Modul Ajar - Probabilitas - Statistik
Modul Ajar - Probabilitas - Statistik
disusun oleh :
Achmad Fanany Onnilita Gaffar
NIP. 19691023.199802.1.001
Mengetahui
Pembantu Direktur I
Politeknik Negeri Samarinda,
Atas berkat rahmat dan pertolongan Allah jua sehingga Modul Ajar ini
pada akhirnya dapat diselesaikan. Modul Ajar Probabilitas dan Statistik adalah
merupakan buku pegangan bagi mahasiswa Politeknik Negeri Samarinda Jurusan
Teknologi Informasi khususnya untuk Semester II, baik untuk Program Studi
Teknik Informatika maupun Program Studi Teknik Komputer. Modul Ajar ini
sampai dengan tanggal diterbitkannya, adalah merupakan revisi yang ke 3.
Tujuan umum dari pembelajaran mata kuliah ini adalah untuk memberikan
gambaran tentang data statistik dan analisis data, serta mengenalkan konsep-
konsep probabilitas di dalam proses statistik. Mata Kuliah lanjut yang
memerlukan penguasaan mata kuliah Probabilitas dan Statistik adalah :
1. Pemodelan dan Simulasi.
2. Artificial Intelligent (Kecerdasan Buatan).
3. Intelligent System (Sistem Cerdas).
4. Image Processing (Pengolahan Citra).
5. Machine Learning (Pembelajaran Mesin).
6. Data Mining (Penggalian Data).
7. Computer Vision.
8. Intelligent Networking
Semoga buku ini dapat memberikan manfaat yang sebesar-besarnya bagi
siapapun yang terkait, terutama bagi mahasiswa Jurusan Teknologi Informasi
Politeknik Negeri Samarinda.
Penyusun.
iii
DAFTAR ISI
iv
4.2. Variabel Random.....................................................................................33
4.3. Distribusi Probabilitas.............................................................................37
4.4. Latihan....................................................................................................45
BAB 5 VARIABEL RANDOM DISKRIT & KONTINYU.................................46
5.1. Variabel Random Diskrit Uniform..........................................................46
5.2. Variabel Random Diskrit Bernoulli........................................................47
5.3. Variabel Random Diskrit Geometrik......................................................48
5.4. Variabel Random Diskrit Binomial.........................................................49
5.5. Variabel Random Diskrit Pascal.............................................................52
5.6. Variabel Random Diskrit Poisson...........................................................53
5.7. Variabel Random Binomial Variabel Random Poisson......................54
5.8. Variabel Random Kontinyu Uniform......................................................55
5.9. Variabel Random Kontinyu Eksponensial..............................................56
5.10. Variabel Random Kontinyu Gaussian.....................................................56
5.11. Variabel Random Kontinyu Normal Baku..............................................57
5.12. Latihan....................................................................................................58
BAB 6 PENGANTAR STATISTIK.....................................................................60
6.1. Definisi....................................................................................................60
6.2. Expected Value (Nilai Harapan) Mean..............................................62
6.3 Variabel Random Turunan (Derived Random Variable).........................65
6.3. Variance dan Deviasi Standar.................................................................67
6.4. Latihan....................................................................................................69
BAB 7 VARIABEL RANDOM JAMAK.............................................................71
7.1 Pengertian...............................................................................................71
7.2 Variabel Random Turunan dari 2 Variabel Random...............................75
7.3 Covariance dari X dan Y..........................................................................77
7.4 Latihan....................................................................................................81
v
RUANG LINGKUP MATA KULIAH PROBABILITAS & STATISTIK
2
4. Roy D. Yates and David J. Goodman, Probability and Stochastic
Processes: A Friendly Introduction for Electrical and Computer
Engineers, John Wiley & Sons, Inc., Second Edition, 2005, ISBN 0-471-
45259-9.
5. Sistem Penilaian
Sistem Penilaian yang digunakan adalah alokasi bobot persentase kriteria
penilaian yang dinyatakan sebagai berikut :
1. Kehadiran 5%
2. Tugas dan Quiz 25%
3. Ujian Tengah Semester 30%
4. Ujian Akhir Semester 40%
Mahasiswa yang memperoleh nilai di bawah 70 untuk semua kriteria (kecuali
kehadiran) diberi kesempatan mengulang hingga memperoleh nilai yang
diharapkan.
SSSS
3
BAB 1
PENGANTAR TEORI HIMPUNAN
4
Null Set " "
Didefinisikan sebagai himpunan kosong (empty set), dan dinyatakan dengan
A.
Diagram Venn
Digunakan untuk menyatakan relasi himpunan.
Relasi A S dinyatakan dengan Diagram Venn sebagai berikut :
Maka :
5
1.3. Properti Himpunan dan Hukum De Morgan
Jika diketahui :
S 1, 2,3, 4,5, 6, 7,8,9,10
A1 bilangan ganjil 1,3,5, 7,9
A2 bilangan genap 2, 4, 6,8,10
A3 kelipatan 3 3, 6,9
Maka :
Mutually Exclusive (disjoint) Collectively Exhaustive
Jika diketahui :
A1 bilangan ganjil 1,3,5
A2 kelipatan 3 3, 6
A3 bilangan genap 2, 4, 6
Maka :
A1 A2 1,3,5, 6
A1 A2 3
A1 2, 4, 6
A2 1, 2, 4,5
A1 A2 2, 4 A1 A2
De Morgan
A1 A2 1, 2, 4,5, 6 A1 A2
6
1.4. Latihan Soal
1. Jika diketahui :
S 0,1, 2,...20 , A kelipatan 2 , B 2 x 1| x 0, 2, 4, 6 ,
a). A, B , C
b). D A B C
c). E A B C
d). F D E D E
2. Jika diketahui :
S semua mahasiswa Jurusan Teknologi Informasi ,
carilah :
a). A, B
b). D A B
c). E A B
d). F D E D E
7
BAB 2
PENGANTAR PROBABILITAS
8
3. Analisis data
Observasi :
1. Terhadap calon mahasiswa JTI (sumber data)
2. Terhadap industri/pengguna lulusan JTI (sumber data)
Dengan observasi yang berbeda akan diperoleh hasil yang berbeda, sehingga :
Prosedur sama, observasi berbeda Percobaan berbeda
Pelemparan dadu
outcome
outcome
9
Contoh 8 :
Pada pelemparan sebuah dadu, event kelipatan 3 dan kelipatan 2 terjadi
bila muncul angka 6.
