DIKTAT KULIAH

STATISTIK INDUSTRI I
(TIED 1305)

DOSEN : IMAM SODIKIN, ST., MT

JURUSAN TEKNIK INDUSTRI

PROGRAM STUDI TEKNIK INDUSTRI
FAKULTAS TEKNOLOGI INDUSTRI
INSTITUT SAINS & TEKNOLOGI AKPRIND
YOGYAKARTA
2007
 PENDAHULUAN

KOMPETENSI MATA KULIAH:

Setelah mempelajari mata kuliah ini selama satu semester, mahasiswa diharapkan mampu:
Memahami dan menguasai pengetahuan dasar tentang statistik deskriptif, teori
kemungkinan (probabilitas), sampai dengan jenis-jenis distribusi probabilitas baik yang
diskrit maupun kontinu. Pemahaman pengetahuan dasar tersebut ditujukan guna menangani
permasalahan dunia industri (sistem produksi/industri).

Definisi Statistika
Statistika adalah ilmu yang mempelajari bagaimana membuat generalisasi harga
statistik. Obyek statistika adalah data yang kemudian diolah menjadi informasi. Informasi
adalah sesuatu yang sudah siap untuk membuat keputusan

Data informasi
statistika

Data hasil
Produksi Barang siap dijual/diekspor
Statistika
.
.
.
Dsbnya
Informasi
Dua konsep penting dalam statistika :
• Konsep populasi dari sampel
Tujuan : produksi beras tahun depan (2008)
Keputusan impor beras tahun 2007
Untuk menaksir produksi beras tahun 2008 digunakan data-data panenan sebagian
daerah awal tahun 2008.
Produksi beras tahun 2008 = populasi (tidak bisa diketahui tetapi harus ditaksir).
Sebagian daerah penyelidikan = sampel
Populasi : Himpunan semua obyek-obyek yang kita selidiki
Sampel : Himpunan bagian dari populasi

Populasi

sampel

Karakteristik yang dihitung dari populasi disebut parameter.

Karakteristik yang dihitung dari sampel disebut statistik.

Beberapa cara mengubah data menjadi informasi :

1. Menyusun data dalam kelompok (distribusi frekuensi).
2. Menyajikan dalam bentuk gambar (histogram/polygon).
3. Menentukan ukuran tendensi sentral dan deviasi.
Ukuran kondisi sentral
x1 , x 2 , x3 ,  , x n Ukuran yang mewakili data

15 Km
YK
Sampai di Jogja 20 menit
Prambanan
Kecepatan x1 , x 2 , x3 ,  , x n
Kecepatan rata-rata 45 Km/Jam

Tendensi Sentral
Ukuran tendensi sentral yang biasa digunakan adalah mean, median dan modus.
Data x1 , x 2 , x3 , , x n
n
x1 , x 2 , x3 ,  , x n
Mean x = = ∑x i
n i ≡1

x1 = 6 x2 = 4 x3 = 8 x4 = 7
6 + 4 +8 + 7 25
x = = = 6,25
4 4

Sifat-sifat notasi sigma

n
1. ∑( x
i ≡1
i + yi ) = ( x1 + y1 ) +  + ( x n + y n )

= ( x1 + x 2 +  + x n ) + ( y1 + y 2 +  + y n )
n n
= ∑x i ≡1
i + ∑y
i ≡1
i

n n
2. ∑bx 1 = bx1 − bx 2 + .......... .. + bx n = b( x1 + .......... . + xn ) = b∑ x i
i ≡1 i ≡1

n
3. ∑b = b + b +  + b = n ⋅ b
i ≡1

4.
n

∑( x i − x)
2
= ∑ (x
n

i
2
− 2 xi ⋅ x + x 2 ) x= ∑x
i =1
i

i =1 i =1
n
n n
= ∑ xi − 2 ⋅ x ⋅ ∑ xi + n ⋅ x
2 2

i =1 i =1
2 2
 n   n 
 ∑ xi   ∑ xi 
= n

∑ xi − 2  i =1  +  i =1 
2

i =1 n n
 2
 n 
 ∑ xi 
= n
n ⋅ ∑ xi −  i =1 
2

i =1 n

UKURAN DEVIASI

Data ukuran tendensi sentral

Perlunya ukuran deviasi :
a. Mengukur ribuan data
1,5,9 = rata-ratanya adalah 5
Tetapi datanya sangat menyebar
b. Kita mempunyai dua kelompok data yang berbeda tetap mempunyai mean yang
sama.
Contoh :
Kumpulan data I
x1 x2 x3 x4 x5
3 5 7 7 8
Kumpulan data II
y1 y2 y3 y4 y5
1 4 5 9 11

