cara mengamati atau mengukur. Setelah data dikumpulkan lalu data itu dianalisis
sehingga memperoleh suatu kesimpulan (informasi) tentang seluruh keterangan yang
ada. Dan kesimpulan tersebut dapat berguna bagi diri sendiri maupun orang lain.
Salah satu data yang sering digunakan adalah data acak. Data acak merupakan
suatu fenomena yang diambil dengan suatu proses sedemikian rupa sehingga hasilnya
tidak dapat ditentukan dengan pasti sebelumnya. Proses yang sedemikian rupa ini
disebut juga proses membangkitkan data acak yang mengikuti pola distribusi dimana
proses tersebut dapat dilakukan dengan menggunakan salah satu software untuk
statistika yaitu program R.
R adalah suatu sumber informasi terbuka dalam lingkup pengembangan model
komputasi Statistika . Software R dapat menghasilkan banyak bilangan acak dengan
acak tersebut adalah dengan mensimulasikan data acak tersebut . Simulasi dapat
diartikan juga dengan “ Rekayasa”. R juga memiliki kemampuan yang baik dalam
membuat grafik akan tetapi R juga memiliki tampilan grafik yang terbatas. Dalam hal
ini penulis mencoba untuk mensimulasikan data acak dari fungsi Binomial ke Normal
dan dari fungsi Binomial ke Hipergeometrik dengan parameter yang berbeda. Melalui
Rekayasa tersebut akan dibandingkan bagaimana perubahan grafik antara fungsi
binomial dengan normal dan fungsi binomial dengan hipergeometrik.
Oleh karena itu, penulis mencoba untuk memperlihatkan secara Visual
perbandingan perubahan grafik dari fungsi binomial ke normal dan dari fungsi
binomial ke hipergeometrik dengan suatu simulasi. Kajian dalam penelitian ini
didasarkan atas suatu simulasi komputer dalam software R. Sehingga penelitian ini
diberi judul “ Visualisasi Perbandingan Perubahan Grafik Fungsi Binomial Dengan
Normal dan Fungsi Binomial Dengan Hipergeometrik; Menggunakan Suatu
Simulasi”.
1.2Identifikasi Masalah
R merupakan suatu program komputasi statistika yang mempunyai banyak fungsi
untuk membangkitkan data acak yang mengikuti pola distribusi tertentu. Distribusi
tesebut dapat dilihat dengan menggunakan histogram dan juga grafik. Untuk itu
permasalahan yang akan dibahas dalam penelitian ini adalah bagaimana
memvisualisasikan serta membandingkan grafik fungsi binomial dengan normal dan
1.3Maksud dan Tujuan
Adapun maksud dan tujuan penelitian ini adalah untuk menunjukkan secara visual
perbandingan perubahan grafik fungsi binomial dengan normal dan fungsi binomial
dengan Hipergeometrik dengan suatu simulasi menggunakan software R
1.4Metodologi Penelitian
Dalam penelitian ini metode yang diambil adalah metode simulasi komputer dan
berikut adalah tahapan atau langkah langkah yang dilakukan :
1. Merancang program simulasi
2. Membangun data peubah acak distribusi binomial dengan menggunakan
program R
3. Membangun data peubah acak distribusi normal dengan menggunakan
program R
4. Menunjukkan secara visual serta membandingkan perubahan grafik fungsi
distribusi binomial dengan normal menggunakan parameter yang
berbeda-beda
5. Membangkitkan data peubah acak hipergeometrik dengan menggunakan
program R
6. Menunjukkan secara visual serta membandingkan perubahan grafik fungsi
distribusi binomial dengan hipergeometrik menggunakan parameter yang
berbeda-beda
1.5Keuntungan Simulasi
Menurut Thomas J. Kakiay (2004, hal : 3 (TA Firdaus, 2006)) ada beberapa
keuntungan yang bisa diperoleh dengan memanfaatkan simulasi, yaitu sebagai
berikut:
1.5.1 Compress Time (Menghemat Waktu)
Kemampuan dalam menghemat waktu ini dapat dilihat dari pekerjaan yang
bila dikerjakan memakan waktu tahunan akan tetapi dengan menggunakan simulasi
pada program R ini kita hanya membutuhkan waktu beberapa menit, bahkan dalam
beberapa kasus dapat dihitung beberapa detik saja.