4. Collectively Exhaustive. Setiap outcome harus di dalam ruang sampel.
sebuah dadu
E1 S angka 3 1, 2
E2 S angka ganjil 1,3,5
Contoh 10 :
Dari percobaan transmisi data 3 bit diperoleh hasil yang mungkin adalah :
S 000, 001, 010, 011,101,110,111
10
Contoh 11 :
Pelemparan sebuah dadu
Outcome angka = 1, 2, 3, 4, 5, 6
Contoh kejadian :
E1 S angka 3 1, 2 n1 2 P E1 n1 / n 2 / 6 1/ 3
E2 S angka ganjil 1,3,5 n2 3 P E2 n2 / n 3 / 6 1/ 2
P A1 A2 ... An P A1 P A2 ... P An
Contoh 12 :
S 1, 2,3, 4,5, 6
A 3, 6 P A 2 / 6
B 2, 4,5 P B 3 / 6
C A B 2,3, 4,5, 6 P C 5 / 6
P A B P A P B 2 / 6 3 / 6 5 / 6
P C P A B terbukti..........!!!
Teorema 1
Jika A dan B disjoint maka : P A B P A P B
Teorema 2
11
Jika B B1 B2 ...Bn dan Bi B j untuk i j maka :
n
P B P Bi
i 1
Teorema 3
Untuk setiap percobaan dengan ruang sampel : S s1 , s2 ,..., sn , jika
setiap outcome memiliki kemungkinan yang sama (equally likely) maka :
P ( si ) 1/ n 1 i n
Contoh 13 :
Pada pelemparan sebuah dadu, setiap angka yang muncul akan memiliki
probabilitas yang sama yaitu : P ( s) 1/ 6
Teorema 4 : P 0
Teorema 5 : P A 1 P A
Contoh 14 :
S 1, 2,3, 4,5, 6
A 3, 6 P A 2 / 6
A 1, 2, 4,5 P A 4 / 6 1 P A
Teorema 6
Jika A dan B adalah mutually non-exclusive (joint) maka :
P A B P A P B P A B
Contoh 15 :
S 1, 2,3, 4,5, 6
A 3, 6 P A 2 / 6
B 2, 4, 6 P B 3 / 6
A B 6 P A B 1/ 6
A B 2,3, 4, 6 P A B 4 / 6
P A B P A P B P A B 2 / 6 3 / 6 1/ 6 4 / 6
12
2.2. Probabilitas Bersyarat (Kondisional)
Jika diketahui P[A] sebelum percobaan :
P A 1 hampir dipastikan terjadi
P A 1/ 2 mungkin terjadi
P AB
P A | B , untuk P B 0
P B
Contoh 16 :
Sebuah kotak berisi 6 bola hitam (A) dan 4 bola putih (B). Bila diambil 2 bola
secara acak, berapa kemungkinan terambil bola pertama hitam dan kedua putih.
nA1 6 6
P A1
nA1 nB1 4 6 10
13
nB2 4 4
P B2 | A1
nA1 nB2 45 9
4 6 4
P A1 B2 P B2 | A1 * P A1 *
9 10 15
Contoh 17 :
P H 2 | H1 P M 2 | M 1 0.8
sehingga diperoleh :
14
Dari gambar di atas diperoleh :
P H 2 | H1 P M 2 | H1 1 P M 2 | H1 0.2
P H 2 | M 1 P M 2 | M 1 1 P H 2 | M 1 0.2
P H 2 H1 P H 2 | H1 * P H1 (0.8)*(0.5) 0.4
P H 2 M 1 P H 2 | M 1 * P M 1 (0.2)*(0.5) 0.1
Sehingga diperoleh :
P nyala L2 hijau P H 2 P H 2 H1 P H 2 M 1 0.4 0.1 0.5
B A dan P A | B 1
2. Jika A B maka A B AB A , sehingga :
P AB P A
P A | B P A aneh....!!!
P B P B
Contoh 19 :
Pada pelemparan sebuah dadu, jika diketahui A genap , B 2 maka
B A dan P A | B P A / P B 3 / 6 / 1/ 6 3 ........????
3. Hukum Probabilitas Total
Jika diketahui :
S 1, 2,3, 4,5, 6, 7,8,9,10
B 2, 4,8,10
A1 1, 2,3 , A2 4,5, 6 , A3 7,8,9,10
15
maka :
A1 A2 A3 1, 2,3, 4,5, 6, 7,8,9,10 S
Karena B S B S BS B , maka :
B BS B A1 A2 A3 BA1 BA2 BA3
P B P BA1 P BA2 P BA3 P BA1 P BA2 P BA3
Karena :
P BA
P B | A P BA P B | A * P A
P A
Sehingga :
P B P B | A1 * P A1 P B | A2 * P A2 P B | A3 * P A3
3
P B P B | Ai * P Ai
i 1
Teorema :
Jika : A1 A2 ... An S dan B S
n
Maka : P B P B | A1 * P A1
i 1
Contoh 20 :
P B P B | A1 * P A1 P B | A2 * P A2 P B | A3 * P A3
1/ 3 * 3 /10 1/ 3 * 3 /10 2 / 4 * 4 /10
4 /10
16
Contoh 21 :
Dari 100 mahasiswa JTI yang disurvey, 50 orang menyatakan menyukai
hardware dan software, 20 menyatakan menyukai hardware dan 25 orang
menyatakan menyukasi software. Sedangkan 5 orang tidak menyukai
keduanya. Tabel distribusi hasil survey ditunjukkan seperti berikut :
Hardware
Software
Ya Tidak
Ya 50 25
Tidak 20 5
dimana :
P A Suka, B Suka 50 /100 0.5
P A Suka, B Tidak 20 /100 0.2
P A Tidak , B Suka 25 /100 0.25
P A Tidak , B Tidak 5 /100 0.05
17
Probabilitas seorang mahasiswa tidak menyukai hardware bila diketahui
dia menyukai software :
P ( A Tidak , B Suka ) 0.25
P A Tidak B Suka 0.33
P ( B Suka ) 0.75
Contoh 22 :
Kotak B1 berisi 100 dan B2 berisi 200 lampu pijar. Terdapat 15 lampu pijar
rusak pada B1 dan 5 pada B2. Jika satu lampu pijar diambil secara acak dari
kedua kotak tersebut, berapakah probabilitas terambilnya lampu yang
rusak.
Diketahui :
B1 100 , B2 200
R1 lampu rusak pada B1 15
R2 lampu rusak pada B2 5
D lampu rusak terambil dari B1 atau B2 P D .......?