3 + 5 + 7 + 7 + 8 30
x= = =6
5 5
1 + 4 + 5 + 9 + 11 30
y= = =6
5 5

DATA I
0 1 2 3 4 5 6 7 8 9 10 11

DATA II
0 1 2 3 4 5 6 7 8 9 10 11
Dari gambar terlihat bahwa data II lebih menyebar daripada data I. Ukuran deviasi yang
banyak digunakan adalah standar S,

2
 n 
 ∑ xi 
∑( xi − x )
n
xi −  i =1 n 
n 2
∑
2
dimana S =
i =1
i =1
=
n −1 n −1
Contoh :
Data I
Xi X ( Xi −X )
(Xi −X ) 2
Xi
2

3 6 -3 9 9
5 6 -1 1 25
7 6 1 1 49
7 6 1 1 49
8 6 2 4 64
30 16 196

( )
n 2
∑ Xi − X 16
Sx = i =1

5 −1
=
4
= 4 =2

2
 ∑n X i
∑
n

Xi − n
i =1 
196−
30
2
( )
5 = 196− 180 = 4 = 2
Sx = i =1

5−1
=
4 4

Data II
Yi Y (Yi −Y )
(Yi −Y ) 2
Yi
2
 1 6 -5 25 1
4 6 -2 4 16
5 6 -1 1 25
9 6 3 9 81
11 6 5 25 121
30 64 244

( )
n 2
∑ Yi −Y 64
Sy = i =1

5 −1
=
4
= 16 = 4

2
 ∑n Y i
n
 i = 1  244− 30
∑i=1 Y i − n
2
( )
5 = 244− 180 = 64 = 16 = 4
Sy =
5−1
=
4 4 4

DISTRIBUSI FREKUENSI TUNGGAL

1. Teori Singkat
 Distribusi frekuensi tunggal adalah distribusi yang tidak menggunakan interval
(golongan/kelompok) didalam penyusunan tabel distribusi frekuensinya.
Tabel distribusi frekuensi tunggal dibuat dengan cara menggabungkan data yang sama
kedalam satu kelas kemudian dihitung frekuensinya. Setelah tabel distribusi frekuensi
tunggal terbentuk maka untuk mencari mean, median, modus, simpangan standard dan
kuartil 1,2,3 digunakan;

a. Mean ( X ): nilai rata-rata dari sejumlah data.

X =
∑X i fi
n
Dengan Xi = nilai data ke i
fi = frek. Data i
n = banyak data
k = banyak kelas
b. Median (Med): nilai tengah dari data yang telah diurutkan.
Untuk n ganjil med = nilai data ke ½ (n+1).
Untuk n genap med = ½ (nilai data ke ½ + nilai data ke (1/2 n + 1))
c. Modus (Mod) : nilai data yang mempunyai frekuensi tertinggi.
d. Simpangan standard (S);

 n∑ X i 2 f i − ( ∑ X i f i ) 2 
0,5

S = 
 n(n − 1) 

Atau

n * ∑ X 2 − (∑ X )
2

S =
2

n(n − 1)

(berdasarkan banyaknya data tanpa melihat frekuensinya).

e. Kuartil (K) : membagi seluruh distribusi menjadi empat bagian yang sama.
Ki = nilai data ke ¼ (i(n+1)) i = 1,2,3
 Adapun cara pengambilan sampel dengan menggunakan tabel bilangan random dapat
dilakukan seperti dalam contoh soal.