1.5.2 Expand Time (Dapat Menyebarluaskan Waktu)
Simulasi dapat digunakan untuk menunjukkan perubahan struktur dari suatu
Sistem Nyata (Real System) yang sebenarnya tidak dapat diteliti pada waktu yang
seharusnya (Real Time). Dengan demikian simulasi dapat membantu mengubah Real
1.5.3 Control Sources of Variation (Dapat Mengawasi Sumber-Sumber yang Bervariasi)
Kemampuan pengawasan dalam simulasi ini tampak terutama apabila analisis
statistic digunakan untuk meninjau hubungan antara variable bebas (independent
variabel) dengan variable terikat (dependent) yang merupakan faktor-faktor yang akan
dibentuk dalam percobaan.
1.5.4 Error in Meansurment Correction (Mengkoreksi Kesalahan-Kesalahan Penghitungan)
Dalam prakteknya, pada suatu kegiatan ataupun percobaan dapat saja muncul
ketidak benaran dalam mencatat hasil-hasilnya. Sebaliknya, dalam simulasi komputer
jarang ditemukan kesalahan perhitungan terutama bila angka-angka diambil dari
komputer secara teratur dan bebas.
1.5.5 Stop Simulation and Restart (Dapat Dihentikan dan Dijalankan Kembali)
Simulasi komputer dapat dihentikan untuk kepentingan peninjauan ataupun
pencatatan semua keadaan yang relevan tanpa berakibat buruk terhadap program
simulasi tersebut. Dalam dunia nyata, percobaan tidak dapat dihentikan begitu saja.
Dalam simulasi komputer, penghentian dapat dilakukan dan kemudian dapat dengan
1.5.6 Easy to Replicate (Mudah Diperbanyak)
Dengan simulasi komputer, percobaan dapat dilakukan setiap saat dan dapat
diulang-ulang. Dengan demikian simulasi komputer tidak memakan banyak biaya
dalam suatu penelitian.
1.6Sistematika Penulisan
Adapun sistematika penulisan yang digunakan penulis adalah antara lain:
BAB I : Pendahuluan
Bab ini mengutarakan tentang latar belakang, rumusan masalah,
maksud dan tujuan, metodologi penelitian dan sistematika penulisan.
BAB II : Tinjauan Teoritis
Bab ini menguraikan segala sesuatu menyangkut pada penyelesaian
masalah yang dihadapi sesuai dengan judul yang diuraikan
BAB III : Implementasi Sistem
Bab ini menjelaskan tentang program ataupun software yang di pakai
sebagai analisa terhadap data yang di peroleh.
BAB IV : Kesimpulan dan Saran
Bab ini menyatakan kesimpulan-kesimpulan dari apa yang telah
disajikan dalam pembahasan sebelumnya dan memberikan saran
BAB II
TINJAUAN TEORITIS
2.1 Pendahulauan
Menurut Darnius, O (2006, Hal : 53) simulasi dapat diartikan sebagai suatu
“rekayasa” suatu model logika ilmiah untuk melihat kebenaran/kenyataan model
tersebut. Kemampuan untuk mensimulasi data acak dengan jenis yang berbeda
misalnya, akan memampukan peneliti untuk membuat percobaan dan menjawab
pertanyaan – pertanyaan dengan cara yang singkat. Simulasi merupakan suatu
pengetahuan yang sangat perlu dimiliki.
Menurut Banks (1998). Simulasi adalah tiruan dari proses dunia nyata atau
system. Simulasi menyangkut pembangkitan proses serta pengamatan dari proses
untuk menarik kesimpulan dari sistim yang diwakili.
Menurut Nailor (1966) dalam Rubinstein & Melamed (1998). Simulasi adalah
teknik numerik untuk melakukan eksperimen pada komputer, yang melibatkan jenis
matematik dan model tertentu yang menjelaskan prilaku bisnis atau ekonomi pada
Menurut Borowski & Borwein (1989) simulasi didefenisikan sebagai teknik
untuk membuat konstruksi model matematika untuk suatu proses atau situasi, dalam
rangka menduga secara karakteristik atau menyelesaikan masalah berkaitan dengan
menggunakan model yang diajukan.
