Dalam prakteknya, pada suatu kegiatan ataupun percobaan dapat saja muncul ketidak- benaran dalam mencatat hasil-hasilnya. Sebaliknya, simulasi komputer jarang
ditemukan kesalahan perhitungan terutama bila angka-angka diambil dari komputer secara teratur dan bebas. Komputer mempunyai kemampuan untuk melakukan
perhitungan dengan akurat.
2.2.1.5 Stop Simulation and Restart DapatDihentikandanDijalankanKembali
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, setelah dilakukan penghentian maka kemudian dapat
dengan cepat dijalankan kembali restart.
2.2.1.6 Easy to Replicate MudahDiperbanyak
Dengan simulasi komputer percobaan dapat dilakukan setiap saat dan dapat diulang- ulang. Pengulangan dilakukan terutama untuk mengubah berbagai komponen dan
variabelnya, seperti dengan perubahan pada parameternya, perubahan pada kondisi operasinya ataupun dengan memperbanyak output.
2.3 Distribusi Binomial
Universitas Sumatera Utara
Jika p adalah probabilitas bahwa sebuah peristiwa akan terjadi dalam sebaran percobaan tunggal disebut sebagai probabilitas dari suatu keberhasilan dan q = 1 –
padalah probabilitas bahwa peristiwa tersebut tidak terjadi dalam sebaran percobaan tunggal disebut sebagai probabilitas dari suatu kegagalan, maka probabilitas bahwa
peristiwa yang dimaksud akan terjadi tepat sebanyak X kali dalam N kali percobaan artinya, akan terjadi sebanyak Xkeberhasilan dan N – Xkegagalan dirumuskan
sebagai berikut : �� = ��
�� �
�
�
�−�
= �
� � − � �
�
�
�−�
Dimana X = 0, 1, 2, . . . , N; N = NN – 1N– 2 . . . 1; dan sesuai definisi maka 0 = 1
Distribusi probabilitas diskrit di atas seringkali disebut dengan distribusi binomial karena untuk X = 0, 1, 2, . . . , N distribusi probabilitas ini akan
berkorespondensi dengan deretan suku-suku rumus binomial atau ekspansi binomial � + �
�
= �
�
+ ��
1 � �
�−1
� + �� 2 � �
�−2
�
2
+ ⋯ + �
�
dimana 1, ��
1 � ,
�� 2 �
, . . . disebut sebagai koefisien-koefisien binomial.
Distribusi Binomial disebut juga dengan nama distribusi Bernoulli yang diambil dari nama James Bernoulli sebagai penghormatan terhadap jasanya dalam
menemukan rumus ini pada akhir abad ke-17. Beberapa sifat distribusi binomial ini diperlihatkan oleh Tabel 2.1 berikut.
Universitas Sumatera Utara
Tabel 2.1 Sifat Distribusi Binomial
Mean � = ��
Varians �
2
= ���
Deviasi standar � = ����
Koefisien momen kemiringan �
3
= � − �
���� Koefisien momen kurtosis
α
4
= 3 + 1
− 6pq Npq
2.4DistribusiPoisson
Poisson adalahsebuahdiskrit yang dipergunakanuntukmendugapeluangbahwapeluangkeluarantertentuakanmuncultepat x
kali dalamsatuan yang dibakukandenganlaju rata-rata munculnyakejadian per satuanadalahkonstan λ.
Px;m =
�
−�
�
�
�
x =0,1,2,3,…; m0
Dimanae = 2,71828… dan λ adalahsebuahkonstanta yang diberikan,
disebutsebagaidistribusipoisson, yang diambil dari nama Simeon-Denis Poisson, seorangilmuwan yang menemukanrumusinipadaawalabad ke-19.
Beberapasifatdistribusi Poisson inidiberikandalamTabel 2.2.
Universitas Sumatera Utara
Tabel 2.2 Sifat Distribusi Poisson
� = � Mean
�
2
= �
Varians � = √�
Deviasistandar �
3
= 1 √�
⁄ Koefisienmomenkemiringan
�
4
= 3 + 1 �
⁄ Koefisienmomen kurtosis
Sebaran Poisson tidak berbeda banyak dari sebaran Binomial kecuali bahwa peluang Poisson adalah sangat kecil dan ukuran contoh belum tentu diketahui. Asumsi
sebaran Poisson adalah: 1.
Terdapat n tindakan bebas dimana n sangat besar 2.
Hanya satu keluaran yang dipelajari pada tiap tindakan 3.
Terdapat peluang yang konstan dari munculnya kejadian setiap tindakan 4.
Peluang lebih dari satu keluaran pada setiap tindakan sangat kecil atau dapat diabaikan.
2.5 Hubungan Antara Distribusi Binomial Dan Distribusi Poisson
