Oleh:
RAHMI ELVIANA
1620932015
1.
c. = p dan 2 = p.q
Contoh Kasus Distribusi Bernoully (Pens, 2005) :
Dalam pelemparan koin, ditentukan bahwa munculnya muka (M) adalah SUKSES dan
munculnya belakang (B) adalah GAGAL.
Jawab.
y = 1, jika muncul muka, dan P(M) = p = ,
y = 0, jika muncul belakang, dan P(B) = q = .
Sehingga distribusi peluang dari y menurut bernoulli trial adalah :
P(1) = p1.q(1-1) = p = 0,5
P(0) = p0.q(1-0) = q = 0,5
B. Distribusi Binomial
Distribusi binomial adalah distribusi probabilitas diskrit dari percobaan yang dilakukan
sebanyak n kali dengan masing-masing percobaan mempunyai probabilitas p dan
masingmasing percobaan tidak saling mempengaruhi (independent).
Ciri-ciri percobaan binomial (Pens, 2005) :
1. Percobaan terdiri dari n ulangan
2. Setiap hasil ulangan dapat digolongkan sebagai sukses (S) atau gagal (G)
3. Probabilitas sukses (p) untuk setiap ulangan adalah sama
4. Setiap ulangan harus bersifat independen.
Suatu percobaan dengan n ulangan mempunyai probabilitas sukses p dan gagal q = 1-p.
Jika variabel random X menyatakan banyaknya sukses dalam n ulangan yang bebas,
maka X berdistribusi Binomial dengan distribusi probabilitas (Pens, 2005) :
n
b(x; n, p) p x q n x ,
x
x 0,1,2,....n
Nilai harapan (rata-rata) dan varians dari variabel random yang berdistribusi
Binomial (Pens, 2005) :
= np
= npq
Seorang insinyur elektro sedang mengamati problem arus listrik pada komputer.
Hasil survey terakhir menunjukkan bahwa 10 % komputer yang dipakai mengalami
problem ini. Jika 5 sampel random dipilih dari seluruh populasi amatan, hitung
peluang :
a. terdapat 3 komputer terpilih mengalami kerusakan
b. paling sedikit 3 komputer terpilih mengalami kerusakan
c. kurang dari 3 komputer terpilih mengalami kerusakan
Jawab :
a. Tepat 3 komputer, y = 3
5
p (10%) 3 (90%) 2 0,081
3
P(3)
P(4)
5
p(10%) 5 (90%) 0 0,00001
5
P(5)
Sebuah mata uang dilempar 4 kali, kemungkinan munculnya sisi gambar mempunyai
distribusi Binomial dengan kemungkinan sukses adalah sebagai berikut :
y
4 1
P(Y y)
y 2
1
2
4 y
1
2
P(Y y)
1
2
4 y
4! 1
2!2! 2
6
16
1
2
1
2
1
2
1
2
P( 2)
4
P(3)
3
1
2
1
2
P(0)
P(0)
P(1)
P( 4)
1
16
1
16
4
16
6
16
4
16
1
16
1
2
4! 1
0 1
1!3! 2
4
y
n 0
y
1
2
4 y
4! 1
2!2! 2
1 12 12 4 32
2
16 16 16 16 16
4! 1
3!1! 2
4! 1
4!0! 2
1
2
2 np(1 p) 4 (1 ) 1
3.
9 3
27 27
4
1
5
0
5 2 1
2 1
4 3 3
3 3
32
80 80 32 192
243
243
243
C. Distribusi Multinomial
Karakteristik (Pens, 2005) :
1.
2.
3.
Probabilitas dari k outcome tersebut adalah p1, p2, p3, , pk dan p1+p2+Pk=1
4.
5.
p ( y1 , y2 ,..., y3 )
n!
( p1 ) y1 ( p2 ) y2 ....( pk ) yk
y1!*y 2 !*...* yk !
Dengan:
pi=probabilitas outcome ke-I pada satu trial
p1+p2+Pk=1
y1+y2+yk=n
yi=Jumlah outcome ke-i muncul dalam n trial
Mean dan variansi dari variabel random multinomial yi
i npi
i 2 npi (1 pi )
40!
.(10%)10 .(30%)10 .(60%) 20 0.0005498
10!10!20!
b. i = n.pi = 40.10% = 4
p( y ) Cry11 p r q y r
Dengan
p = probabilitas sukses untuk satu Bernoully Trial
q = 1-p
y = Jumlah trial sampai sukses ke-r terjadi
Mean dan Variansi dari Distribusi Probabilitas Binomial Negatif
r
p
rq
p2
P ( y )
1
1
2
1
2
y 2
dalam selang waktu 1 detik pertama, tingkat keberhasilan pemasangan pada selang
waktu 1 detik kedua dianggap tetap 0,8. dalam 1 rangkaian assembly, terdapat 4 baut
yang harus dipasang. Tentukan :
a. distribusi probabilitas y, yaitu waktu (detik) yang diperlukan untuk memasang ke4 baut dalam 1 assembly.
b. peluang bahwa waktu yang diperlukan untuk memasang ke-4 baut tersebut adalah
6 detik.