Sebagaimana yang telah diketahui, bahwa R merupakan bahasa pemrograman
komputer yang dapat membangkitkan bilangan acak dengan banyak fungsi dan
memiliki kemampuan dalam membuat grafik. Untuk setiap bilangan acak tersebut kita
dapat melihat distribusinya dengan adanya histogram dan grafik yang dapat dibuat
melalui program ini. Dalam bab ini akan dibahas mengenai peubah acak yang akan
kita distribusikan dan kita teliti.
2.2 Distribusi Binomial
Salah satu jenis distribusi variabel random diskrit yang paling sederhana adalah
distribusi binomial. Distribusi binomial menggambarkan data yang dihasilkan oleh
suatu percobaan yang dinamakan percobaan Bernoulli. Bernoulli yang nama
lengkapnya adalah Jacob Berrnoulli hidup pada tahun 1654-1705, selama 20 tahun
mempelajari probabilitas, dan hasil penemuanya diterbitkan dalam buku Ars
Conjectandi.
Adapun percobaan Bernoulli adalah suatu percobaan dengan ciri-ciri sebagai
berikut :
1. Eksperimen berlangsung sebanyak n kali. Tiap eksperimen berlangsung dalam
2. Untuk setiap eksperimen hanya ada dua kejadian yang mungkin terjadi. Dua
kejadian tersebut dinotasikan sebagai kejadian sukses dan gagal. Probabilitas
sukses dilambangkan dengan p, sedangkan probabilitas gagal dilambangkan
dengan q, dimana p+q=1
3. Probabilitas sukses dari satu eksperimen ke eksperimen yang lain adalah konstan.
Dari proses tersebut, yang didefenisikan sebagai variabel adalah munculnya
kejadian sukses yang biasa dilambangkan dengan x. Jadi, bila suatu usaha binomial
dapat menghasilkan sukses dengan peluang p dan gagal dengan peluang q = 1- p,
maka distribusi peluang peubah acak binomial x , yaitu banyaknya sukses dalam n
percobaan bebas ialah :
dimana :
x = Munculnya sukses yang ingin dihitung
n = Jumlah eksperimen
p = Probabilitas sukses dalam setiap eksperimen
q = Probabilitas gagal dalam setiap eksperimen = 1-p
2.3 Distribusi Normal
2.3.1 Pengertian Distribusi Normal
Distribusi normal merupakan distribusi variabel acak kontinu dan mempunyai nilai
yang jumlahnya tidak terbatas dalam skala atau jarak tertentu. Distribusi normal
mempunyai nilai sepanjang interval, biasanya berupa bilangan pecahan. Distribusi
normal merupakan salah satu distribusi yang paling penting dalam statistika.
Distribusi normal adalah fungsi padat peubah acak X dengan rata-rata (µ) dan standar
deviasi ( ). Distribusi normal dapat ditulis dengan rumus :
dimana :
x = Nilai dari distribusi variabel
= Mean dari nilai-nilai distribusi variabel
= Standar deviasi dari nilai-nilai distribusi variabel
= 3,14159
= 2,71828
Beberapa karakteristik dari distribusi probabilitas dan kurva normal adalah :
1. Kurva berbentuk lonceng dan memiliki satu puncak ditengah
2. Distribusi probabilitas dan kurva normal berbentuk kurva simetris dengan rata-rata
hitungnya . Apabila kurva dilipat menjadi dua bagian dengan nilai tengah
rata-rata sebagai pusat lipatan, maka kurva akan menjadi 2 bagian yang sama
3. Distribusi probabilitas dan kurva normal bersifat asimptotis. Kurva yang menurun
di kedua arah yaitu ke kanan untuk nilai positif tak terhingga ( ) dan ke kiri untuk
negatif tak hingga ( ). Dengan demikian, ekor kedua kurva tidak pernah
menyentuh nol, hanya mendekati nilai nol
4. Modusnya (Md) pada sumbu mendatar membuat fungsi mencapai puncaknya atau
maksimum pada X =
5. Seluruh luas di bawah kurva dan diatas sumbu datar sama dengan 1
2.3.2 Pendekatan Distribusi Normal -Binomial
Bila n percobaan semakin besar dan memiliki sifat yang independent dari suatu
percoabaan ke percobaan lainnya, maka dengan pendekatan distribusi
normal-binomial dapat pula kita gunakan untuk menghitung nilai-nilai probabilitas terhadap
berbagai macam peristiwa yang mungkin dapat terjadi.
