P. 1
01 Probabilitas Dan Statistik

01 Probabilitas Dan Statistik

|Views: 15|Likes:
Dipublikasikan oleh Yusraa Za

More info:

Published by: Yusraa Za on Mar 13, 2013
Hak Cipta:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PPT, PDF, TXT or read online from Scribd
See more
See less

11/15/2013

pdf

text

original

PROBABILITAS

DAN
STATISTIK


MUHAMMAD YUSUF
Teknik Informatika - Universitas Trunojoyo
Http://yusufxyz.wordpress.com
Email : yusufxyz@gmail.com
PERANAN PROBABILITAS
DAN STATISTIK

- Penjabaran informasi
- Pengolahan data berdasarkan analisa statistik
- Pengembangan dasar desain
- Pengambilan keputusan

PROBABILITAS
• Terjadinya suatu peristiwa A secara matematik ditulis
P|A|
• Bila peristiwa A tidak mungkin terjadi  P|A| = 0
• Bila peristiwa A terjadi 100%  P|A| = 1
– Klasifikasi probabilitas
• “Prior” Probability
• “Posterior” Probability
PRIOR PROBABILITY
Diperoleh secara subyektif atau tingkat kepercayaan
yang melibatkan prediksi probabilitas berdasarkan
pengalaman masa lalu dan keahlian sebagai “decision
maker” (i.e. “priori judgement”) dalam suatu pengambilan
keputusan
contoh:
- Pelemparan dadu
P|1| = 1/6 ; P|2| = 1/6 ; dst
- Permainan kartu
P|As| = 4/52 = 1/13
 Susah diterima para engineer

POSTERIOR PROBABILITY
• Diestimasi berdasarkan peninjauan peristiwa-peristiwa yang sudah terjadi
sebelumnya
• Dengan menggunakan pendekatan frekuensi kejadian berdasarkan studi dari suatu
rangkaian peristiwa yang telah terjadi berulang-ulang atau suatu pengujian
contoh:
 45 tes tekan untuk mengetahui kekuatan tekan
beton. Dari hasil uji tekan tersebut, 5 sample beton ternyata
dibawah spesifikasi (DS) kuat tekan beton yang disyaratkan
Kalau akan diakukan 10 uji tekan beton berikutnya maka berapa
jumlah sample yang akan dibawah spesifikasi?
P|DS| = 5/45 = 1/9
Jumlah sample DS pada uji berikutnya =10 * P|DS| = 10 * 1/9 = 1.1
(1 sample)
S
B
A
DIAGRAM VENN
• Untuk mempresentasikan suatu peristiwa dalam bentuk
grafis.
Contoh: peristiwa yang terjadi dapat berupa :
a) Mutually Exclusive  A · B = 0



b) B adalah anggota A  B c ASAB
S
A B
DIAGRAM VENN
c) Union (gabungan) peristiwa A&B  A B




d) Intersection (irisan) peristiwa A&B  A · B




e) Difference (perbedaan/selisih)  A – B




f) Complementary (komplementer) himpunan A  A = S – A


B
S
A
S
B
A
A
S
B
S
A
KONSEP DASAR PROBABILITAS
 Peristiwa-peristiwa yang saling eksklusif (Mutually Exclusive
Events)
Terjadinya satu peristiwa tidak memungkinkan terjadinya peristiwa yang lain
Contoh: - belok ke kiri atau ke kanan
- banjir dan kekeringan pada suatu sungai pada saat
bersamaan
 Peristiwa-peristiwa yang bersatu sempurna (Collectively
Exhaustive Events)
Dua atau lebih peristiwa adalah “CE” bila gabungan dari peristiwa-peristiwa
tersebut membentuk ruang sample
Contoh: kontraktor a dan b
A  peristiwa kontraktor a memenangkan tender
B  peristiwa kontraktor b memenangkan tender
KONSEP DASAR PROBABILITAS
Jika:
1. Perusahaan a dan b memasukkan tender pada proyek yang berlainan
perusahaan a dan b keduanya dapat ruang (lihat irisan peristiwa A & B, A · B) tidak
saling exclusive (Non Mutually Exclusive)