2. Contoh Soal
Disajikan data peserta KB dari suatu Puskesmas sebagai berikut;

16 17 18 19 20 21 22 23 24 25
20 24 28 32 36 40 44 48 24 26
28 30 32 34 36 38 40 42 44 46
18 20 22 24 26 28 30 32 34 36
19 21 23 25 27 29 31 33 35 37

Dari data diatas;

a. Mengambil sampel sebanyak 20 dengan menggunakan tabel bilangan random mulai
dari kolom 1, baris 1 kekanan.
b. Buat tabel distribusi frekuensi tunggal.
c. Hitung mean, median, modus simpangan standar dan kuartil 1,2,3.

3. Penyelesaian
a. Salah satu cara pengambilan sampel dengan tabel bilangan random dapat dilakukan
sebagai berikut;
i. Karena banyaknya data 50 (<=100) maka pengambilan bilangan random
dilakukan 2 digit – 2 digit, misalkan pengambilan bilangan random mulai kolom
1, baris 1 maka sesuai tabel didapat angka 5177 74640 42331 ……. Dst, karena
kita mengambil 2 digit – 2 digit angka tersebut menjadi 51 77 27 46 … dst.

ii. Setiap data usia peserta KB diberi nomor urut sebagai berikut;
Usia peserta KB 16 diberi nomor urut 00 dan 01
 --“-- 20 --“-- 02 dan 03
--“-- 28 --“-- 04 dan 05
--“-- .. --“-- .........
--“-- .. --“-- .........
--“-- .. --“-- .........
--“-- 36 --“-- 96 dan 97
--“-- 37 --“-- 98 dan 99

iii. Bilangan random yang telah terambil pada point a.i. juga merupakan nomor
urut, sehingga bilangan random 21 77 27 46 … mewakili usia pserta KB 21,
32, 22, 26;…..dst.

Disamping itu dapat pula dilakukan sbb:

No. Bil 0 10 20 30 40 50 60 70 80 90
00 – 01 16 17 18 19 20 21 22 23 24 25

02 – 03 20 24 28 32 36 40 44 48 24 26

04 – 05 28 30 32 34 36 38 40 40 44 46

06 – 07 18 20 22* 24 26 28 30 32* 34 36

08 - 09 19 21 23 25 27 29 31 33 35 37

Lebih mudahnya dibuat daftar sebagai berikut;

Daftar pengambilan sampel sebanyak 20(sampel pengambilan) dari 50 data dengan
tabel bil. Random pada baris 1 kolom 1. dapat dilihat tabel sbb.

a. Data
Sampel bil. Random data usia Sampel bil. Random data usia
1. 51 21* 11. 46 26
 2. 77 32 12. 62 44
3. 27 22 13. 16 20
4. 46 26 14. 28 23
5. 40 20 15. 98 37
6. 42 36 16. 03 20
7. 33 32 17. 58 29
8. 12 24 18. 20 18
9. 90 25 19. 41 20
10. 44 36 20. 80 24

b. Tabel distribusi frekuensi tunggal

Kls Usia KB Tabulasi Frek Kls Usia KB Tabulasi Frek
1. 18 / 1 8. 26 // 2
2. 2. 20 //// 4 9. 29 / 1
3. 3. 21 / 1 10. 32 // 2
4. 4. 22 / 1 11. 36 // 2
5. 5. 23 / 1 12. 37 / 1
6. 6. 24 // 2 13. 44 / 1
7. 7. 7. 25 / 1 -- --- --- ----

c. Tabel perhitungan
No. Usia KB frek. Frek. Komulatif X i fi Xi2 fi
(Xi) (fi)
1. 18 1 1 18 324
 2. 20 4 5 80 1600
3. 21 1 6 21 441
4. 22 1 7 22 484
5. 23 1 8 23 529
6. 24 2 10 48 1152
7. 25 1 11 25 625
8. 26 2 13 52 1352
9. 29 1 14 29 841
10. 32 2 16 64 2048
11. 36 2 18 72 2592
12. 37 1 19 37 1369
13. 44 1 20 44 1936

b. Mean ( X ) = 535/20 = 26,75

Median (Med) = ½ (data ke 10 + data ke 11)
= ½ (24 + 25) = 24,5
Modus (Mod) = 20
0,5
(20 )(15293 ) − (535 ) 2 
Simpangan standard (S) =  
 (20 )(19 ) 
= 7,1883
Kuartil 1 (K1) = nilai data ke ¼ (1(20+1))
= nilai data ke 5,25