Dengan semakin besarnya jumlah percobaan pada distribusi binomial maka
perhitungan peluang dengan menggunakan distribusi binomial semakin kurang efektif,
karena jumlah kombinasi dari peristiwa yang diharapkan sangatlah kurang banyak.
Untuk menghindari ke kurang efektifan dari distribusi binomial ini, maka distribusi
tesebut dapat didekati dengan distribusi Normal. Secara umum dapat disimpulkan
normal karena secara teoritis bahwa distribusi binomial akan mendekati distribusi
normal untuk n besar dan p moderate (tidak besar dan tidak kecil)
2.4 Distribusi Hipergeometrik
2.4.1 Pengertian Distribusi Hipergeometrik
Distribusi hipergeometrik merupakan suatu distribusi dimana pengambilan atau
penarikan sampelnya tanpa adanya pengembalian. Penggunaan distribusi
hipergeometrik ini terdapat pada berbagai bidang dan paling banyak pada penerimaan
sampel suatu hasil produksi, pengujian barang-barang elektronik dan pengendalian
mutu.
Bila pengujian dilakukan terhadap barang, maka secara umum barang akan
cacat atau rusak. Oleh karena itu barang tidak dapat dikembalikan pada populasinya.
Inilah alasan mengapa pengambilan sampel tanpa pengembalian digunakan.
Kegiatan-kegiatan seperti ini sering disebut dengan percobaan hipergeometrik. Agar lebih
mudah lagi dapat dijelaskan sebagai berikut: Misalnya ada N benda yang terdiri dari k
benda yang diberi nama sukses dan N – k yang akan diberi nama gagal. Ingin
diketahui probabilitas memilih x sukses dari sebanyak k yang tersedia dan n – x gagal
dari sebanyak N – k yang tersedia, bila variable acak ukuran n diambil dari N benda.
Dari uraian ini dapat kita ketahui bahwa percobaan hipergeometrik memiliki dua sifat
1. Sampel acak berukuran n diambil tanpa pengembalian dari N benda
2. Sebanyak k benda dapat diberi nama sukses sedangkan sisanya N – k diberi nama
gagal.
Jumlah sukses x dalam percobaan hipergeometrik disebut variable acak
hipergeometrik. Distribusi peluang acak hipergeometrik x ialah jumlah sukses dalam
sampel acak berukuran n yang diambil dari N benda yang memuat k bernama sukses
dan N – k bernama gagal. Maka distribusinya dinyatakan dengan h (x;N,n,k). Karena
nilainya tergantung pada jumlah yang sukses k dalam n benda yang terpilih secara
acak dari N benda, maka distribusi hipergeometrik tersebut dapat dinotasikan sebagai
berikut:
dimana :
N = Ukuran Populasi
k = Sifat tertentu dari populasi
n = Ukuran sampel
x = Jumlah sifat k dalam n
2.4.2 Pendekatan Distribusi Binomial Terhadap Hipergeometrik
Dalam kasus distribusi hipergeometrik kita dapat menggunakan pendekatan binomial
pada permasalahannya apabila keadaan tersebut adalah sebagai berikut :
a. Bila besar sampelnya (n) 1
b. Sampelnya (n) relatif kecil bila dibandingkan dengan jumlah populasinya
(N), yaitu n < 0,05N. Bila n lebih kecil dibandingkan dengan N maka
peluang tiap penarikan hanya berubah sedikit. Jadi distribusi
hipergeometrik dapat di dekati dengan distribusi binomial dengan
sehingga rata – rata dan varian dapat di dekati seperti pada tabel berikut :
Tabel 2.4.2 Pendekatan distribusi Binomial Terhadap distribusi Hipergeometrik
Binomial Hipergeometrik
Rata-rata ( ) Rata- rata ( )
Varian ( ) Varian ( )
Simpangan baku (
Simpangan baku (
Bila kedua ruas dibandingkan maka terlihat bahwa rataannya sama antara binomial
dan hipergeometrik sedangkan variannya berbeda sebesar faktor koreksi .