Jawab :
P D | B1 15 /100 3 / 20
P D | B2 5 / 200 1/ 40
Maka diperoleh :
P D P D | B1 * P B1 P D | B2 * P B2
3 / 20 * 1/ 2 1/ 40 * 1/ 2
7 / 80 0.0875 9%
P AB
P A | B
P B
18
Karena : P BA P AB maka :
P BA P AB P A | B * P B
P B | A
P A P A P A
Contoh 23 :
Kotak B1 berisi 100 dan B2 berisi 200 lampu pijar. Terdapat 15 lampu pijar rusak
pada B1 dan 5 pada B2. Jika satu lampu pijar diambil secara acak dari kedua kotak
tersebut, berapa probabilitas terambilnya lampu yang rusak berasal dari kotak B1.
Jawab :
P D | B1 15 /100 3 / 20
P D | B2 5 / 200 1/ 40
P B1 P B2 1/ 2
P D 7 / 80
sehingga diperoleh :
P D | B1 * P B1 3 / 20 * 1/ 2
P B1 | D 0.8571 86%
P D 7 / 80
Bukti :
P AB P A * P B
P A | B P A
P B P B
Dari uraian di atas terbukti bahwa terjadi atau tidaknya kejadian B tidak
berpengaruh pada kejadian A.
19
Contoh 24 :
Pelemparan uang logam 1 kali
S A, G P A P G 1/ 2
Diperoleh :
P GA P G * P A 1/ 2 * 1/ 2 1/ 4
Contoh 25 :
Dari gambar dua lampu lalu lintas di atas (L1 dan L2) diketahui :
M1 = nyala L1 merah H1 = nyala L1 hijau
M2 = nyala L2 merah H2 = nyala L2 hijau
Ujilah apakah M1 dan M2 independen.
Jawab :
Kemungkinan nyala L1 dan L2 ditunjukkan dalam gambar berikut.
20
Jika nyala L2 dianggap tergantung pada nyala L1 maka :
P M 2 H1 P M 2 | H1 * P H1 0.5 * 0.5 0.25
P M 2 M 1 P M 2 | M 1 * P M 1 0.5 * 0.5 0.25
Sehingga diperoleh :
P M 2 P M 2 H1 P M 2 M 1 0.25 0.25 0.5
Uji independensi :
P M 1M 2 P M 1 * P M 2 0.5 * 0.5 0.25
Karena :
P M 2 M1 P M 2 | M1 * P M1 P M 2 * P M1
P M 2 | M1 P M 2
0.25
yang membuktikan bahwa terjadi atau tidaknya kejadian M1 tidak berpengaruh
pada kejadian M2. Terbukti bahwa M1 dan M2 adalah independen.
21
c). Antara Tiga Kejadian
Kejadian A , B, dan C adalah saling bebas (independent) jika dan hanya jika :
P AB P A * P B
P AC P A * P C
P BC P B * P C
P ABC P A * P B * P C
2.3. Latihan
1. Dalam 52 kartu terbagi ke dalam kelompok Leaf, Tree, Heart, Diamond.
Tiap kelompok terdiri dari : 2, 3, 4, 5, 6, 7, 8, 9, 10, Jack, Queen, King, As.
Carilah:
a). P Leaf , P Tree , P Heart , P Diamond
22
c). Probabilitas terambilnya bola Putih di pengambilan ketiga.
d). Probabilitas terambilnya bola pingpong yang cacat setelah semua
bola yang terambil sebelumnya dikembalikan semua.
4. Survey dilakukan untuk mengetahui hubungan antara kebiasaan bermain
game dengan potensi penderita tekanan darah rendah. Dari 50 orang yang
disurvey diperoleh hasil sebagai berikut :
Darah Gamer
Rendah Ya Tidak
Ya 20 15
Tidak 10 5
Carilah :
a). Probabilitas seseorang menderita tekanan darah rendah jika diketahui
memiliki kebiasaan bermain game.
b). Probabilitas seseorang memiliki kebiasaan bermain game jika
diketahui menderita tekanan darah rendah.
5. Survey dilakukan terhadap hasil evaluasi belajar 75 mahasiswa untuk
mengetahui hubungan antara Nilai UTS dan UAS terhadap Nilai Akhir tanpa
melihat nilai tugas dan quiz. Baik nilai UTS, UAS maupun Nilai Akhir
kelompokkan ke dalam dua outcome yaitu tinggi dan rendah. Hasil survey
seperti berikut :
Nilai Akhir
UTS UAS Jumlah
Tinggi Rendah
Tinggi Tinggi 15 10 25
Tinggi Rendah 10 5 15
Rendah Tinggi 10 10 20
Rendah Rendah 5 10 15
Jumlah 40 35 75
Carilah :
a). Probabilitas mahasiswa yang memiliki Nilai Akhir tinggi jika diketahui
memiliki nilai UTS rendah dan UAS tinggi.
b). Probabilitas mahasiswa yang memiliki Nilai Akhir rendah jika
diketahui memiliki nilai UTS tinggi dan UAS rendah.
6. Proses pengiriman paket data ditunjukkan di bawah ini.
23
Pengiriman ke 1 : 0010
Pengiriman ke 2 : 0100 0010
Pengiriman ke 3 : 0101 0100 0010
Carilah :
a). Probabilitas terkirimnya data bit 0 di pengiriman ke 1 dan
probabilitas terkirimnya data bit 1 di pengiriman ke 1.
b). Probabilitas terkirimnya data bit 0 di pengiriman ke 2 dan
probabilitas terkirimnya data bit 1 di pengiriman ke 2.
c). Probabilitas terkirimnya data bit 0 di pengiriman ke 3 dan
probabilitas terkirimnya data bit 1 di pengiriman ke 3.
d). Kemungkinan jumlah data bit 0 yang terkirim di pengiriman ke
4.
7. Koordinasi 2 lampu lalu lintas ditunjukkan dalam gambar berikut.
24
BAB 3
METODE HITUNG
3.2. Permutasi
Sebanyak n obyek yang berbeda dapat disusun dalam urutan yang berbeda. Setiap
susunan yang sudah diurut disebut dengan permutasi. Banyaknya k-permutasi dari
sejumlah n obyek dinyatakan dengan :
n!
n
Pk n k
nk!
dimana k menyatakan jumlah obyek dalam tiap susunan.
Contoh 26 :
Tiga huruf A, B, C dapat disusun menurut urutan :
3!
ABC, ACB, CAB, CBA, BCA, BAC P3 6
3
0 !
25
3!
AB, AC, BC, BA, CA, CB P2 6
3
1 !
Contoh 27 :
Terdapat 4 sahabat, Andri, Anton, Agus, dan Arofiq. Mereka bersepakat untuk
mengundi oleh karena hanya tersisa 3 karcis bioskop dengan posisi duduk : depan,
tengah dan belakang. Berapa banyak kemungkinan hasil undian dari ke-empat
sahabat tersebut untuk memperoleh karcis bioskop di posisi depan, tengah, dan
belakang.