K1 = nilai data ke 5 + 0,25 (nilai data ke 6 – nilai data ke 5)

= 20 + 0,25 (21-20) = 20,25

Kuartil 2 (K2) = nilai data ke ¼ (2(20+1))

= nilai data ke 10,5
K2 = nilai data ke 10 + 0,5 (nilai data ke 11 – nilai data ke 10)
 = 24 + 0,5 (25-24) = 24,5

Kuartil 3 (K3) = nilai data ¼ (3(20+1))

= nilai data ke 15, 75
K3 = nilai data ke 15 + 0,75 (nilai data ke 16 – nilai data ke 15)
= 32 + 0,75 (32-32) = 32

4. Kesimpulan
Rata-rata usia peserta KB = 27 tahun
Median = 25 tahun
Modus = 20 tahun
Simpangan standard = 7 tahun
Kuartil 1 = 20 tahun
Kuartil 2 = 25 tahun
Kuartil 3 = 32 tahun.

DISTRIBUSI FREKUENSI BERUPA INTERVAL

1. Teori Singkat
Distribusi frekuensi berupa interval adalah distribusi yang menggunakan
pengelompokkan dalam penyusunan kelas-kelasnya.
Dalam susunan tabel distribusi frekuensi berupa interval pelu diperhatikan tentang;
a. Range (R).
Range adalah selisih antara nilai data yang terbesar dengan nilai data yang terkecil.
b. Bayaknya kelas (k).
Salah satu cara menentukan banyaknya kelas adalah dengan aturan dari Sturges,
aturan ini menyatakan banyaknya kelas;
K = 1 + 3,32 log n dengan n = banyaknya data.
c. Lebar (interval) tiap-tiap kelas (C).
C = Range / k
d. Limit bawah kelas dan limit atas kelas.
Jika data merupakan angka satuan maka;
Limit bawah kelas = tepi (ujung) bawah kelas – 0,5
Limit atas kelas = tepi (ujung) atas kelas + 0,5
Dan limit atas kelas – limit bawah kelas = C.
e. Interval disusun mulai data yang terkecil atau terbesar dan susun ke bawah.
f. Titik tengah (Xi) = ½ (nilai data tepi bawah kelas + nilai data tepi atas kelas).
g. Hitung frekuensi tiap-tiap kelas dengan jalan memeriksa setiap data masuk ke
dalam kelas yang sesuai.
Setelah tabel distribusi frekuensi berupa interval terbentuk maka untuk mencari mean,
median, modus, simpangan standard dan kuartil 1, 2, 3, digunakan;
Mean X = (Σ Xi fi) / n
Dengan
Xi = titik tengah kelas i.
fi = frekuensi kelas ke i.
k = banyaknya kelas.
n = banyaknya data.

1 / 2n − F
Median Med = LBmed + *C
f med

Dengan
 LBmed : limit bawah kelas median.
fmed : frekuensi pada kelas median.
C : lebar kelas.
F : frek. komulatif semua kelas sebelum kelas median.

A
Modus Mod = LBmod + *C
A +B
Dengan
LBmed : limit bawah kelas modus.
A: selisih frek. kelas modus dengan frek. kelas terdekat sebelumnya.
B: selisih frek. kelas modus dengan frek. Kelas terdekat sesudahnya.
Kelas modus: kelas yang mempunyai frek. tertinggi.
Simpangan standard.

 n∑ X i 2 f i − ( ∑ X i f i ) 2 
0,5

S = 
 n * (n − 1) 

(i * 1 / 4n) − Fi
Kuartil Ki = LKi +
fK i

Dengan
Ki : kuartil ke i dan i = 1, 2, 3
LKi : limit bawah kuartil ke i
Fi : frek. komulatif kelas-kelas sebelum kelas kuartil ke i.
fKi : frek. kelas kuartil ke i.