Jawab.
a. r = 4 dan p = 0,8 ; q = 0,2 didapat
y 1
y 1
y 4
). p r .q y r (
.(0.8) 4 0.2
(
r 1
3
E. Distribusi Geometri
Karakterisitik (Pens, 2005) :
1. Merupakan Distribusi Binomial Negatif Khusus dengan r =1, sehingga
p ( y ) pq y 1
1
p
q
p2
2.
Dari populasi berukuran N benda, sebanyak k benda diberi label sukses, dan N-k
benda diberi label gagal.
r
*C
C
P( y)
Dengan:
C
y
N r
n y
nr
N
r ( N r ) n( N n)
N 2 ( N 1)
Jawab.
y = jumlah katalis berkadar asam tinggi dari 3 katalis terpilih
N = 10 , n = 3 , r = 4
Maka
P (Y y )
4
y
3 y
10
4 6
0 3 1
a. P(Y 0)
6
10
4 6
1 2 1
b. P (Y 1)
2
10
2. Diketahui dari 100 produk reproduksi VCD terdapat 7 VCD yang rusak. Bila diambil 10
hasil reproduksi VCD secara acak, banyaknya y VCD yang rusak mempunyai distribusi
hypergeometrik sebagai berikut :
G. Distribusi Poisson
distribusi poisson adalah distribusi probabilitas diskrit yang menyajikan frekuensi dari
kejadian acak tertentu. Ini dapat digunakan sebagai pendekatan distribusi binomial.
Ciri-ciri percobaan Poisson (Pens, 2005) :
1. Banyaknya hasil percobaan yang terjadi dalam suatu selang waktu tertentu, tidak
tergantung pada banyaknya hasil percobaan yang terjadi pada selang waktu lain yang
terpisah.
2. Probabilitas terjadinya suatu hasil percobaan selama selang waktu yang singkat,
sebanding dengan panjang selang waktu tersebut, dan tidak tergantung pada banyaknya
hasil percobaan yang terjadi di luar selang waktu tersebut.
3. Probabilitas lebih dari satu hasil percobaan akan terjadi dalam selang waktu yang singkat,
dapat diabaikan.
4. Jika variabel random X menyatakan banyaknya hasil percobaan yang terjadi dalam
selang waktu tertentu, dan adalah rata-rata banyaknya hasil percobaan dalam selang
waktu tersebut, maka X berdistribusi Poisson dengan distribusi probabilitas
p(x; )
e o x
x!
x 0,1,2,...
5!
2. Rata rata banyaknya partikel radioaktif yang melewati suatu penghitung selama 1
milidetik dalam suatu percobaan di laboratorium adalah 4. Berapakah peluang 6 partikel
melewati penghitung dalam suatu milidetik tertentu?
Jawab. y = 6 ; 4
P(Y=6) = 46. e-4 = 0.1042
6!
3. Distribusi Poisson dengan rata-rata 2 dapat dituliskan dengan :
2.
ab
2
(b a) 2
12
2. Sebuah mesin roll menghasilkan lembaran baja dengan ketebalan berkisar antara 150
sampai dengan 200 mm. Tentukan
a. fungsi distribusi peluang,
b. rata-rata dan variansi dari ketebalan baja yang dihasilkan jika dianggap mengikuti
distribusi seragam.
Jawab.
a. Fungsi distribusi probabilitas
f ( y)
1
1
1
b a 200 150 50
a b 150 200
175
2
2
(b a ) 2
12
( 200 150 ) 2
14 . 43
12
B. Distribusi Normal
1. Untuk distribusi dengan rata-rata m dan standar deviasi s, PDFnya adalah
f ( y)
2
2
1
e ( y ) /( 2 )
2
1 y2
f ( y)
e
2
2. Probabilitas kumulatif untuk yy0 adalah integrasi dari fungsi PDF tersebut
F ( y0 )
y0
y0
f ( y)dy
2
2
1
e ( y ) /( 2 ) dy
2
4
4
P(150<x<165) = P
= P(-2,50<Z<1,25)
= P(Z<1.25/-P(Z<2.5)
= 0.8944 0.0062
=0.8882
2. Nilai ujian mahasiswa yang diasumsikan memiliki distribusi normal (rataan = 80,
variansi 2 = 100). Jika mahasiswa yang lulus diinginkan sebesar 99 persen, batas nilai
kelulusan?
Jawab.
