1.

DISTRIBUSI POISSON
Kita dapat menghitung distribusi probabilitas binominal untuk percobaan dengan
probabilitas sukses (p) kurang dari 0,05. Namun perhitungan tersebut akan tidak efektif dan
akurat (khusus untuk nilai n yang sangat besar, misalnya 100 atau lebih). Semakin kecil
probabilitas sukses, distribusi probabilitasnya akan semakin melenceng. Oleh sebab itu,
dikembangakan satu bentuk distribusi binomial yang mampu mengakulasikan distribusi
probabilitas dengan kemungkinan sukses (p) sangat kecil dan jumlah eksperimen (n) sangat
besar, yang disebut distribusi poisson.
Karena distribusi poisson biasanya melibatkan jumlah n yang besar, dengan p kecil,
distribusi ini biasanya digunakan untuk menghitung nilai probabilitas suatu kejadian dalam
suat selang waktu dan daerah tertentu. Distribusi poisson ini digunakan untuk menghitung
probabilitas suatu kejadian yang jarang terjadi (Supranto.2005:40)
Distribusi ini digunakan untuk mengamati jumlah kejadian-kejadian khusus yang terjadi
dalam satu satuan waktu atau ruang(Harinaldi.2005:87-89).
Menurut Harinaldi (2005:87-89), ada tiga pokok materi dalam distribusi poisson yaitu.
1. Eksperimen Poisson
Suatu distribusi poisson dapat digunakan dengan tepat dalam suatu eksperimen poisson
yang memenuhui kondisi-kondisi berikut .
a. Suatu eksperimen yang meliputi pencacahan banyaknya suatu peristiwa terjadi dalam
setiap satuan unit yang ditentukan. Unit yang ditentukan ini biasanya adalah unit waktu
dan ruang.
b. Probabilitas peristiwa tersebut adalah sama untuk setiap satuan unit.
c. Banyaknya peristiwa yang terjadi dalam setiap satuan unit saling bebas terhadap
banyaknya peristiwa yang terjadi pada setiap satuan unit yang lainnya.

2. Probabilitas Poisson
Dalam eksperimen poisson, probabilitas memperoleh peristiwa X sebanyak x kejadian
untuk setiap satu satuan unit (waktu atau ruang) yang ditentukan membentuk sebuah
fungsi probabilitasnya adalah :
x
e
Pp ( x , )= x=0,1, 2, (1)
x!

Di mana :

= laju kejadian (rata-rata banyaknya kejadian dalam satu satuan unit tertentu)

e = konstanta dasar (basis) logaritma natural = 2,71828

Fungsi distribusi kumulatif dari distribusi probabilitas hipergeometrik diatas dapat

dinyatakan sebagai :
x x
k e
F p ( x , )= Pp ( k , )= x=0,1, 2, 3, (2)
k=0 k=0 k!
 Jadi fungsi probabilitas dan fungsi distribusi kumulatif dari suatu distribusi
hipergeometrik merupakan fungsi dengan parameter, .

1. Statistik Deskriptif Distribusi Poisson

Tanpa pembuktian secara matematik, berikut ini diberikan rumusan beberapa ukuran
statistic distribusi geometric.
Mean (Nilai Harapan) :
x =E ( X )= (3)

Varians :
2x = (4)

Kemencengan (skewness) :
1
1= 23=
(5)

Keruncingan (kurtosis)
1
2= 4= +3
(6)