Dalam dunia nyata, konsep pendekatan ini sangat berguna karena tiga hal.
yaitu penyampelan tanpa pengembalian. Kedua, Distribusi Hipergeometrik tidak
mempunyai tabel, sehingga kita akan mengalami kesulitan karena terpaksa harus
selalu menghitung dengan rumus Hipergeometrik. Ketiga, kebanyakan sampel tidak
BAB III
IMPLEMENTASI SISTEM
3.1 Pengertian Implementasi Sistem
Implementasi sistem adalah tahapan penerapan hasil desain tertulis ke dalam
programming dengan menggunakan perangkat lunak (software) sebagai implementasi
ataupun prosedur untuk menyelesaikan desain sistem.
Adapun implementasi sistem yang digunakan untuk penyelesaikan
permasalahan pada distribusi Binomial, Normal dan distribusi Hipergeometrik adalah
dengan menggunakan software R. Diharapkan dengan menggunakan software ini kita
dapat meningkatkan pengetahuan dan kemampuan kita dalam hal :
1. Pemahaman bentuk elemen dan lembar kerja software R
2. Menganalisis data dengan menggunakan R
3. Pembentukan Grafik dengan menggunakan R
3.2 Pengenalan Software R
R adalah suatu sumber informasi tebuka dalam lingkup pengembangan model
komputasi statistika . Projek R sudah mulai dikembangkan oleh Robert Gentlemen
dan Ross Ihaka dari Departemen Statistika di Universitas Aukland pada tahun 1995.
Saat ini R ditangani oleh tim inti pengembangan R, yaitu suatu tim internasional yang
bekerja keras dengan sukarela untuk mengembangkan software ini. Projek R memiliki
web dengan alamat http://www.r-project.org. Situs ini merupakan situs utama untuk
memperoleh informasi R. Situs ini langsung berisikan software yang menyertakan
halaman-halaman dan sumber lainnya yang terdapat pada dokumen.
Software R merupakan suatu software yang terintegrasi yang memiliki fasilitas
untuk pemanipulasian data, perhitungan dan penampilan grafik. Bahasa R kini
menjadi standar de facto di antara statistikawan untuk pengembangan perangkat lunak
statistika, serta digunakan secara luas untuk pengembangan perangkat lunak statistika
dan analisis data.
Tulisan ini menjelaskan bagaimana menggunakan R ketika mempelajari
statistika dasar. Tujuannya adalah menjadikan software yang baik ini berguna pada
“level rendah” dalam mempelajari statistika dasar, sebagai alternatif alat bantu
komputasi yang sering digunakan sebelumnya seperti MINITAB, SPSS, Excel dan
sebagainya.
Ada beberapa keuntungan dari R sebagai suatu pengantar komputasi bagi
1. Sebagai software yang open source, R dapat di download secara gratis dan
dapat dijalankan pada UNIX, Windows dan Macintosh
2. R memiliki kemampuan yang baik untuk membangun sistem Help
3. R memiliki kemampuan yang baik dalam membuat grafik yang menghasilkan
grafik dengan kualitas publikasi yang dapat memuat simbol matematika.
4. Bahasa R memiliki ketegasan. Syntaxnya mudah dipelajari dan banyak
mengandung fungsi statistik yang built in ( fungsi jadi )
5. Bahasanya mudah di kembangkan oleh pengguna dengan fungsi tertulis
6. R adalah bahasa pemograman komputer. Untuk para pemrogram ini akan
terasa lebih terbiasa dari yang lainnya dan untuk pemula langkah selanjutnya
untuk pembuatan program tidak akan begitu sulit.