Jawab :
4!
4
P3 24
1 !
3.3. Kombinasi
Sebanyak n obyek yang berbeda dapat disusun dalam kelompok yang berbeda
tanpa memandang urutannya. Setiap kelompok susunan disebut dengan
kombinasi. Banyaknya k-kombinasi dari sejumlah n obyek dinyatakan dengan :
n n k n!
n
Ck
k k ! n k !* k !
Contoh 28 :
Tiga huruf A, B, C dapat disusun dalam kelompok :
3!
ABC C3 1
3
0 !3!
3!
AB, AC, BC C2 3
3
1 !2!
Contoh 29 :
Terdapat 3 kartu : 2, 4, 7 yang ditumpuk dan diposisikan tertutup di atas meja.
Setiap pemain hanya diperbolehkan mengambil satu per satu sebanyak 2 kartu.
Pemain yang dinyatakan pemenang adalah dengan susunan kartu yang terurut
26
(ascending/menaik). Berapa probabilitas setiap pemain untuk memperoleh
kemenangan ?
Jawab :
Jumlah kemungkinan susunan 2 kartu terambil = 2-permutasi dari 3 kartu,
sehingga diperoleh :
3!
outcome1 3 P2 6
1 !
Jumlah kemungkinan susunan 2 kartu terambil adalah tersusun secara ascending
= 2-kombinasi dari 3 kartu, sehingga :
3!
outcome2 3C2 3
1 !2!
Sehingga diperoleh :
outcome2 1
P outcome2
outcome1 2
Bukti :
2, 4 , 2, 7 , 4, 7 , 4, 2 , 7, 2 , 7, 4 outcome1 6
2, 4 , 2, 7 , 4, 7 outcome2 3
P outcome2 3 / 6 1/ 2
k!
k
Pk k k k!
k k!
n! n!
n
Ck * k Pk
.k ! n k
n k !* k ! n k !
27
3.5. Percobaan Bebas (Independent Trial)
Pada suatu percobaan yang dilakukan berulang kali, akan berlaku :
p = probabilitas suatu percobaan yang sukses
1 p = probabilitas suatu percobaan yang gagal
Tiap percobaan adalah independen
Ek ,n
= event yang sukses sebanyak k dalam n percobaan
Probabilitas event yang sukses sebanyak k dalam n percobaan, dinyatakan dengan
n
P Ek ,n * p k * 1 p
n k
Distribusi Probabilitas Binomial
k
Contoh 30 :
Sebuah dadu dilemparkan ke atas sebanyak 5 kali. Hitung probabilitas munculnya
angka 6 sebanyak 3 kali.
Jawab :
P 6 p 1/ 6
n = 5, k = 3,
5
P 63,5 * 1/ 6 * 1 1/ 6
3 5 3
3
3 2
5! 1 5
* *
5 3 !*3! 6 6
10 * 0.005 * 0.694
0.035
Contoh 31 :
Di dalam suatu lomba menembak, setiap penembak diharuskan menembak botol
hingga pecah. Si Fikar memiliki akurasi 80% untuk mengenai sasaran.
a). Berapa probabilitas si Fikar mampu memecahkan 3 botol dalam 5 kali
kesempatan menembak.
b). Berapa probabilitas si Fikar mampu memecahkan 4 botol dalam 5 kali
kesempatan menembak.
Jawab :
n = 5, p = 0.8
28
a). k= 3
5
P Fikar3,5 * 0.8 * 1 0.8
3 5 3
3
5!
* 0.8 * 0.2 10 * 0.512 * 0.04 0.205
3 2
5 3 !*3!
b). k= 4
5
P Fikar4,5 * 0.8 * 1 0.8
4 5 4
4
5!
* 0.8 * 0.2 5 * 0.41 * 0.2 0.41
4 1
5 4 !* 4!
3.6. Latihan
1. Terdapat 10 kesebelasan yang ikut dalam lomba sepak bola. Jika
dikelompokkan menjadi 4 group, carilah :
a). Jumlah kesebelasan yang paling mungkin di tiap group
b). Maksimum jumlah pertandingan yang harus dilakukan oleh tiap
kesebelasan di tiap group.
c). Jumlah group yang memperoleh kemenangan by
d). Peluang setiap kesebelasan untuk memperoleh kemenangan by
2. Persisam berada di group yang sama dengan Persija, Persema, dan
Persebaya. Peluang kemenangan Persisam di setiap pertandingan adalah 50%,
seri 30%, dan kalah 20%. Jika ditetapkan setiap kesebelasan harus bertemu
dengan kesebelasan lain di tiap group adalah dua kali, carilah :
a). Probabilitas Persisam memperoleh kemenangan 4 kali
b). Probabilitas Persisam memperoleh hasil seri 4 kali
c). Probabilitas Persisam memperoleh kekalahan 4 kali
d). Probabilitas Persisam menjadi Juara Group
3. Tim Belanda berada dalam satu group bersama dengan Rusia dan Jepang.
Dalam setiap group diberlakukan sistem satu kali bertemu dengan setiap
lawan. Tim Belanda memiliki peluang menang 60% dan seri 30% di awal
pertemuan dengan lawannya. Tim Belanda memiliki peluang kemenangan
29
80% dan seri 10% jika di pertandingan sebelumnya menang. Jika pada
pertandingan sebelumnya Tim Belanda memperoleh hasil seri, maka di
pertandingan berikutnya memiliki peluang seri 40% dan kalah 10%. Tim
Belanda memiliki peluang kalah 50% dan seri 30% jika di pertandingan
sebelumnya mengalami kekalahan.
a). Gambarkan peluang semua hasil pertandingan Tim Belanda dalam
groupnya dengan menggunakan Diagram Pohon.
b). Hitung probabilitas Tim Belanda memperoleh kemenangan di semua
pertandingan dalam group.
c). Hitung probabilitas Tim Belanda mengalami kekalahan di semua
pertandingan dalam group.
d). Hitung probabilitas Tim Belanda memperoleh hasil seri di semua
pertandingan dalam group.
4. Setalah melalui uji coba sebanyak 100 kali, sebuah robot cerdas telah
dinyatakan 95% berfungsi dengan baik. Carilah :
a). Banyaknya hasil uji coba yang sukses.
b). Probabilitas robot berfungsi dengan baik sebanyak 100 kali.
c). Probabilitas robot mengalami kegagalan fungsi sebanyak 3 kali.
d). Probabilitas robot berfungsi dengan baik sebanyak 100 kali jika
dioperasikan sebanyak 200 kali.
