PRINSIP DAN

DISTRIBUSI PROBABILITAS

A. PERANAN PROBABILITAS
Pembuatan model, analisis matematis, simulasi
komputer dan sebagainya, banyak didasarkan atas
asumsi-asumsi yang diidealisir, yang menyebabkan
informasi yang dihasilkan dari model kuantitatif
tersebut mungkin bisa mendekati atau mungkin jauh
dari yang sebenarnya.
Dalam pengembangan disain rekayasa banyak
keputusan terpaksa harus diambil tanpa memandang
kelengkapan atau mutu informasi tersebut. Dengan
demikian, keputusan tersebut diambil pada kondisi
ketidak pastian. Disamping itu, banyak fenomena
alamiah bersifat acak (random) atau tak tentu.
Oleh karenanya, kuantifikasi ketidak pastian dan
penilaian pengaruhnya pada perilaku dan
perancangan suatu sistim perlu melibatkan konsep
atau metode probabilitas (kemungkinan)

DISRIBUSI PROBABILITAS
Bila serangkaian pengamatan atau
kejadian bersamaan dengan
probabilitasnya ditabelkan, maka akan
berbentuk distribusi probabilitas.
Bila seluruh probabilitas tersebut
dijumlahkan , maka harganya sama
dengan 1 atau 100%
contoh
next

JENIS DISTRIBUSI
PROBABILITAS
Beberapa jenis distribusi
probabilitas yang sering
digunakan adalah :
Distribusi binomial
Distribusi poisson
Distribusi normal

DISRIBUSI BINOMIAL
Distribusi binomial adalah distribusi probabilitas
bila hanya ada dua kemungkinan, seperti rusaktidak rusak, setuju-tidak setuju, dsb
Persamaan distribusi ini adalah :
P(r) = (nCr) (p)r (1-p)n-r
nCr
C
adalah
jumlah
kombinasi
dari n yang diambil
n r
sebanyak r kali
nCr = (n!) / [r! (n r)!]
Rerata () = n.p
Simpangan baku () V n.p (1 p)

Contoh :
Diketahui bahwa suatu komunitas 30%
diantara penduduknya berpenghasilan
rendah. Disampling secara acak 20 orang
diantara mereka.
Berapa probabilitas 2 dari sampel tersebut
berpenghasilan rendah.
Berapa jumlah orang berpenghasilan
rendah dari sampel.
Berapa simpangan baku?

Jawab :
probabilitas 2 dari sampel tersebut
berpenghasilan rendah.
P (2) = (20 C2) (0.30)2 (1-0.30)20-2
20 C2 = (20!) / [2! (20-2)!] = 190
P(2) = 0.027846
jumlah orang berpenghasilan rendah dari
sampel.
20 x 0.30 = 6 orang
simpangan baku
V n.p (1 p) =V 20 x 0.30 (1-0.30)
= 2.05 atau 2 orang

DISTRIBUSI POISSON
Dalam distribusi binomial, bila diketahui
probabilitas keberhasilan dari satu percobaan,
maka dapat ditentukan keberhasilan dalam
sejumlah percobaan lainnya.
Namun bila hal ini dilakukan dalan satuan waktu
atau ruang, distribusi binomial tidak dapat
digunakan. Maka digunakan distribusi poisson.
Batasan yang digunakan adalah :
Rerata kejadian () adalah konstan untuk setiap
unit waktu dan atau ruang
Probabilitas lebih dari satu kejadian dalah setiap
satu titik waktu atau ruang adalah nol
Jumlah kejadian dalam setiap rentang waktu dan
ruang adalah bebas dari jumlah kejadian pada
rentang yang lain.

Persamaan yang digunakan adalah :

P (x) = [(x) ( e-)] / x!
P (x) = probabilitas pada sejumlah x
kejadian
= rerata jumlah kejadian per unit waktu
atau per unit ruang
e = konstanta dasar logaritma = 2.71828

Contoh
Rerata () tibanya kendaraan di
suatu gerbang tol setiap menit
adalah 3 mobil. Bila fenomena ini
mengikuti distribusi poisson,
berapa probabilitasnya terdapat 5
mobil permobil di gerbang tol
tersebut?

Jawab :
5
[(3 )

-3
2.71828 )]

P(5) =
(
= 0.1008

/ 5!

DISTRIBUSI NORMAL
Distribusi binomial dan poisson adalah
merupakan distribusi probabilitas yang
bersifat diskrit. Tetapi bila berhubungan
dengan variabel acak kontinue
(panjang,waktu, dsb) yang mempunyai
jumlah nilai yang tak berhingga, maka
dibutuhkan distribusi probabilitas kontinue.
Distribusi probabilitas kontinue yang paling
sering digunakan adalah distribusi normal,
atau dikenal sebagai distribusi gauss.
Distribusi ini dicirikan dengan adanya :
Rerata ()
Simpangan baku()

Terdapat 3 kurva
normal dengan rerata
yang sama, namun
simpangan baku
berbeda

Terdapat 3 kurva
normal dengan rerata
yang berbeda,
namun simpangan
baku sama.

Disamping itu terdapat distribusi lain yaitu :

Distribusi t-student,
Distribusi chi-kuadrat
Distribusi F
Yang dalam hal ini lebih terkait dalam
aplikasinya dengan distribusi normal, dan
akan di bahas pada kuliah berikutnya

LUAS DIBAWAH KURVA NORMAL

Probabilitas distribusi kontinue adalah merupakan luas
area di bawah garis kurva. Probabilitas suatu
variabel dengan nilai antara a dan b adalah luas
kurva yang dibatasi oleh garis a dan b. Luas yang
tercakup dalam batas-batas tersebut pada tabel
distribusi normal. Bila suatu distribusi adalah normal
, maka jarak antara rerata dengan simpangan
bakunya adalah sama.

Luas area
antara a-b

Luas area =50 dan =70

adalah
sama
dengan
distribusi yang mempunyai
=170 dan =200. Bila
keduanya
berdistribusi
normal.

 Z = (X-)/
Tentukan probabilitas umur pakai lampu,
apabila :
Umur pakai kurang dari 650 jam
Umur pakai lebih dari 850 jam
Umur lampu antara 600 hingga 800 jam
Umur lampu antara 780 hingga 850 jam
Umur lampu kurang dari 800 jam