Selain memiliki keuntungan, R juga mempunyai kekurangan dibandingkan dengan
software komputasi yang lain, diantaranya adalah :
1. R memiliki tampilan grafik yang terbatas sedangkan software lain seperti
S-Plus lebih bagus
2. Tidak ada dana pendukung (meskipun seseorang dapat mengatakan mailinglist
internasional bahkan lebih baik)
3. Bahasa interuksinya adalah sebuah bahasa pemrograman sehingga mahasiswa
3.3Memulai R
R paling mudah digunakan dengan cara interaktif. Pertanyaan diajukan dan dijawab
dalam lembar kerja R (yaitu pada bagian perintah). Untuk memulai baris perintah R
maka dapat dilakukan hal sebagai berikut :
1. Klik menu Start, pilih Program R(tergantung dimana R diletakkan)
Gambar 3.1 Tampilan awal membuka Software R 2.12.2
Tampilan Jendela Windows
2. Pilih items R , maka akan muncul tampilan sebagai berikut :
Pada tampilan R Console diatas ditampilkan keterangan tentang tahun pembuatan,
Versi R yang sedang digunakan dan sekilas penjelasan dengan keberadaan
software R. Pada akhir keterangan muncul tanda > dan tanda ini disebut dengan
prompt. Tanda ini muncul dengan sendirinya dan berguna sebagai petunjuk
dimana perintah R sudah dapat di tuliskan.
[image:30.595.72.565.324.574.2]3.4Membangkitkan Data Acak Pada Percobaan Distribusi Binomial dan Normal
Tabel 3.4 Data Peubah Acak Distribusi Binomial Dan Normal
Untuk memperlihatkan secara visual perubahan grafik pada distribusi binomial yang
mempunyai parameter n dan p sedangkan distribusi normal mempunyai parameter
dan maka metode simulasi yang digunakan adalah sebagai berikut : Probabilitas
sukses (p) 0.1 0.4 0.5 0.6 0.9
Probabilitas
gagal (q) 0.9 0.6 0.5 0.4 0.1
Sampel (n) Kelompok 1 Kelompok 2 Kelompok 3 Kelompok 4 Kelompok 5
µ Σ µ Σ µ σ µ Σ µ σ
10 1 0.95 4 1.55 5 1.58 6 1.55 9 1.90
20 2 1.34 8 2.19 10 2.24 12 2.19 18 2.68
30 3 1.64 12 2.68 15 2.74 18 2.68 27 3.29
40 4 1.90 16 3.10 20 3.16 24 3.10 36 3.79
50 5 2.12 20 3.46 25 3.54 30 3.46 45 4.24
60 6 2.32 24 3.79 30 3.87 36 3.79 54 4.65
70 7 2.51 28 4.10 35 4.18 42 4.10 63 5.02
80 8 2.68 32 4.38 40 4.47 48 4.38 72 5.37
1. Bangkitkan X yang mempunyai distribusi binomial dengan n = 10, p = 0.1 dan
[image:31.595.124.523.137.351.2]dimisalkan data yang dibangkitkan itu sebanyak 100 data
Gambar 3.2 Pembangkitan Data Distribusi Binomial Dengan = 10; p = 0,1
2. Bangkitkan X yang mempunyai distribusi normal dengan = 1, = 0,95 dan
dimisalkan data yang dibangkitkan itu sebanyak 100 data
[image:31.595.125.524.456.683.2]3. Standarisasi data yang dibangkitkan
4. Gambar histogram dari data yang dibangkitkan
[image:32.595.121.526.135.401.2]a. Distribusi binomial dengan n = 10 sampai 90 dan p = 0,1
Gambar 3.4 Perintah data binomial yang dibangkitkan
[image:32.595.126.525.443.731.2]b. Distribusi normal dengan nilai dan berdasarkan kelompok 1 pada tabel
Gambar 3.6 Perintah data normal yang dibangkitkan
[image:33.595.142.526.437.713.2]5. Gambar histogram dari data yang dibangkitkan
[image:34.595.125.525.129.395.2]a. Distribusi binomial dengan n = 10 sampai 90 dan p = 0,4
Gambar 3.8 Perintah data binomial yang dibangkitkan
[image:34.595.130.524.436.727.2]b. Distribusi normal dengan nilai dan berdasarkan kelompok 2 pada tabel
Gambar 3.10 Perintah data normal yang dibangkitkan