2. Contoh Soal
Hasil pengambilan sampel dengan menggunakan tabel bilangan random sebanyak 100
data sebagai berikut;
29 64 118 74 86 53 38 70 64 71
39 78 72 33 64 41 36 78 58 48
42 96 48 43 39 63 71 43 69 60
 72 120 102 26 86 39 20 64 61 39
83 78 96 38 63 71 43 53 86 78
83 103 64 64 78 96 54 48 50 56
139 48 73 63 63 123 62 36 50 112
27 73 42 71 54 28 96 81 63 108
48 100 62 48 62 71 72 63 71 67
28 28 43 39 38 36 83 62 60 83

Dari sampel yang terambil;

a. Susunlah tabel distribusi frekuensi berupa interval.
b. Hitunglah mean, median, modus, simpangan standard dan kuartil 1, 2, 3.

3. Penyelesaian
Range = 139 – 20 = 119
k = 1 + 3, 32 log 100 = 7,64 = (k = 7 atau k = 8)
jika diambil k =8, maka C = 119/8 = 14,875 = 15
Tepi bawah kelas ke 1 = 20 (diurutkan dari data terkecil).
Limit bawah kelas 1 = 20 – 0,5 = 19,5
Limit atas kelas 1 = 15 + 19,5 = 34,5
Sehingga tepi atas kelas ke 1 = 34,5 – 0,5 = 34
Titik tengah kelas ke 1 = ½ * (20 + 34) = 27.
Untuk kelas ke 2, 3, ...8 cara sama dengan diatas.

a. Tabel distribusi frekuensi berupa interval.

Interval kelas Tabulasi Frek
20 – 34 //// /// 8
35 – 49 //// //// //// //// //// 24
50 – 64 //// //// //// //// //// // 27
65 – 79 //// //// //// //// 20
 80 – 94 //// /// 8
95 – 109 //// /// 8
110 – 124 //// 4
125 - 139 / 1

b. Tabel perhitungan
No. Interval Titik tengah frek. Frek. Kom Xi fi Xi2 fi
(Xi) (fi)
1. 20 – 34 27 8 8 216 5832
2. 35 – 49 42 24 32 1008 42336
3. 50 – 64 57 27 59 1539 87723
4. 65 – 79 72 20 79 1440 103680
5. 80 – 94 87 8 87 696 60552
6. 95 – 109 102 8 95 816 83232
7. 110 – 124 117 4 99 468 54756
8. 125 – 139 132 1 100 132 17424
6315 455535
c. Mean = 6315 / 100 = 63,15
Median terletak pada data ke 50 dan pada kelas ke 3
LBmed = 50 – 0,5 = 49,5;
F = 32 dan fmed = 27
( 50 − 32 ) *15 = 59,5
Median = 49,5 +
27

Modus (frek. Tertinggi) terletak pada kelas ke 3.

LBmod = 50 – 0,5 = 49,5
A = 27 – 24 = 3 dan B = 27 -20 = 7
3
Modus = 49,5 + * 15 = 54
3+7

Letak K1 = data ke ¼ (1*100) = data ke 25 dan terletak pada kelas ke 2, sehingga;

 LK1 = 35 – 0,5 = 34,5 ; F1 = 8; fK1 = 24
25 − 8
K1 = 34,5 + * 15 = 45 ,12
24
Letak K2 = data ke ¼ (2*100) = data ke 50 dan terletak pada kelas ke 3, sehingga;

LK2 = 50 – 0,5 = 49,5; F2 = 32; fK2 = 27

50 − 32
K2 = 49,5 + * 15 = 59 ,5
27
Letak K3 = data ke ¼ (3*100) = data ke 75 dan terletak pada kelas ke 4, sehingga;
LK3 = 65 – 0,5 = 64,5; F3 = 59; fK3 = 20
75 − 59
K3 = 64,5 + * 15 = 76 ,5
20

100 * ( 455 .535 ) − ( 6.315 ) 2 

0,5

Simpangan standard =  
 100 * (100 −1) 

= 23,94
4. Kesimpulan
Mean = 63,15
Median = 59,5
Modus = 54
Simpangan standard = 23,94
Kuartil ke 1 = 45,12
Kuartil ke 2 = 59,5
Kuartil ke 3 = 76,5
PROBABILITAS

