Anda di halaman 1dari 10

STATISTIKA INDUSTRI 

[VAR RANDOM & DISTRIBUSI PROB.]
ADITHYA SUDIARNO, ST., MT.

STATISTIKA INDUSTRI ‐ JURUSAN TEKNIK INDUSTRI ‐ ITS

ANALISIS PEMBELAJARAN

STATISTIK  KONSEP PELUANG/ 
DESKRIPTIF PROBABILITAS

TEKNIK 
RANDOM 
PENGAMBILAN 
VARIABLE 
SAMPLING

KONSEP DASAR 
STATISTIKA  DISTRIBUSI 
PROBABILITAS : DISKRIT
PROBABILITAS : DISKRIT, 
KONTINYU, SAMPLING
PENAKSIRAN 
PARAMETER
INTRODUCTION & 
PENGANTAR STATISTIKA 

DESCRIPTIVE STATISTICS BASIC FOR INFERENCE INFERENCE STATISTICS


2

1
STATISTIKA INDUSTRI ‐ JURUSAN TEKNIK INDUSTRI ‐ ITS

TUJUAN PEMBELAJARAN
1. Memahami definisi variabel random
2. Memahami definisi distribusi p
probabilitas
3. Mengetahui beberapa macam distribusi probabilitas

STATISTIKA INDUSTRI ‐ JURUSAN TEKNIK INDUSTRI ‐ ITS

PENGANTAR
Model peluang untuk suatu fenomena biasanya selalu dispesifikasikan
dalam suatu ruang sampel, yaitu kumpulan hasil eksperimen yang 
g p tidak semua eksperimen
mungkin. Tetapi p p dinyatakan
dapat y secara
KUANTITATIF, ada juga yang dinyatakan secara KUALITATIF. Contoh :
– Kekuatan cahaya di suatu ruang dapat dikategorikan menjadi kuat, 
sedang, maupun lemah.
– Pencemaran udara di suatu kota dapat dikatakan parah atau tidak
parah.

Untuk mengkuantifikasikan masalah – masalah yang bersifat


yang bersifat kualitatif, 
kualitatif
maka perlu diperkenalkan konsep VARIABEL ACAK/ RANDOM DAN 
DISTRIBUSI PROBABILITAS.

2
STATISTIKA INDUSTRI ‐ JURUSAN TEKNIK INDUSTRI ‐ ITS

VARIABEL RANDOM
Secara umum terdapat dua tipe data :
– VARIABLE DATA : disebut juga measurement atau continuous 
data. Seperti namanya, data ini
data. Seperti namanya, data ini biasanya merupakan hasil
pengukuran/ perhitungan, merupakan data yang kontinyu dari
suatu range tertentu. Misal : 
Nilai rupiah per 1 USD sepanjang tahun
Hasil pengukuran tinggi badan pada 1000 orang murid
Laju kecepatan fluida dalam pipa distribusi minyak
– ATTRIBUTE DATA
ATTRIBUTE DATA : ciri
: ciri khas data ini
data ini adalah tidak dilakukan
pengukuran dan bersifat tidak kontinyu. Misal :
Jenis kelamin (pria/ wanita)
Hasil ujian (lulus/ tidak lulus)
Jenis warna mobil (hitam, merah, hijau, dll) 

STATISTIKA INDUSTRI ‐ JURUSAN TEKNIK INDUSTRI ‐ ITS

VARIABEL RANDOM
Oleh karena itu, variabel random juga bisa dibagi menjadi dua 
bagian besar, yaitu  :
– DISCRETE RANDOM VARIABLE
Suatu variabel yang hanya mempunyai nilai pada titik 
tertentu. Contoh : x = 0, 1, 2, 3. Tidak ada nilai lain yang 
dapat dilihat. 

– CONTINUOUS RANDOM VARIABLE
Suatu variabel dapat mempunyai nilai pada suatu range
tertentu. Contoh : y > 10, dimana mungkin didapatkan nilai y 
= 11,294 ataupun y = 11. 

3
STATISTIKA INDUSTRI ‐ JURUSAN TEKNIK INDUSTRI ‐ ITS

VARIABEL RANDOM
Contoh discrete random variable :
– Mahasiswa/ i yang hadir tiap kuliah.
– Sepeda motor yang parkir
motor yang parkir antara pukul 7.00 –
7 00 12.00.
12 00
– Lamanya waktu yang diperlukan suatu reaksi kimia dengan
derajat ketelitian tertentu.