[image:35.595.125.525.398.717.2]6. Gambar histogram dari data yang dibangkitkan
[image:36.595.127.526.406.726.2]a. Distribusi binomial dengan n = 10 sampai 90 dan p = 0,5
Gambar 3.12 Perintah data binomial yang dibangkitkan
b. Distribusi normal dengan nilai dan berdasarkan kelompok 3 pada tabel
Gambar 3.14 Perintah data normal yang dibangkitkan
7. Gambar histogram dari data yang dibangkitkan
[image:38.595.121.525.125.388.2]a. Distribusi binomial dengan n = 10 sampai 90 dan p = 0,6
[image:38.595.129.520.447.687.2]Gambar 3.16 Perintah data binomial yang dibangkitkan
b. Distribusi normal dengan nilai dan berdasarkan kelompok 4 pada tabel
Gambar 3.18 Perintah data normal yang dibangkitkan
[image:39.595.128.524.402.744.2]8. Gambar histogram dari data yang dibangkitkan
[image:40.595.124.524.128.383.2]a. Distribusi binomial dengan n = 10 sampai 90 dan p = 0,9
Gambar 3.20 Perintah data binomial yang dibangkitkan
[image:40.595.127.525.445.723.2]b. Distribusi normal dengan nilai dan berdasarkan kelompok 5 pada tabel
Gambar 3.22 Perintah data normal yang dibangkitkan
[image:41.595.127.528.458.733.2]3.5Membangkitkan Data Acak Pada Percobaan Hipergeometrik
Dalam memperlihatkan secara visualisasi perubahan grafik fungsi hipergeometrik
yang mempunyai parameter-parameter n, N dan k dimana probabilitas (p) pada
binomial sama untuk pada hipergeometrik dan berubah-ubah sesuai dengan
parameter yang digunakan pada fungsi binomial diatas. Sehingga kita dapat
membandingkan perubahan grafik binomial dengan hipergeometrik maka metode
simulasi yang digunakan sebagi berikut :
1. Bangkitkan X yang mempunyai distribusi hipergeometrik dengan nilai p =
yaitu 0,1 dan distribusi hipergeometrik dengan N =1000, n = 10, k = 100
Gambar 3.24 Pembangkitan Data hipergeometrik n = 10, k = 100
3. Gambar histogram dari data yang dibangkitkan
[image:43.595.125.518.135.379.2]Distribusi hipergeometrik dengan n = 10 sampai 90, N =1000, k= 100
Gambar 3.25 Perintah data hipergeometrik yang dibangkitkan
[image:43.595.127.525.444.718.2]4. Gambar histogram dari data yang dibangkitkan
[image:44.595.121.519.120.368.2]Distribusi hipergeometrik dengan n = 10 sampai 90, N =1000, k= 400
[image:44.595.128.526.438.715.2]Gambar 3.27 Perintah data hipergeometrik yang dibangkitkan
5. Gambar histogram dari data yang dibangkitkan
[image:45.595.118.520.104.371.2]Distribusi hipergeometrik dengan n = 10 sampai 90, N= 1000, k =500
[image:45.595.126.526.442.732.2]Gambar 3.29 Perintah data hipergeometrik yang dibangkitkan
6. Gambar histogram dari data yang dibangkitkan
[image:46.595.119.520.103.385.2]Distribusi hipergeometrik dengan n = 10 sampai 90, N= 1000, k =600
[image:46.595.126.525.457.721.2]Gambar 3.31 Perintah data hipergeometrik yang dibangkitkan
7. Gambar histogram dari data yang dibangkitkan
Distribusi hipergeometrik dengan n = 10 sampai 90, N= 1000, k = 900
[image:47.595.127.524.455.741.2]Gambar 3.33 Perintah data hipergeometrik yang dibangkitkan
BAB IV
KESIMPULAN DAN SARAN
4.1 Kesimpulan
Dalam visualisasi ini penulis dapat menarik kesimpulan sebagai berikut :
1. Dalam grafik data membangkitkan percobaan binomial dapat dilihat bahwa
apabila nilai n diperbesar maka grafik akan semakin melenceng kekanan
dengan mengarah ke bentuk kurva yang terlihat cukup normal.