5. Terdapat 6 mobil yang akan masuk ke dalam parkir sebuah mall : avanza,
mazda, xenia, ertiga, inova, dan mercedes. Ruang parkir hanya tersisa untuk 3
mobil saja.
a). Berapa banyak kemungkinan susunan mobil yang mengisi sisa ruang
parkir.
b). Jika semua pemilik mobil di atas bersepakat untuk tidak saling
mendahului, berapa banyak kemungkinan susunan mobil yang mengisi
sisa ruang parkir.
6. Empat tumpukan kartu terdiri dari kartu 7, 4, 6, dan 8. Jika diambil 3
kartu, berapa banyak kemungkinan pasangan kartu yang ada ?
30
7. Yasid, Bambang, Muis, Erlin, dan Alwatan bersama-sama berangkat ke
Singapore. Oleh karena tersisa hanya 3 tiket pesawat maka mereka mengundi
siapa yang berhak berangkat. Berapa banyak kemungkinan hasil undian ?
8. Terdapat 4 kartu As yang ditumpuk dan diposisikan tertutup di atas meja.
Setiap pemain hanya diperbolehkan mengambil satu per satu sebanyak 2
kartu. Pemain yang dinyatakan pemenang adalah yang memperoleh 2 kartu As
merah. Berapa probabilitas setiap pemain untuk memperoleh kemenangan ?
9. Terdapat 4 tumpukan kartu terdiri dari kartu 7,4, 6, dan 8. Jika 3 kartu
diambil kemudian disusun secara ascending (menaik), berapa kemungkinan
susunan yang dapat diperoleh ?
10. Sebuah mata uang logam dilempar sebanyak 5 kali. Hitung probabilitas
munculnya Gambar (G) sebanyak 3 kali.
31
BAB 4
DISTRIBUSI PROBABILITAS
Dengan distribusi data seperti dalam grafik histogram di atas tampak bawah rata-
rata nilai tidak dapat menunjukkan keadaan yang sebenarnya.
Untuk dapat menunjukkan keadaan yang sesungguhnya maka digunakan Fungsi
Distribusi Probabilitas yang dinyatakan dengan Variabel Random.
32
4.2. Variabel Random
Variabel random adalah suatu fungsi yang memetakan tiap outcome s pada ruang
sampel S ke dalam bilangan nyata yang dinyatakan dengan :
X :sS x
Sebagai contoh pada pelemparan uang logam setimbang sebanyak tiga kali. Ruang
sampel berupa S = {GGG, GGA, GAG, AGG, GAA, AGA, AAG, AAA}. Dari
percobaan ini dapat didefinisikan beberapa variabel random yang mampu
memetakan ruang sampelnya ke dalam bilangan real. Salah satu variabel random
yang dapat dibuat adalah X = banyaknya sisi gambar yang muncul. Nilai numerik
0, 1, 2, atau 3 dapat diberikan pada setiap titik sampel.
33
Contoh 32 :
Hasil observasi terhadap 10 mahasiswa untuk mengetahui kecenderungan
mahasiswa dalam menggunakan angkutan menuju kampus adalah sebagai berikut
No. Nama Angkutan
1 Antonio Mobil
2 Ganzales Mobil
3 Fabio Motor
4 Martini Motor
5 Julia Mobil
6 Jessica Motor
7 Sahir Sing Angkot
8 Gagan Malik Angkot
9 Sri Devi Mobil
10 Kartamin Mobil
Observasi yang dilakukan pada urutan nyala lampu dari 2 lampu lalu lintas di atas
akan diperoleh :
34
S s1 , s2 , s3 , s4 H1H 2 , H1M 2 , M 1 H 2 , M 1M 2
Terdapat beberapa event yang dapat dibangun dari ruang sampel di atas, yaitu :
Banyaknya lampu merah yang menyala
Banyaknya lampu hijau yang menyala
Jika didefinisikan : X ( s) banyaknya lampu merah yang menyala, maka :
X s1 X H1 H 2 0
X s2 X H 1 M 2 1
X s3 X M 1H 2 1
X s4 X M 1 M 2 2
dimana :
X = nama variabel random
S x = range dari X
No. Nilai
1 65
2 80
3 75
4 55
5 70
Rata2 69
35
Hasil observasi diperoleh seperti berikut :
Range NH Jml.
0 49 E 0
50 59 D 1
60 69 C 1
70 79 B 2
80 -100 A 1
Maka diperoleh : S E , D, C , B, A
Didefinisikan N adalah variabel random berhingga yang memetakan nilai huruf ke
nilai angka. Jika ditetapkan :
N ( E ) 0.0 N ( D) 1.0 N (C ) 2.0 N ( B) 3.0 N ( A) 4.0
36
2. X dikatakan variabel random kontinyu jika memiliki nilai real
(kontinyu) untuk setiap x.
37
Contoh 34 :
Pada percobaan pelemparan mata uang logam 3 kali, diperoleh hasil observasi
munculnya Angka (A) dan Gambar (G) sebagai berikut :
S AAA, AAG , AGA, GAA, AGG , GGA, GAG , GGG
X s1 X AAA 3 X s5 X AGG 1
X s2 X AAG 2 X s6 X GGA 1
X s3 X AGA 2 X s7 X GAG 1
X s4 X GAA 2 X s8 X GGG 0
Sehingga :
SX 0 1 2 3 Total (n)
Frekuensi, f x 1 3 3 1 8
P x 1/8 3/8 3/8 1/8
38
Teorema PMF
Untuk variabel random diskrit X dengan PMF PX x dan range S X , maka :
2.
xS X
PX x 1
diskontinuitas = PX x
4. FX x FX x i , xi x xi 1 garis horison
Contoh 35 :
39
Pada percobaan pelemparan mata uang logam 3 kali seperti pada contoh
sebelumnya, jika didefinisikan variabel random X adalah banyaknya angka (A)
Diperoleh :
x0 0 (tidak ada angka yang muncul)
0 0
F ( x0 ) f ( x ) P( X 0) 1/ 8
i 0
i
i 0
PMF CDF
SX x 0 1 2 3 Total (n)
f x 1 3 3 1 8
P X x 1/8 3/8 3/8 1/8
F x 1/8 4/8 7/8 1
Grafik Histogram PMF CDF dari contoh di atas adalah seperti berikut :
40
b). Beda CDF
Beda CDF adalah probabilitas random variabel yang berada di antara dua nilai,
dan dinyatakan dengan :
ba
FX b FX a P a X b
Contoh 36 :
Dari contoh sebelumnya diperoleh :
FX x2 FX x1 7 / 8 4 / 8 3 / 8
f x2 3
P x1 X x2
f x 8
41
Jika semua puncak dihubungkan maka akan tampak sebagai berikut :
Teorema PDF
1. f X x 0 untuk semua x.