Perusahaan a dan b kedua-duanya dapat menang
2. Perusahaan a dan b memasukkan tender pada proyek yang sama dan terdapat lebih dari
2 penawar



kalau perusahaan a menang  perusahaan b dan lainnya kalah (dan
sebaliknya)
• Mutually Exclusive
• Komplementer A B berarti perusahaan a dan b kalah



S
B
A
A
S
B
KONSEP DASAR PROBABILITAS
3. Perusahaan a dan b hanya merupakan 2 perusahaan yang bersaing untuk proyek yang
sama




perusahaan a menang  perusahaan b kalah (dan sebaliknya)
 peristiwa A&B membentuk ruang sample bersatu sempurna
A B = S  Collectively Exhaustive
 juga peristiwa A&B saling eksklusif (Mutually Exclusive)
A B
Dari contoh diatas dapat diilustrasikan hal-hal sebagai berikut
Suatu peristiwa Ai (I=1,2,…,n)
a. Mutually Exclusive, maka P|A B| = P|A| + P|B|
n
P|Ai Ai+1 Ai+2 … An| = ¿ P|Ai|
KONSEP DASAR PROBABILITAS
b. Bila bersifat ME & CE


c. Bila bersifat Non-ME
Contoh: lemparan 2 dadu. Total peristiwa yang terjadi 36 peristiwa
Peristiwa angka 3 muncul dari salah satu dadu adalah:
Dadu A (3,1); (3,2); (3,3); (3,4); (3,4); (3,4)
Dadu B (1,3); (2,3); (3,3); (4,3); (5,3); (6,3)
P|A B| = P|A| + P|B| - P|A · B|
= 6/36 + 6/36 - 1/36
= 11/36
General Rule:
P|A B| = P|A| + P|B| - P|A · B|
ME  P|A · B| = 0
Non-ME  P|A · B| = 0
| | | | | | | | 1 = = + = ÷ S P B P A P B A P
| | | | 1 .....
1
2 1
= =
¿
=
+ +
n
i
n i i i
A P A A A A P
TEORI PROBABILITAS DALAM
BIDANG REKAYASA
 Alat-alat dalam bidang rekayasa modern: - metoda kuantitatif
- pembuatan model
- analysis
- evaluasi
 Metode  kompleks  meliputi: - pembuatan model & analisis matematis
- simulasi komputer
- teknik optimasi
 Walaupun kompleks (rumit)  model (laboratorium, model matematik) 
didasarkan atas asumsi (anggapan)
 Anggapan  diidealisasi  mengakibatkan kondisi kuantitatif tersebut dapat
mendekati atau menjauhi kondisi sebenarnya
 Pengambilan keputusan seringkali harus diambil tanpa memandang kelengkapan
atau mutu informasi
 Rumusan  ketidakpastian  konsekuensi keputusan tidak dapat ditentukan
dengan keyakinan yang sempurna

TEORI PROBABILITAS DALAM
BIDANG REKAYASA
 Informasi  diturunkan dari  - kondisi lingkungan sempurna
- kondisi lingkungan berbeda
 Masalah dalam rekayasa  bersifat acak (random)  tak tentu  tidak
dapat dijabarkan secara definitif
 Sehingga keputusan (planning dan design) perlu dilakukan walaupun penuh
dengan ketidakpastian

The Summation Law
(Union Probability)
 Union Probability dapat dituliskan:
P|A B C| = P|A| + P|B| + P|C|
= or (atau)
 Peristiwa yang ada diasumsikan ME dan/atau menyatakan bahwa suatu seri
peristiwa-peristiwa yang terjadi adalah ME.
Contoh: pelemparan coin
P|angka| = 50%
P|burung| = 50%
P|A B| = 0,5 + 0,5 = 1

