STATISTIKAINDUSTRI

[VARRANDOM&DISTRIBUSIPROB.]
ADITHYASUDIARNO,ST.,MT.

STATISTIKAINDUSTRI JURUSANTEKNIKINDUSTRI ITS

ANALISISPEMBELAJARAN
STATISTIK
DESKRIPTIF

TEKNIK
PENGAMBILAN
SAMPLING

KONSEPDASAR
STATISTIKA

KONSEPPELUANG/
PROBABILITAS

RANDOM
VARIABLE

DISTRIBUSI
PROBABILITAS : DISKRIT
PROBABILITAS:DISKRIT,
KONTINYU,SAMPLING

INTRODUCTION&
PENGANTARSTATISTIKA

DESCRIPTIVESTATISTICS

BASICFORINFERENCE

PENAKSIRAN
PARAMETER

INFERENCESTATISTICS
2

STATISTIKAINDUSTRI JURUSANTEKNIKINDUSTRI ITS

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

STATISTIKAINDUSTRI JURUSANTEKNIKINDUSTRI ITS

PENGANTAR
Modelpeluang untuk suatu fenomena biasanya selalu dispesifikasikan
dalam suatu ruang sampel,yaitu kumpulan hasil eksperimen yang
g
p tidak semua eksperimen
p
p dinyatakan
y
dapat
secara
mungkin.Tetapi
KUANTITATIF,ada juga yangdinyatakan 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.
yang bersifat kualitatif,
kualitatif
Untuk mengkuantifikasikan masalah masalah yangbersifat
maka perlu diperkenalkan konsep VARIABELACAK/RANDOMDAN
DISTRIBUSIPROBABILITAS.

STATISTIKAINDUSTRI JURUSANTEKNIKINDUSTRI ITS

VARIABELRANDOM
Secara umum terdapat dua tipe data:
VARIABLEDATA :disebut juga measurementatau continuous
data. Seperti namanya,dataini
namanya, data ini biasanya merupakan hasil
data.Seperti
pengukuran/perhitungan,merupakan datayangkontinyu dari
suatu rangetertentu.Misal :
Nilai rupiahper1USDsepanjang tahun
Hasil pengukuran tinggi badan pada 1000orang murid
Laju kecepatan fluida dalam pipa distribusi minyak
ATTRIBUTEDATA
ATTRIBUTE DATA :ciri
: ciri khas dataini
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)

STATISTIKAINDUSTRI JURUSANTEKNIKINDUSTRI ITS

VARIABELRANDOM
Olehkarenaitu,variabelrandom jugabisadibagimenjadidua
bagianbesar,yaitu:
DISCRETERANDOMVARIABLE
Suatuvariabelyanghanyamempunyainilaipadatitik
tertentu.Contoh:x=0,1,2,3.Tidakadanilailainyang
dapatdilihat.

CONTINUOUSRANDOMVARIABLE
Suatuvariabeldapatmempunyainilaipadasuaturange
tertentu.Contoh:y>10,dimanamungkindidapatkannilaiy
=11,294ataupuny=11.

STATISTIKAINDUSTRI JURUSANTEKNIKINDUSTRI ITS

VARIABELRANDOM
Contoh discreterandomvariable :
Mahasiswa/i yanghadir tiap kuliah.
Sepeda motoryangparkir
motor yang parkir antara pukul 7.00
7 00 12.00.
12 00
Lamanya waktu yangdiperlukan suatu reaksi kimia dengan
derajat ketelitian tertentu.
Contoh continuousrandomvariable :
Jarak yangditempuh sebuah mobil dengan bahan bakar 10liter
bensin.
Berat seorang bayi yangbaru lahir.
Lamanya waktu yangdiperlukan suatu reaksi kimia.

STATISTIKAINDUSTRI JURUSANTEKNIKINDUSTRI ITS

VARIABELRANDOM
Ruang sampel discreterandom variable banyaknya berhingga atau
sederetan anggota yangbanyaknya sebanyak bilangan bulat.
SEDANGKAN
Ruang sampel continuousrandomvariable banyaknya tak berhingga
dan banyaknya sebanyak titik pada sepotong garis.

Datadari cacah/counting adalah diskrit.Contoh adalah jumlah

cacat
barang cacat.
Datadari pengukuran biasanya adalah kontinyu.Contoh adalah
tinggi,temperatur,jarak,dll.

STATISTIKAINDUSTRI JURUSANTEKNIKINDUSTRI ITS

VARIABELRANDOM
VARIABELRANDOM didefinisikan sebagai :
Fungsi bernilai realyangharganya berhubungan dengan kejadian
sederhana dalam ruangg sampelnya.
p y
CONTOH:
Jika kandungan mineraldalam beberapa tonairdiukur dalam
gramper1000galon,maka nilai kandungan tersebut adalah
variabel random.
Pelemparan mata uang sebanyak tiga kali,hasil yangmungkin
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)yangmuncul,maka
hasil numerik (kuantitatifnya)nya adalah 0,1,2,3.Nilai
tersebut merupakan variabel random.

STATISTIKAINDUSTRI JURUSANTEKNIKINDUSTRI ITS

VARIABELRANDOM
CONTOH:
Gambardibawahmenjelaskanvariabelrandomdarisuaturuang
sampelyangmempunyaianggotac
l
i
t 1,c2,c3,danc
d
X( 3)adalah
) d l h
4.X(c
variabelrandom yangmenghubungkannilaireal2,0denganelemenc3.
Artinyac3 bernilai2,0.Istilahrandomdigunakankarenanilaidarihasil
eksperimencbelumdapatdipastikansebelumnya.