Statistika membuat generalisasi parameter berdasarkan statistik pasti terjadi kesalahan,

yang bisa kita kerjakan hanya mengontrol kesalahan.
Timbulnya kesalahan dari ketidakpastian probabilitas adalah ukuran ketidak pastian yang
tidak pasti adalah kejadian-kejadian yang muncul dari hasil eksperimen.
Eksperimen yaitu proses yang menghasilkan variasi di dalam hasilnya.
Hasil eksperimen : Out came eksperimen = biasanya dinyatakan dalam huruf-huruf kecil =
c,a,b,….
Ruang sampel : Himpunan semua hasil atau outcame dari suatu eksperimen.
Ruang sampel dinyatakan dengan Ω
Kejadian : Himpunan bagian dari ruang sample.
1. Contoh :
Sebuah mata uang dilontarkan dua kali M : muka dan B : belakang.
Ω = {MM,MB,BM,BB} M M B M
B B
A = Paling sedikit satu muka
A = {MM,MB,BM}
B = Lontaran kedua menghasilkan belakang
B = {MB,BB}
2. Mengamati cuaca antara jam 16.00-17.00
Ω = {Cerah, Mendung, Hujan}

HUBUNGAN ANTAR KEJADIAN

Gabungan:
A ∪ B = { xΙx ∈ A atau x ∈ B}
Ω
Irisan
A ∩ B = { x Ιx ∈ A dan x ∈ B}
Ω

Komplemen

AC = { xΙx ∉ A}

Himpunan A dan B disebut saling asing bila A ∩ B = Ø

Ω={1, 2, 3, 4,........}

Probabilitas P(.) adalah aturan yang mengawankan setiap i dengan bilangan real P

(i ) dengan sifat-sifat sebagai berikut:

1. 0 ≤ P (i ) ≤ 1
n
2. P (Ω) = ∑ P ( i ) = 1
i =1

3. P ( A) = ∑P ( i )
iεΑ

4. Bila A1,A2,A3…..saling asing maka P( ∪ Ai )= ∑P( Ai )

Contoh 1 :
1 1 1 1
Ω = { MB , MM , BM , BB }= , , ,
4 4 4 4
A = {MM,MB,BM}
1 1 1 3
P(A) = + + =
4 4 4 4
B = {MB,BB}
1 1 1
P(B) = + =
4 4 2
1
Α ∩ Β = {MB } = P( Α ∩ Β) =
4

Contoh 2
Ω = {Cerah , Mendung , Hujan } = 0.9, 0.09, 0.01
Akan kita buktikan:

Ρ( Α ∪ Β) = Ρ( Α) + Ρ( Β) − Ρ( Α ∩ Β)

Α ∪ Β = (Α ∩ Β c ) ∪ ( Α ∩ Β) ∪ ( Α c ∩ Β)

∴ Ρ( Α ∪ Β) = Ρ( Α ∩ Βc ) + Ρ( Α ∩ Β) + Ρ( Αc ∩ Β)

Dari lain pihak:

Α = ( Α ∩ Β c ) ∪ ( Α ∩ Β)

Ρ( Α) = Ρ( Α ∩ Βc ) + Ρ( Α ∩ Β)

Atau,
Ρ( Α ∩ Βc ) = Ρ( Α) − Ρ( Α ∩ Β)

Juga berlaku,
Ρ( Β ∩ Αc ) = Ρ( Β) − Ρ( Α ∩ Β)

Akibatnya
Ρ( Α ∪ Β) = Ρ( Α) − Ρ( Α ∩ Β) + Ρ( Α ∩ Β) + Ρ( Β) − Ρ( Α ∩ Β)

= Ρ( Α) + Ρ( Β) − Ρ( Α ∩Β)
Contoh :
3 1 1
Ρ( Α ∪ Β) = + − =1
4 2 4

PROBABILITAS BERSYARAT

Suatu barang diproduksi oleh 3 buah mesin M1, M2, dan M3

M1 M2 M3
C = Produksi cacat

P = Produksi cacat dari semua produksi

Sekarang misalkan kita mengetahui bahwa suatu barang adalah produksi mesim M2.
berapakah probabilitasnya barang tersebut cacat.
Pertanyaan terakhir adalah produksi cacat bersyarat bahwa barang tersebut produksi
M2 P(C/M2).