Misal variabel random X merupakan nilai ujian mahasiswa
P (X > x) = 0.99
P(X < x) = 0.01
P Z
x 80
0.01
10
x 80
2.33
10
x 80 1 (2.33)
x 56.7
C. Distribusi Gama
Karakteristik Distribusi Gama (Suprayogi, 2006):
1.
X merupakan gamma (, )
2.
3.
Parameter:
, > 0
4.
Rataan
= X
5.
Variansi
2 = 2
2 2 ( 2 ) 2
2. Suatu panggilan telepon datang pada papan switching mengikuti proses Poisson,
dengan rata-rata 5 sambungan datang tiap menit. Tentukan peluang hingga 1 menit
berlalu baru 2 sambungan yang datang.
Jawaban:
Proses Poisson dapat diterapkan dengan menunggu 2 kejadian Poisson terjadi
mempunyai distribusi Gamma dengan b = 1/5 dan = 2. Misalkan X adalah selang
waktu sebelum 2 panggilan telpon datang. Peluangnya adalah:
E. Distribusi Eksponensial
1. Merupakan distribusi gamma dengan a=1, sehingga PDF nya adalah
2. Mean dan variansi distribusi eksponensial
tahun
Misalkan X adalah jumlah komponen yang masih berfungsi hingga akhir tahun ke-8,
maka dengan distribusi binomial.
F. Distribusi Weibull
Contoh Kasus Distribusi Weibull
Masa pakai sebuah mata pahat (dalam jam) mengikuti distribusi Weibull dangan a=8 dan
b=100. Tentukan probabilitas bahwa umur sebuah mata pahat kurang dari 8 jam.
F ( y0 )
y0
f ( y )dy
F y0 1 e
y0
. y ( 1) .e y
dy
Substitusi z=ya dan dz=a.ya-1dy diperoleh
1 e y0
P( y 8) F 8 1 e 8
/ 100
1 e 0.64 0.4773
G. Distribusi Student T
Perhaikan tabel distribusi berikut. Perhatikan nilai yang dilingkari. Nilai tersebut merupakan
nilai dengan derajat kebebasan v = 10 dan = 0,05.
2. Variabel random T diketahui berdistribusi t dengan derajat kebebasan v = 10. Nilai t agar
probabilitas di sebelah kiri 0,05?
Perhaikan tabel distribusi berikut. Perhatikan nilai yang dilingkari. Nilai tersebut
merupakan nilai dengan derajat kebebasan v = 10 dan = 0,05.
3.
PERSOALAN KEANDALAN
Nilai keandalan suatu komponen atau sistem merupakan nilai kemungkinan/probabilitas dari
suatu komponen atau sistem untuk dapat memenuhi fungsinya dalam kurun waktu dan kondisi
tertentu yang sudah ditetapkan (Taufiqurrachman, 2015). Dalam mengevaluasi keandalan suatu
sistem, variabel random yang dipakai umumnya adalah waktu.
Fungsi keandalan merupakan probabilitas suatu alat/ komponen dapat berfungsi sampai suatu
periode t. Berikut persamaan dan grafik Fungsi keandalan.
R(t) e
Berikut persamaan dan grafik Fungsi keandalan utnuk tiap distribusi (Taufiqurrachman, 2015).
1.
Distribusi Hiperexponensial
Fungsi keandalan R(t) = K. e (-2 K t) + (1-K) e [-2 (1-K) t]
2.
Distribusi Normal
Fungsi keandalan R(t)
3.
t 2
2 2
1
. e
. 2 t
dt
Distribusi Eksponensial
Fungsi keandalan R(t) = e (- t)
Prob. T>150 jam merupakan keandalan komponen beroperasi pada jam ke 150.
DAFTAR PUSTAKA
Munir, Rinaldi (2010). Probabilitas dan Statistik diakses tanggal 23 Agustus 2016 pukul 11.12
WIB
dari
http://informatika.stei.itb.ac.id/~rinaldi.munir/Probstat/20102011/Beberapa%20Distribusi%20Peluang%20Kontinu.pdf
Pens (2005). Distribusi Probabilitas diakses tanggal 23 Agustus 2016 pukul 08.08 WIB dari
http://irma.lecturer.pens.ac.id/Statistik/Distribusi%20Probabilitas%20Diskrit.pdf
Suprayogi (2006). Distribusi Probabilitas Kontinyu Teoritis diakses tanggal 23 Agustus 2016
pukul 09.22 WIB dari http://andihm.weblog.esaunggul.ac.id/wpcontent/uploads/sites/1148/2014/04/ESA155_M3_S.pdf
Taufiqurrachman (2015). Distribusi Probabilitas Dan Terminologi Keandalan diakses tanggal
23
Agustus
2016
pukul
13.25
WIB
dari
http://www.taufiqurrachman.weblog.esaunggul.ac.id