Contoh continuous random variable :
– Jarak yang ditempuh sebuah mobil dengan bahan bakar 10 liter 
bensin.
– Berat seorang bayi yang baru lahir.
– Lamanya waktu yang diperlukan suatu reaksi kimia.

STATISTIKA INDUSTRI ‐ JURUSAN TEKNIK INDUSTRI ‐ ITS

VARIABEL RANDOM
Ruang sampel discrete random variable banyaknya berhingga atau
sederetan anggota yang banyaknya sebanyak bilangan bulat.
SEDANGKAN
Ruang sampel continuous random variable banyaknya tak berhingga
dan banyaknya sebanyak titik pada sepotong garis.

– Data dari cacah/ counting adalah diskrit. Contoh adalah jumlah


cacat
barang cacat. 
– Data dari pengukuran biasanya adalah kontinyu. Contoh adalah
tinggi, temperatur, jarak, dll.

4
STATISTIKA INDUSTRI ‐ JURUSAN TEKNIK INDUSTRI ‐ ITS

VARIABEL RANDOM
VARIABEL RANDOM didefinisikan sebagai :
Fungsi bernilai real yang harganya berhubungan dengan kejadian
sederhana dalam ruangg sampelnya.
p y

CONTOH :
– Jika kandungan mineral dalam beberapa ton air diukur dalam
gram per 1000 galon, maka nilai kandungan tersebut adalah
variabel random.
– Pelemparan mata uang sebanyak tiga kali, hasil yang mungkin
muncul dinyatakan dalam
S {GGG GGA GAA GAG AGG AGA AAG AAA}
S = {GGG, GGA, GAA, GAG, AGG, AGA, AAG, AAA}
bila diperlukan adalah banyak gambar (G) yang muncul, maka
hasil numerik (kuantitatifnya)‐nya adalah 0, 1, 2, 3. Nilai
tersebut merupakan variabel random.

STATISTIKA INDUSTRI ‐ JURUSAN TEKNIK INDUSTRI ‐ ITS

VARIABEL RANDOM
CONTOH :
Gambar dibawah menjelaskan variabel random dari suatu ruang 
sampel yang mempunyai anggota c
l i t 1, c2, c3, dan c
d 4.  X(c
X( 3) adalah 
) d l h
variabel random yang menghubungkan nilai real 2,0 dengan elemen c3. 
Artinya c3 bernilai 2,0. Istilah random digunakan karena nilai dari hasil 
eksperimen c belum dapat dipastikan sebelumnya.

5
STATISTIKA INDUSTRI ‐ JURUSAN TEKNIK INDUSTRI ‐ ITS

VARIABEL RANDOM
Suatu variabel random dinyatakan dalam huruf besar, misalnya adalah X, 
sedangkan nilainya dinyatakan dalam huruf kecilnya, x. 

CONTOH 1 :
Sebuah kontraktor memiliki 4 buah mesin yang digunakan pada suatu 
proses produksi. Diramalkan mesin tersebut memiliki rata – rata usia 
pakai 10 tahun. Namun diharapkan setelah 10 tahun masin tersebut 
masih dapat berfungsi dengan baik. Jika X menyatakan keadaan mesin 
yang baik tentukan ruang sampel dari variabel random X. 
yang baik, tentukan ruang sampel dari variabel random X

STATISTIKA INDUSTRI ‐ JURUSAN TEKNIK INDUSTRI ‐ ITS

VARIABEL RANDOM
PENYELESAIAN :
Kondisi mesin setelah 10 tahun masih BAIK dinotasikan B dan apabila
telah RUSAK dinotasikan
RUSAK dinotasikan R. Jika
R. Jika keempat mesin masih baik, maka
baik, maka
ditulis BBBB, artinya x = 4. Bila satu mesin rusak, maka ditulis BBBR dan
x = 3. Kemungkinan mesin rusak adalah sbb :  
KONDISI MESIN BIL. REAL
RRRR 0
BBBR, BBRB, BRBB, RBBB 3
BBRR, BRBR, RBBR, RBRB, RRBB, BRRB 2
BRRR, RBRR, RRBR, RRRB 1
BBBB 4

Dari tabel di atas, dapat disimpulkan bahwa nilai variabel random X 
adalah 0, 1, 2, 3, 4. Sehingga ruang sampelnya S={x/x= 0, 1, 2, 3, 4}

6
STATISTIKA INDUSTRI ‐ JURUSAN TEKNIK INDUSTRI ‐ ITS

VARIABEL RANDOM
CONTOH 2:
Asumsikan sebuah koin logam dilemparkan dua kali. Maka outcome 
yyang mungkin
g g dihasilkan adalah :
OUTCOME