STATISTIKAINDUSTRI JURUSANTEKNIKINDUSTRI ITS

VARIABELRANDOM
Suatu variabel random dinyatakan dalam huruf besar,misalnya adalah X,
sedangkan nilainya dinyatakan dalam huruf kecilnya,x.
CONTOH1:
Sebuahkontraktormemiliki4buahmesinyangdigunakanpadasuatu
prosesproduksi.Diramalkanmesintersebutmemilikirata ratausia
pakai10tahun.Namundiharapkansetelah10tahunmasintersebut
masihdapatberfungsidenganbaik.JikaXmenyatakankeadaanmesin
yang baik tentukan ruang sampel dari variabel random X.
yangbaik,tentukanruangsampeldarivariabelrandom
X

STATISTIKAINDUSTRI JURUSANTEKNIKINDUSTRI ITS

VARIABELRANDOM
PENYELESAIAN:
Kondisi mesin setelah 10tahun masih BAIKdinotasikan Bdan apabila
telah RUSAKdinotasikan
RUSAK dinotasikan R.Jika
R. Jika keempat mesin masih baik,maka
baik, maka
ditulis BBBB,artinya x=4.Bila satu mesin rusak,maka ditulis BBBRdan
x=3.Kemungkinan mesin rusak adalah sbb :
KONDISI MESIN
RRRR
BBBR, BBRB, BRBB, RBBB
BBRR, BRBR, RBBR, RBRB, RRBB, BRRB
BRRR, RBRR, RRBR, RRRB
BBBB

BIL. REAL
0
3
2
1
4

Daritabeldiatas,dapatdisimpulkanbahwanilaivariabelrandomX
adalah0,1,2,3,4.SehinggaruangsampelnyaS={x/x=0,1,2,3,4}

STATISTIKAINDUSTRI JURUSANTEKNIKINDUSTRI ITS

VARIABELRANDOM
CONTOH2:
Asumsikan sebuah koin logam dilemparkan dua kali.Maka outcome
yyangmungkin
g
g dihasilkan adalah :
OUTCOME

MM
MB
BM
BB

2
1
1
0

Jika diperhatikan jumlah muka

yang muncul dalam setiap
eksperimen, maka outcome
yang non numerik tersebut
dapat ditransformasikan ke
dalam nilai numerik

DiambilX=variabelrandomyangmenyatakanjumlahmukayang
muncul.
TITIK SAMPEL :
X:

MM
2

MB
1

BM
1

BB
0

STATISTIKAINDUSTRI JURUSANTEKNIKINDUSTRI ITS

VARIABELRANDOM
CONTOH3:
Dimisalkan volumelalu lintas dan kondisi jalan sepanjang 100kmhampir
sama,maka
sama maka terdapat kecenderungan terjadinya kecelakaan disepanjang
jalan tersebut seragam.Jika Xadalah variabel random yangnilainya
menyatakan jarak dari km0sampaisuatu titik tempat terjadinya kecelakaan.
MAKA :
Nilai variabel random Xadalah setiap titik disepanjang km0sampai dengan
km100,dan dapat ditulis sbb :0x100.
pula ruang sampel S
S ={x/0x100}
{x/ 0 x 100}
Sehingga didapatkan pularuang

STATISTIKAINDUSTRI JURUSANTEKNIKINDUSTRI ITS

DISTRIBUSIPROBABILITAS
Peluang terjadinya nilai variabel random Xyangmeliputi semua nilai
ditentukan melalui distribusi peluang.Distribusi peluang suatu variabel
random Xadalah
X adalah himpunan nilai peluang dari variabel randomXyang
random X yang
ditampilkan dalam bentuk tabel dan atau gambar.
Nama laindari distribusi probabilitas :
Distribusi peluang
Fungsi probabilitas
Fungsi peluang

STATISTIKAINDUSTRI JURUSANTEKNIKINDUSTRI ITS

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

MM
MB
BM
BB

2
1
1
0

Jika diperhatikan jumlah muka

yang muncul dalam setiap
eksperimen, maka outcome
yang non numerik tersebut
dapat ditransformasikan ke
dalam nilai numerik

DiambilX=variabelrandom yangmenyatakanjumlahmukayang
muncul.
TITIK SAMPEL :
X:

MM
2

MB
1

BM
1

BB
0

STATISTIKAINDUSTRI JURUSANTEKNIKINDUSTRI ITS

DISTRIBUSIPROBABILITAS
Jika diasumsikan koin tersebut ideal.Maka kita memiliki :
SIMPLE EVENT
E1

TITIK SAMPEL
MM

X
2

P(Ei)
1/4
/

E2

MB

1/4

E3

BM

1/4

E4

BB

1/4

Jikafungsiprobabilitasataudistribusiprobabilitasdinotasikan:
P(X=x)=f(x)
MAKA:
Fungsiprobabilitasataudistribusiprobabilitaskasusiniadalah:
x
f(x)

0
1/4

1
1/2

2
1/4

STATISTIKAINDUSTRI JURUSANTEKNIKINDUSTRI ITS

MACAM MACAMDISTRIBUSIPROBABILITAS
MACAM

Distribusi
peluang
diskrit
Distribusi
peluang
Distribusi
p
peluang
g
kontinyu

STATISTIKAINDUSTRI JURUSANTEKNIKINDUSTRI ITS

MACAM MACAMDISTRIBUSIPROBABILITAS
MACAM
Distribusi binomial

Distribusi binomial Distribusi

peluang
diskrit

Distribusi geometrik

Distribusi hipergeometrik

Distribusi poison

STATISTIKAINDUSTRI JURUSANTEKNIKINDUSTRI ITS

MACAM MACAMDISTRIBUSIPROBABILITAS
MACAM
Distribusi seragam

Distribusi gamma

Distribusi
peluang
kontinyu

Distribusi eksponensial

Distribusi weibull

Distribusi tipe beta

Distribusi normal

10