x
2. FX x f X u .du
3. f X x .dx 1
42
Hubungan antara PDF dan CDF ditunjukkan dalam gambar berikut :
Contoh 37 :
Diketahui suatu variabel random X memiliki CDF seperti berikut :
0 x0
FX x x 0 x 1
1 x 1
43
Karena :
dFX x
fX x
dx
Maka untuk FX x x pada 0 x 1 diperoleh :
dFX x d
fX x x 1
dx dx
Sehingga :
1 0 x 1
fX x
0 x 1
PDF yang diperoleh dapat digambarkan seperti berikut :
44
4.4. Latihan
1. Hasil observasi terhadap mahasiswa JTI untuk evaluasi mata kuliah
Pemrograman adalah seperti berikut :
45
BAB 5
VARIABEL RANDOM DISKRIT & KONTINYU
Contoh 38 :
Dalam percobaan pelemparan sebuah dadu dapat diketahui ruang sampel (S)
adalah :
Jika variabel random N didefinisikan sebagai jumlah titik tiap sisi dadu, maka
diperoleh :
S N n1 , n2 , n3 , n4 , n5 , n6 1, 2,3, 4,5, 6
P n1 P n2 P n3 P n4 P n5 P n6 1/ 6
46
Grafik Histogram PMF diperoleh seperti berikut :
dengan :
1 p x 0
PX x p x =1
0 selain nilai x di atas
dimana : p = [0,1]
Contoh 39 :
Dalam sebuah pengujian program, probabilitas kegagalan program adalah 0.2.
Jika variabel random X didefinisikan sebagai jumlah kegagalan program dalam
sebuah pengujian, maka diperoleh :
S X x1 , x2 0,1 program berhasil (0) dan program gagal (1)
sehingga diperoleh :
0.8 x 0
PX x 0.2 x = 1
0 selain nilai x di atas
47
Grafik histogram PMF diperoleh seperti berikut :
p 1 p
x 1
x 1, 2,3,...
PX x
0 selain nilai x di atas
dimana : p = [0,1]
Contoh 40 :
Dalam sebuah pengujian program, probabilitas kegagalan program adalah 0.2.
Jika variabel random X didefinisikan sebagai jumlah pengujian hingga
ditemukannya kegagalan program, maka diperoleh :
48
P X 1 p
P X 2 p 1 p
P X 3 p 1 p
2
.......
yang secara umum dapat dinyatakan :
p 1 p
x 1
x 1, 2,3,...
PX x
0 selain nilai x di atas
Sehingga diperoleh :
0.2 0.8
x 1
x 1, 2,3,...
PX x
0 selain nilai x di atas
49
Contoh 41 :
Dalam sebuah pengujian program, probabilitas kegagalan program adalah 0.2.
Jika variabel random X didefinisikan sebagai jumlah kegagalan program dalam 3
kali pengujian, maka diperoleh :
S X x1 , x2 , x3 0,1, 2,3
Sehingga :
PMFX PX x P X 0 , P X 1 , P X 2 , P X 3
50
Jumlah kegagalan 2 = 3
Jumlah kegagalan 3 = 1
3!
P X 0 1 . 1 p . 1 p . 1 p
3
. p 0
. 1 p
3 0 !0!
3!
P X 1 3 . p. 1 p . 1 p . p1. 1 p
2
3 1 !1!
3!
P X 2 3 . 1 p . p. p . p2. 1 p
1
3 2 !2!
3!
P X 3 1 . p. p. p
0
. p 3
. 1 p
3 3 !3!
Dengan n = 3 maka dengan menggunakan rumus langsung, diperoleh :
3 3!
P X 0 . 0.2 . 0.8 . 0.2 . 0.8 0.512
0 3 0 0 3 0
0 3 0 !0!
3 3!
P X 1 . 0.2 . 0.8
1 31 1 2
. 0.2 . 0.8 0.384
1 3 1 !1!
3 3!
P X 2 . 0.2 . 0.8 . 0.2 . 0.8 0.096
2 3 2 2 3 2
2 3 2 !2!
3 3!
P X 3 . 0.2 . 0.8 . 0.2 . 0.8 0.008
3 3 3 3 0
3 3 3 !3!
Grafik Histogram PMF :
Jika dilakukan dalam 6 kali pengujian maka diperoleh grafik histogram PMF :
51
5.5. Variabel Random Diskrit Pascal
X adalah variabel random diskrit Pascal jika PMF dari X PX x dinyatakan
dengan :
x 1
pk 1 p
xk
x k , k 1,...
PX x k 1
0 selain nilai x di atas
dimana : p = (0,1) dan k adalah integer dengan k 1.
Contoh 42 :
Dalam sebuah pengujian program, probabilitas kegagalan program adalah 0.2.
Jika variabel random X didefinisikan sebagai jumlah pengujian hingga
ditemukannya k kegagalan program, maka dapat dinyatakan :
A pengujian terakhir ( x) saat ditemukannya kegagalan
B semua pengujian sebelum akhir, terdapat k -1 kegagalan dalam x -1 pengujian
k 1
x 1
P AB P X x p 1 p
k xk
k 1
Misalnya untuk k = 4 diperoleh :
52
x 1
PX x . 0.2 . 0.8
4 j 4
x 4,5,....
3
3
P X 4 . 0.2 . 0.8 0.002
4 0
3
4
P X 5 . 0.2 . 0.8 0.005
4 1
3
................
Grafik Histogram PMF :
Contoh 43 :
Jumlah mahasiswa yang alpa di Jurusan Teknologi Informasi adalah sebagai
berikut :
Rata-
Jan Feb Mar Apr Mei Juni Juli Agt Sept Okt Nop Des
rata
10 15 5 7 13 4 4 12 6 4 3 4 7.25
53
Jika dalam satu minggu terdapat 5 hari efektif maka rata-rata mahasiswa yang
alpa = 0.36 orang/hari. Pada minggu pertama di tahun berikutnya dapat diketahui :
.T 0.36 . 5 1.81
Sehingga diperoleh :
1.81 .e 1.81
0
P X 0 0.164
0!
1.81 .e 1.81
1
P X 1 0.296
1!
1.81 .e 1.81
2
P X 2 0.268
2!
.........
Grafik Histogram PMF :
54
x n x
n .T .T
PX x 1
x n n
nx
n! .T
x
.T
1
n x ! x ! n n
n ! .T
x n x
.T
x 1
n x !n x! n
Jika n maka :
.T
n
1
n! n .T
x
lim PX x lim lim
n n x !n x .T x !
x
n
n
1
n
.T e .T .T
x x
1 e .T
Poisson
x! x!
Jadi, untuk variabel random Binomial dengan n akan mendekati variabel
random Poisson.