2. Dalam pendekatan distribusi binomial dengan distribusi normal, percobaan
binomial akan mendekati normal yaitu pada rbinom(100,90,0.1) dan
rnorm(100,9,2.85)
3. Dalam grafik data membangkitkan percobaan hipergeometrik dapat dilihat
bahwa apabila n dan k diperbesar maka grafiknya akan bergerak ke arah kanan
dan membentuk grafik yang cukup normal yaitu pada saat rhyper
(100,20,1000,600)
4. Dalam pendekatan percobaan hipergeometrik dengan binomial, percobaan
hipergeometrik dapat didekati dan memiliki bentuk grafik yang hampir identik
sama, yang terlihat pada saat n < 0,05N yaitu pada hyper(100,30,1000,400)
4.2 Saran
Adapun saran yang dapat diberikan penulis adalah bahwa dalam mensimulasikan
suatu data dengan software R tidak hanya terbatas pada distribusi Binomial dan
Hipergeometrik saja, tetapi distribusi diskret lainnya seperti halya distribusi
Geometrik, distibusi Binomial dan distribusi Poison, serta distribusi peluang yang
DAFTAR PUSTAKA
Darnius, Open, 2006, Diktat Kuliah Pengantar Komputasi Statistika dengan R,
USU, Medan.
Boediono, dan Wayan Koster, 2001, Statistika dan Probabilitas, PT Remaja
Rosdakarya, Bandung.
Ginting, Masten, 2006, Pengantar Metode Dasar Menghitung Peluang, USU,
Medan.
Hakim, Abdul, 2002, Statistika Induktif untuk Ekonomi & Bisnis, Ekonisia,
Yogyakarta.
Purwanto, Suharyadi, 2003, Statistika untuk Ekonomi & Keuangan Modern,
Salemba Empat, Jakarta.
KEMENTERIAN PENDIDIKAN NASIONAL UNIVERSITAS SUMATERA UTARA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM DEPARTEMEN MATEMATIKA
Jl. Bioteknologi No.1 Kampus USU, Telp. (061) 8211050, Fax (061) 8214290 Medan 20155
KARTU BIMBINGAN TUGAS AKHIR MAHASISWA
Nama Mahasiswa : Sadrakh Nomor Induk Mahasiswa : 082407111
Judul Tugas Akhir : Visualisasi Perbandingan Perubahan Grafik Fungsi
Binomial Dengan Normal Dan Fungsi Binomial
Dengan Hipergeometrik; Menggunakan Suatu Simulasi
Dosen Pembimbing : Drs. Open Darnius, M.Sc Tanggal Mulai Bimbingan :
Tanggal Selesai Bimbingan :
No. Tanggal Asistensi Bimbingan
Pembahasan Asistensi Pada Bab
Paraf Dosen
Pembimbing Keterangan
1 2 3 4 5 6 7 8 9 10
*Kartu ini harap dikembalikan ke Jurusan Matematika bila bimbingan mahasiswa telah selesai
Diketahui oleh
Departemen Matematika FMIPA USU
Ketua, Disetujui Dosen Pembimbing
Prof. Dr. Tulus, M.Si Drs.Open Darnius, M.Sc
KEMENTERIAN PENDIDIKAN NASIONAL UNIVERSITAS SUMATERA UTARA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM DEPARTEMEN MATEMATIKA
Jl. Bioteknologi No.1 Kampus USU, Telp. (061) 8211050, Fax (061) 8214290 Medan 20155
SURAT KETERANGAN
Hasil Uji Program Tugas Akhir
Yang bertanda tangan dibawah ini menerangkan bahwa Mahasiswa Tugas
Akhir Program Diploma III Statistika :
Nama Mahasiswa : Sadrakh
Nomor Induk Mahasiswa : 082407111
Judul Tugas Akhir :Visualisasi Perbandingan Perubahan Grafik Fungsi
Binomial Dengan Normal Dan Fungsi Binomial
Dengan Hipergeometrik; Menggunakan Suatu Simulasi
Telah melaksanakan test program Tugas Akhir Mahasiswa tersebut di atas
pada tanggal
Dengan Hasil : Sukses / Gagal
Demikian diterangkan untuk digunakan melengkapi syarat pendaftaran Ujian
Meja Hijau Tugas Akhir Mahasiswa bersangkutan di Departemen Matematika FMIPA
USU Medan.
Medan,
Dosen Pembimbing,
Drs. Open Darnius, M.Sc