The Multiplication Law
(Joint Probability)
 Suatu seri yang merupakan “independent event” yang terjadi sebagai berikut:
P|A · B · C| = P|A| . P|B| . P|C|
· = and (dan)
Contoh:
Pelemparan 2 dadu
P|A| = angka 3 muncul dadu pertama = 1/6
P|B| = angka 3 muncul dadu kedua = 1/6
P|A · B| = 1/6 x 1/6 = 1/36
Catatan :
untuk Union Probability dari contoh diatas:
P|A B| = P|A| + P|B| = 1/6 + 1/6 = 1/3
Subset dari Sampel Space:
(3,1); (3,2); (3,3); (3,4); (3,4); (3,4)
(1,3); (2,3); (3,3); (4,3); (5,3); (6,3)
Total 12 peristiwa dari seluruh 36 peristiwa  P|3| = 12/36
(3,3)  sama, jadi:
P|A B| = P|A| + P|B| - P|A · B|
= 1/6 + 1/6 - 1/36 = 11/36 atau 12/36 -1/36 = 11/36
If A&B  ME, P|A · B| = 0
Complement Of Probability
(Komplementer)
 Probabilitas Komlementer dari suatu pristiwa A diberikan dengan simbol P|A|
 Bila 0 s P|A| s 1, maka P|A| = 1 - P|A|
A A = 1
P|A · B| = P|A| - P|A · B|
Asumsi bahwa dalam satu percobaan, kejadian probabilitas dari suatu peristiwa A
adalah P|A|, kemudian probabilitas “tidak terjadinya” peristiwa A adalah P|A| = 1 -
P|A| dan probabilitas terjadinya A dalam n percobaan adalah: 1 - (1- P|A|)n
Contoh:
Tentukan probabilitas dari perolehan paling sedikit satu angka
“3” setelah enam kali lemparan dadu yang lain.
Asumsikan P|A| adalah probabilitas angka “3” dengan satu kali
lemparan, maka: P|A| = 1/6


Complement Of Probability
(Komplementer)
Sepintas lalu terlihat bahwa kejadian dalam 6 kali lemparan memperoleh
angka “3” berdasarkan probabilitas 1x lemparan setelah 6 kali lemparan dadu
adalah
1/6 + 1/6 + 1/6 + 1/6 + 1/6 + 1/6 = 1
Hal ini tidak “sesuai” dengan kenyataan yang terjadi sebenarnya.
Peristiwa munculnya angka “3” mungkin dapat terjadi sekali dalam setiap
lemparan, sehingga dapat terjadi 6x peristiwa yang mungkin terjadi.
Peristiwa-peristiwa dalam contoh ini adalah “independent” tetapi non-ME.
Oleh karena itu prosedur penyelesaian tersebut adalah tidak sesuai dan relevan.
Untuk 6 kali lemparan dari dadu tersebut, probabilitas untuk memperoleh paling
tidak satu kali angka ”3” muncul diberikan dengan ekspresi matematik sebagai
berikut:
P = P|A| P|A| P|A| P|A| P|A| P|A|
Dengan Hukum “Associative” dapat dikelompokkan sbb:
P = P|A A| P|A A| P|A A|
= P|B| P|B| P|B|
Complement Of Probability
(Komplementer)
Oleh karena non - ME maka:
P|B| = P|A A|
= P|A| + P|A| - P|A| . P|A|
= 1/6 + 1/6 – (1/6 . 1/6)
= 11/36 = 0,3055
Dapat ditulis kembali
P = P|C| P|B| bila P|B B| = P|C|
• P|C| = P|B B|
= P|B| + P|B| - P|B| . P|B|
= 1/36 + 1/36 – (1/36 . 1/36)
= 22/36 – 121/36 = 0,5177
Jadi P = P|C| P|B| = P|C| + P|B| - P|C| . P|B|
= 0,5177 + 0,3055 – (0,5177 . 0,3055)
= 0,6651
Cara singkat dapat diperoleh dengan menerapkan “prinsip probabilitas komplementer”
TUGAS 1
Sebutkan dan jelaskan 5 Contoh kegunaan/penerapan Probabilitas
dan Statistik dalam jaringan Komputer.


Tugas dikumpulkan max 9 september 2009 pukul 24.00 ke email :
yusufxyz@gmail.com dan yusuf_xy@yahoo.com.au.
Tidak boleh terlambat, jika terlambat nilai maksimal akan diturunkan
menjadi 60

You're Reading a Free Preview

Mengunduh
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->