1
ba a xb
fX x
0 selain nilai x di atas
dimana : b > a.
0 xa
FX x x a b a a xb
1 xb
55
5.9. Variabel Random Kontinyu Eksponensial
X adalah variabel random kontinyu Eksponensial jika PDF dari X f X x
dinyatakan dengan :
a.e a. x x0
fX x
0 selain nilai x di atas
dimana : a > 0
1 e a. x x0
FX x
0 selain nilai x di atas
x 2
1
fX x .e 2 2
2 2
56
PDF CDF
x 2 z u 2
1 1
fX x .e 2 z e 2
.du
2 2
57
RINGKASAN PMF VARIABEL RANDOM DISKRIT
Uniform
Outcome dengan 1/
j k 1 x k , k 1, k 2,..., j
PX x
probabilitas yang 0 selain nilai x di atas
sama
Bernoulli 1 p x 0
Berhasil/gagal PX x p x =1
0 selain nilai x di atas
Geometrik
p 1 p x 1 x 1, 2,3,...
Uji ke x hingga PX x
0 selain nilai x di atas
ditemukan gagal
Binomial n
p 1 p
n x
x
x 1, 2,3,..., n
Jumlah kegagalan PX x x
0 selain nilai x
dlm n pengujian
Pascal
x 1
pk 1 p
xk
Jumlah pengujian x k , k 1,...
PX x k 1
hingga ditemukan 0
selain nilai x
k gagal
Poisson
.T x .e .T
x 0,1, 2,...
Kejadian pada PX x x!
periode tertentu 0 selain nilai x di atas
5.12. Latihan
1. Hasil observasi terhadap mahasiswa JTI Semester 2 menunjukkan bahwa
20% dari jumlah yang ada memiliki IPK di bawah 2.5. Berapa peluang dari 20
mahasiswa yang dipilih secara acak terdapat :
a). Dua mahasiswa dengan IPK di bawah 2.5
b). Tidak ada mahasiswa dengan IPK di bawah 2.5
c). Kurang dari 4 mahasiswa dengan IPK di bawah 2.5
2. Hasil observasi terhadap mahasiswa JTI Semester 4 menunjukkan bahwa
hanya 10% dari jumlah mahasiswa yang ada tidak menguasai bahasa
58
pemrograman. Tentukan peluang terpilihnya tepat 2 mahasiswa yang tidak
menguasai pemrograman dari 20 sampel secara acak, dengan menggunakan :
a). Distribusi Binomial
b). Aproksimasi Poisson dari Distribusi Binomial.
3. Seleksi mahasiswa dilakukan untuk dipilih sebagai anggota Tim Robot
JTI. Dari 10 calon terdapat 3 mahasiswa yang memiliki keahlian di atas rata-
rata. Para calon diinterview secara intensif dan diseleksi secara random.
a). Berapa persentase calon yang diterima dari jumlah calon yang ada.
b). Berapa probabilitas seorang calon diterima setelah mengalami 5 kali
interview.
4. Seorang mahasiswa melakukan observasi dan menemukan fakta bahwa
perkuliahan yang tidak terlaksana per minggu sebesar 5%.
a). Berapa probabilitas 1 kali perkuliahan tidak terlaksana dalam sebulan.
b). Berapa probabilitas perkuliahan terlaksana penuh dalam sebulan.
c). Berapa probabilitas perkuliahan tidak terlaksana maksimum 2 kali dalam
sebulan.
5. Rata-rata mahasiswa JTI yang berhasil mencapai IP di atas 2.5 tiap
semester adalah 20 orang. Berapa probabilitas 30 mahasiswa berhasil
mencapai IP di atas 2.5 pada semester tertentu.
59
BAB 6
PENGANTAR STATISTIK
6.1. Definisi
Statistik adalah penyajian informasi tentang sesuatu dari hal-hal yang menjadi
obyek observasi yang dinyatakan dalam angka.
Untuk menyatakan rata-rata (average) suatu data observasi dapat menggunakan :
mean, mode, median.
x i
x1 x2 ... xn
xmean i 1
n n
geomean = rata-rata geometris data, dimana :
n
xgeomean n
x
i 1
i n
x1 . x2 .... xn
60
Contoh 44 :
Data observasi tinggi badan tiap tim seperti berikut :
Diperoleh :
Tim I :
72 73 76 76 78
mean = xmean 75
5
geomean = xgeomean 5
72 . 73 . 76 . 76 . 78 74.97
geomean = xgeomean 5
62 . 72 . 76 . 76 . 84 73.62
Beberapa ukuran harapan secara statistik dari hasil observasi data adalah :
1. Expected Value Mean
2. Variance
3. Co-variance
4. Deviasi Standar
5. Korelasi
6. Koefisien Korelasi
61
6.2. Expected Value (Nilai Harapan) Mean
Didefinisikan sebagai : E X X x
S
x.PX x
X
Contoh 45 :
Pada percobaan pelemparan mata uang logam 3 kali seperti pada contoh
sebelumnya, jika didefinisikan variabel random X adalah banyaknya angka (A)
yang muncul maka :
P x0 0 1/ 8 P x1 1 3 / 8 P x2 2 3 / 8 P x3 3 1/ 8
Sehingga :
E X x0 .P x0 x1.P x1 x2 .P x2 x3 .P x3
0 . 1/ 8 1 . 3 / 8 2 . 3 / 8 3 . 1/ 8
12 / 8 1.5
Expected Value di atas menyatakan bahwa dalam 3 kali pelemparan mata uang
logam 3 kali, paling tidak 1 kali akan muncul angka (A).
0 . 1 p 1 . p p
Contoh 46 :
Dalam sebuah pengujian program, probabilitas kegagalan program adalah 0.2.
Jika variabel random X didefinisikan sebagai jumlah kegagalan program dalam
sebuah pengujian, maka diperoleh :
S X x1 , x2 0,1 program berhasil (0) dan program gagal (1)
62
sehingga diperoleh :
0.8 x 0
PX x 0.2 x = 1
0 selain nilai x di atas
E X x.P x X
xS X
p 1 p
x 1
x 1, 2,3,...
PMF PX x
0 selain nilai x di atas
E X x.P x X
xS X
x. p. 1 p x. p.q x 1
x 1
x 1 x 1
p. x.q x 1 Deret Geometri
x 1
Gn x.q x 1
x 1
Gn 1 2q 3q 2 4q 3 ... n.q n 1
q.Gn q 20q 2 30q 3 ... n 1 q n1 n.q n
1 q .Gn 1 q q2 q3 ... q n 1 n.q n
q. 1 q .Gn
n 1
q q2 q3 ... q n n.q
1 q .Gn 1 n 1 .q n n.q n 1
2
Gn
1
n 1 .q n n.q n1
1 q 1 q 1 q
2 2 2
1
Gn
p2
Sehingga :
63
1 1
E X p. x.q x 1 p. 2
x 1 p p
Contoh 47 :
Dalam sebuah pengujian program, probabilitas kegagalan program adalah 0.2.