Definisi:
Misalkan A dan B adalah kejadiah dimana P(B) > 0.
Probabilitas bersyarat A diketahui
B telah terjadi ditulis P(A/B) kita definisikan sebagai :

P( A ∩ B)
P(A/B) =
P ( B)

Contoh:

Kesehatan Berat
Kelebihan Normal Kurang Jumlah
Hipertensi 0,10 0,08 0,02 0,20
Normal 0,15 0,45 0,20 0,80
Jumlah 0,25 0,53 0,22 1,00

A = Hipertensi
B = Kelebihan berat badan
P ( A) = 0,20

P ( A ∩ B) 0,10
P( A / B ) = = = 0,4 ≠ P ( A)
P( B ) 0,25
P( A ∩ B )
Dari definisi P( A / B ) = atau P( A ∩ B) = P( A / B) ⋅ P( B)
P( B)
 P ( A ∩ B)
P( A / B) = ⇒ P( A ∩ B ) = P( A) ⋅ P ( B)
P( B )

Dalam kasus hipertensi : P ( A / B ) ≠ P ( A)

A tergantung pada B.
Untuk hal ini A dan B disebut dependen.
Sekarang lihat eksperimen berikut:
Pelontaran sebuah mata uang seimbang dua kali

Ω = {MM, MB, BM, BB}

A = lontaran kedua mendapat belakang
B = lontaran pertama mendapat muka
1
A = {MB,BB} P ( A) =
2
1
B = {MM, MB} P( B) =
2
1
A ∩ B = {MB} P( A ∩ B) =
4

1
P( A ∩ B) 1
P( A / B) = = 4 = = P( A)
P( B) 1 2
2
P ( A / B ) = P ( A) ⇒ A dan B independen
P ( A ∩ B ) = P ( A) ⋅ P ( B )

A dan B independen ⇒ P( A ∩ B ) = P ( A) ⋅ P( B)
A dan B disebut kejadian independen bila:
a.) P ( A / B ) = P ( A) atau
b.) P ( B / A) = P( B) atau
c.) P( A ∩ B ) = P ( A) ⋅ P( B )

Hubungan dengan rumus :

P ( A ∪ B ) = P ( A) + P ( B ) − P ( A ∩ B )
 P ( A) P ( B / A) P ( A) P ( B ) hanya dalam hal A dan B
independen
atau P ( B ) P ( A / B )

Contoh: (keandalan suatu sistem)

Probabilitas : keandalan : probabilitas suatu sistem dapat bekerja
Sistem A : keandalannya 0,98
Sistem B : keandalannya 0,95
S* : A dan B dihubungkan secara seri
A 0 B

Berapakah keandalan S?
S = A ∩ B dengan A dan B independen
∴P ( S ) = P ( A ∩ B ) = P ( A) ⋅ P ( B ) = (0,98 ) ⋅ (0,95 ) = 0,931

S * , A dan B dihubungkan secara parallel

A

B
S* = A∪ B
P ( S * ) = P ( A) + P ( B ) − P ( A ∩ B )

= 0,98 + 0,95 – 0,931

= 0,995
Contoh:
Misalkan A dan B adalah dua kejadian dimana P ( A) = 0,5 , P ( B ) = 0,25 , P ( A / B ) = 0,8
. Hitung P ( A ∪ B) !
P ( A ∪ B ) = P ( A) + P ( B ) − P ( A ∩ B )
P( A ∩ B) = P ( B) ⋅ P( A / B )

= (0,25) . (0,8)
= 0,2
P ( A ∪ B ) = 0,5 + 0,25 − 0,2
 = 0,55

Variabel Random
X = Pajak yang dibayar (dalam ribuan)
Petugas pajak tertarik pada propinsi pembayar pajak yang membayar suatu harga.
Contoh: melontarkan mata uang yang seimbang dua kali
Ω= {MM, MB, BM, BB}
X = banyaknya muka
X
3
MM
2
MB
1
BM
0
BB
-1