MM 2 Jika diperhatikan jumlah muka


yang muncul dalam setiap
MB 1 eksperimen, maka outcome
yang non – numerik tersebut
BM 1 dapat ditransformasikan ke
BB dalam nilai numerik
0

Diambil X = variabel random yang menyatakan jumlah muka yang 
muncul. 
TITIK SAMPEL : MM MB BM BB
X: 2 1 1 0

STATISTIKA INDUSTRI ‐ JURUSAN TEKNIK INDUSTRI ‐ ITS

VARIABEL RANDOM
CONTOH 3:
Dimisalkan volume lalu lintas dan kondisi jalan sepanjang 100 km hampir
sama, maka
sama maka terdapat kecenderungan terjadinya kecelakaan disepanjang
jalan tersebut seragam. Jika X adalah variabel random yang nilainya
menyatakan jarak dari km 0 sampaisuatu titik tempat terjadinya kecelakaan. 
MAKA :
Nilai variabel random X adalah setiap titik disepanjang km 0 sampai dengan
km 100, dan dapat ditulis sbb : 0 ≤ x ≤ 100. 
pula ruang sampel S 
Sehingga didapatkan pula ruang S = {x/ 0 ≤ x ≤ 100}
{x/ 0 ≤ x ≤ 100}

7
STATISTIKA INDUSTRI ‐ JURUSAN TEKNIK INDUSTRI ‐ ITS

DISTRIBUSI PROBABILITAS
Peluang terjadinya nilai variabel random X yang meliputi semua nilai
ditentukan melalui distribusi peluang. Distribusi peluang suatu variabel
random X adalah
X adalah himpunan nilai peluang dari variabel random X yang 
random X yang
ditampilkan dalam bentuk tabel dan atau gambar. 

Nama lain dari distribusi probabilitas :


– Distribusi peluang
– Fungsi probabilitas
– Fungsi peluang

STATISTIKA INDUSTRI ‐ JURUSAN TEKNIK INDUSTRI ‐ ITS

DISTRIBUSI PROBABILITAS
CONTOH :
Asumsikan sebuah koin logam dilemparkan dua kali. Maka outcome 
yang mungkin dihasilkan adalah :
yang mungkin
OUTCOME

MM 2 Jika diperhatikan jumlah muka


yang muncul dalam setiap
MB 1 eksperimen, maka outcome
yang non – numerik tersebut
BM 1 dapat ditransformasikan ke
BB dalam nilai numerik
0

Diambil X = variabel random yang menyatakan jumlah muka yang 
muncul. 
TITIK SAMPEL : MM MB BM BB
X: 2 1 1 0

8
STATISTIKA INDUSTRI ‐ JURUSAN TEKNIK INDUSTRI ‐ ITS

DISTRIBUSI PROBABILITAS
Jika diasumsikan koin tersebut ideal. Maka kita memiliki : 
SIMPLE EVENT TITIK SAMPEL X P(Ei)
E1 MM 2 1/4
/
E2 MB 1 1/4
E3 BM 1 1/4
E4 BB 0 1/4

Jika fungsi probabilitas atau distribusi probabilitas dinotasikan :
P(X=x) = f (x)
MAKA :
Fungsi probabilitas atau distribusi probabilitas kasus ini adalah :
x 0 1 2
f(x) 1/4 1/2 1/4

STATISTIKA INDUSTRI ‐ JURUSAN TEKNIK INDUSTRI ‐ ITS

MACAM –– MACAM DISTRIBUSI PROBABILITAS
MACAM 

Distribusi
peluang
diskrit

Distribusi
peluang

Distribusi
p
peluangg
kontinyu

9
STATISTIKA INDUSTRI ‐ JURUSAN TEKNIK INDUSTRI ‐ ITS

MACAM –– MACAM DISTRIBUSI PROBABILITAS
MACAM 

Distribusi binomial

Distribusi binomial -

Distribusi
peluang Distribusi geometrik
diskrit

Distribusi hipergeometrik

Distribusi poison

STATISTIKA INDUSTRI ‐ JURUSAN TEKNIK INDUSTRI ‐ ITS

MACAM –– MACAM DISTRIBUSI PROBABILITAS
MACAM 

Distribusi seragam

Distribusi gamma

Distribusi eksponensial
Distribusi
peluang
kontinyu
Distribusi weibull

Distribusi tipe beta

Distribusi normal

10