Karakteristik Distribusi Poisson

Distribusi Poisson memiliki beberapa karakteristik utama.

1. Kejadian Terjadi Secara Acak

Peristiwa yang dimodelkan terjadi secara acak dan tidak dapat diprediksi secara pasti.

2. Terjadi dalam Interval Tertentu

Distribusi Poisson biasanya digunakan untuk menghitung kejadian dalam:

• interval waktu

• interval area

• interval ruang

Contohnya:

• jumlah pelanggan per jam

• jumlah kendaraan per menit

3. Rata-rata Kejadian Diketahui

Distribusi Poisson menggunakan parameter λ (lambda) yang menunjukkan rata-rata jumlah kejadian dalam suatu interval.

4. Kejadian Bersifat Independen

Terjadinya satu kejadian tidak mempengaruhi kejadian lainnya.

Rumus Distribusi Poisson

Probabilitas distribusi Poisson dapat dihitung dengan rumus berikut:

P(X = x) = (e^-λ × λ^x) / x!

Keterangan:

• P(X = x) = probabilitas terjadi x kejadian

• λ (lambda) = rata-rata jumlah kejadian

• x = jumlah kejadian yang ingin dihitung

• e = konstanta matematika (sekitar 2.71828)

• x! = faktorial dari x

Mean dan Varians Distribusi Poisson

Distribusi Poisson memiliki sifat unik di mana mean dan varians memiliki nilai yang sama.

Mean (Rata-rata)

Mean dari distribusi Poisson adalah:

Mean = λ

Varians

Varians dari distribusi Poisson juga:

Varians = λ

Contoh Distribusi Poisson

Contoh 1: Panggilan Telepon

Sebuah call center menerima rata-rata 3 panggilan per menit.

Artinya:

λ = 3

Kita ingin mengetahui peluang menerima 2 panggilan dalam satu menit.

Gunakan rumus:

P(X = 2) = (e^-3 × 3²) / 2!

Perhitungannya:

3² = 9
2! = 2

P(X = 2) ≈ 0.224

Artinya peluang menerima 2 panggilan dalam satu menit sekitar 22.4%.

Contoh 2: Kesalahan Ketik

Sebuah buku memiliki rata-rata 2 kesalahan ketik per halaman.

Jika ingin mengetahui peluang terdapat 0 kesalahan ketik pada suatu halaman, maka dapat menggunakan distribusi Poisson dengan:

λ = 2
x = 0

Penerapan Distribusi Poisson

Distribusi Poisson sering digunakan dalam berbagai bidang.

1. Analisis Antrian

Digunakan untuk menghitung jumlah pelanggan yang datang dalam periode waktu tertentu.

2. Telekomunikasi

Digunakan untuk memodelkan jumlah panggilan telepon atau paket data yang masuk dalam jaringan.

3. Quality Control

Digunakan untuk menghitung jumlah cacat produk dalam proses produksi.

4. Analisis Lalu Lintas

Digunakan untuk memprediksi jumlah kendaraan yang melewati suatu jalan dalam interval waktu tertentu.

Perbedaan Distribusi Poisson dan Distribusi Binomial

Kesimpulan

Distribusi Poisson adalah distribusi probabilitas diskrit yang digunakan untuk menghitung kemungkinan jumlah kejadian yang terjadi dalam suatu interval waktu atau ruang tertentu.

Distribusi ini sangat berguna dalam berbagai bidang seperti statistik, data science, telekomunikasi, analisis antrian, dan quality control.

Dengan memahami distribusi Poisson, kita dapat menganalisis dan memprediksi kejadian acak yang sering terjadi dalam kehidupan sehari-hari.

Jika Anda ingin memanfaatkan Distribusi Poisson untuk analisa data yang lebih cerdas dan berdampak nyata, kami siap menjadi partner terpercaya Anda.