1
P ( x = 2) = P ( MM ) =
4
1
P ( x =1) = P ( MB , BM ) =
2
1
P ( x = 0) = P ( BB ) =
4

Sekarang kita mempunyai daftar

x P ( x = x) = f ( x)
0 1
4
1 1
2
 2 1
4
1

Atau

{(0, 14), (1, 12), (2, 14)}

Tabel atau himpunan { x, f ( x)} disebut distribusi probabilitas dari X atau fungsi
massa probabilitas dari X.
{ x, f ( x)} ⇒ ditulis f ( x ) saja.

f ( x ) adalah distribusi probabilitas dari X bila:

(a) f ( x) ≥ 0

(b) ∑ f ( x) = 1
x

x boleh negatif, tetapi f ( x ) harus ≥ 0

Contoh:
x f ( x) x f ( x) x f ( x) x f ( x)

2 0,4 1 0,0 -2 0,25 0 0,3

8 0,6 3 0,5 0 0,50 1 -0,1
13 0,2 9 0,3 2 0,25 2 0,8
bukan 10 0,2 1 bukan
distribusi distribusi
1 distribusi
probabilitas probabilitas
probabilitas
distribusi
probabilitas

Contoh:
f ( x ) = kx x = 0, 1, 2, 3, 4, 5
(a) Tentukan k agar f ( x ) merupakan distribusi probabilitas
(b) Tentukan P (1 ≤ x ≤ 3)
(c) P ( x ≤ 2)
 (d) P ( x > 3)

Jawab:

(a)
x f ( x) 15 k = 1 x f ( x)

0 0 1 0 0
k=
15
1 k 1 1
15
2 2k 2 2
15
3 3k 3 3
15
4 4k 4 4
15
5 5k 5 5
15
15 k

(b) P (1 ≤ x ≤ 3) = P( x = 1) + P( x = 2) + P ( x = 3)
1 2 3
= + +
15 15 15
6
=
15
(c) P ( x ≤ 2) = P( x = 0) + P ( x = 1) + P( x = 2)

1 2
= 0+ +
15 15
3 1
= =
15 5
(d) P ( x > 3) = P ( x = 4) + P ( x = 5)

4 5
= +
15 15
9 3
= =
15 5
Mean dan Variasi Variabel Random X
Misalkan variabel random X mempunyai probabilitas f ( x ) ditulis E ( x ) atau µ x atau
µ kita definisikan sebagai :

E ( x) = ∑x ⋅ f ( x)
x

Sedang variasi dari x vitulis sebagai Var(x) atau σ 2 x atau σ 2 kita definisikan sebagai:

σ 2 = E( x − µ) = ∑ ( x − µ) 2 f ( x)
2

Mean positif dari variasi disebut durasi standar.

Rumus:
σ 2 = E ( x 2 ) − µ2 dimana

E( x 2 ) = ∑x x
2
⋅ f ( x)

Bukti:

σ 2 = E( x − µ) = ∑ ( x − µ) 2 f ( x)
2

= ∑( x
x
2
− 2 µx + µ 2 ) f ( x)

= ∑x
x
2
f ( x) − 2 µ∑ x f ( x ) +µ 2 ∑ f ( x)
x x

= ∑x
x
2
f ( x ) − 2 µ 2 +µ 2

= E ( x 2 ) − µ2

Contoh:
x f ( x) x x−µ ( x − µ) 2 ( x − µ) 2 x2 x2
f ( x) f ( x) f ( x)
0 0,1 0 -2 4 0,4 0 0
1 0,2 0,2 -1 1 0,2 1 0,2
2 0,4 0,8 0 0 0 4 1,6
3 0,2 0,6 1 1 0,2 9 1,8
 4 0,1 0,4 2 4 0,4 16 1,6
2,0 1,2 5,2

µ = ∑x ⋅ f ( x)
x
=2

σ2 = ∑( x − µ)
x
2
f ( x ) = 1,2

σ2 = ∑x x
2
f(x) −µ2 = 5,2 − (2) 2 = 5,2 − 4 = 1,2

σ = 1,2 = 1,095
Tentukan P( µ − σ ≤ x ≤ µ + σ )
µ + σ = 2 + 1,095 = 3,905
µ − σ = 2 – 1,095 = 0,905
P ( 0,905 ≤ x ≤ 3,905 ) = P ( x = 1) + P ( x = 2) + P ( x = 3) = 0,8