Jika variabel random X didefinisikan sebagai jumlah pengujian hingga
1
ditemukannya kegagalan, maka : E X 5.
0.2
Artinya, diperkirakan kegagalan program ditemukan setelah 5 kali pengujian.
.T .e .T
x
E X x.PX x x.
x 0 x0 x!
.T .e .T .T
x 1 k
E X .T . .T . .e .T
x 1 x 1 ! k 0 k!
e T
.T .e .T .e .T
.T
64
n
Binomial p 1 p
n x
x
x 1, 2,3,..., n
Jumlah kegagalan PX x x E X n. p
dlm n pengujian 0 selain nilai x
Pascal x 1 k
p 1 p
xk
Jumlah pengujian x k , k 1,... k
PX x k 1 E X
hingga ditemukan 0 p
k gagal selain nilai x di atas
Poisson .T .e x .T
x 0,1, 2,...
Kejadian pada PX x x! E X .T
periode tertentu 0 selain nilai x di atas
E X b a / 2
E X 1/ a
Contoh 48 :
Sebuah usaha penyewaan printer berwarna telah menetapkan biaya cetak
dokumen seperti berikut :
5.000/hal, untuk pencetakan sampai dengan 2 halaman.
65
2000/hal, untuk pencetakan 3 - 4 halaman.
1000/ hal, untuk pencetakan di atas 4 halaman.
Variabel random X didefinisikan sebagai banyaknya halaman yang dicetak oleh
tiap pelanggan. Data hasil observasi aktivitas pencetakan dokumen oleh para
pelanggan per hari diperoleh sebagai berikut :
SX 1 2 3 4 5 Total (n)
f x 30 20 25 15 10 100
Frekuensi,
P x 30/100 20/100 25/100 15/100 10/100
Jika variabel random Y didefinisikan sebagai banyaknya rupiah yang diterima dari
tiap pelanggan, maka dari data observasi di atas diperoleh :
SY 5.000 2.000 1.000 Total (n)
Frekuensi, f y f x 30 20 25 15 10 100
P y 50/100 40/100 10/100
Secara matematis dapat dinyatakan :
P x1 P x2
PY y P x3 P x4
P x
5
E aX b a.E X b
Contoh 49 :
Jika diketahui suatu variabel random X dengan PMF seperti berikut :
66
1/ 4 x 0
PX x 3 / 4 x 2
0 selain nilai x di atas
dan diketahui suatu variabel random Y seperti berikut :
Y g X 2X 4
maka diperoleh :
E X 0 1/ 4 2 3 / 4 3 / 2
E Y E g X E 2 X 4
2.E X 4 2. 3 / 2 4 7
Deviasi standar didefinisikan sebagai batas toleransi sebaran data dari mean-nya,
67
Hasil observasi data di atas dapat dinyatakan : 52 5.1 46.9 57.1
Artinya, data di bawah 46.9 dianggap rendah, dan di atas 57.1 dianggap tinggi.
Dari definisi di atas maka dapat diperoleh :
Var X x 2 E X x
2
x PX x
2
x
xS X
x P x 2 .x.P x
xS X
2
X
xS X
x X
xS X
x
2
.PX x
E X 2 2. x x.P x P x
xS X
X x
2
xS X
X
E X 2 2. x 2 x 2
Var X E X 2 x 2
E X 2 E X
2
Teorema :
1. Jika semua x pada X memiliki nilai yang sama, maka : Var X 0
2. Bernoulli p Var X p 1 p
3. Geometrik p Var X 1 p / p
2
4. Binomial n, p Var X np 1 p
5. Pascal k , p Var X k 1 p / p
2
6. Poisson .T Var X .T
8. Eksponensial Var X 1/ a
2
68
6.4. Latihan
1. Diketahui data penjualan PC dalam satu minggu terakhir adalah seperti
berikut.
69
Berapa kelas diharapkan akan memiliki sedikitnya 15 mahasiswa yang
memperoleh IP di atas 2.5 pada semester berikutnya.
5. Peluang sebuah bangunan mengalami bencana kebakaran adalah 0.01 per
bulannya. Sebuah perusahaan asuransi menawarkan asuransi dengan nilai 50
juta. Biaya asuransi perbulan adalah 500 ribu. Berapa keuntungan yang
diharapkan oleh perusahaan dimaksud bila kontrak berakhir pada saat seorang
pelanggan mengalami bencana kebakaran yang kemudian telah diselesaikan
pembayaran asuransinya.
70
BAB 7
VARIABEL RANDOM JAMAK
7.1 Pengertian
Tiap observasi sebuah Variabel Random.
Dua observasi sebuah Variabel Random.
dua observasi Variabel Random jamak.
Pada sebuah percobaan, lakukan observasi pada sebuah obyek
Modelkan hasil observasi dengan menggunakan variabel random X
Pada percobaan yang sama, lakukan observasi pada dua buah obyek
Modelkan hasil observasi dengan 2 variabel random X dan Y
Deskripsikan model probabilitas menggunakan PMF gabungan
PX ,Y x, y
Contoh 50 :
71
P nyala lampu hijau, sebelum merah menyala ....?
Jawab :
Observasi pada jumlah nyala lampu hijau variabel random X
Observasi pada jumlah nyala lampu hijau sebelum merah nyala Y
Sehingga : PG g PX ,Y x, y contoh: PX ,Y 1, 0 P M 1H 2
PMF gabungan dinyatakan dengan :
0.4 x2 y2
0.1 x 1 y 1
PX ,Y x, y
0.1 x 1 y0
0.4 x0 y0
Atau :
PX ,Y x, y y =0 y =1 y =2
x =0 0.4 0 0
x =1 0.1 0.1 0
x =2 0 0 0.4
72
Teorema :
1. P x, y 1
xS X ySY
X ,Y PX ,Y x, y 0
X , Y B adalah : P B PX ,Y x, y
( x , y )B
Contoh 51 :
Dari contoh di atas, jika B didefinisikan sebagai kejadian dimana X sama
dengan Y maka :
P B PX ,Y 0, 0 PX ,Y 1,1 PX ,Y 2, 2
0.4 0.1 0.4 0.9
Contoh 52 :
Dari contoh sebelumnya diperoleh : S X 0,1, 2 SY 0,1, 2 , maka :
2 2
PX 0 PX ,Y 0, y 0.4 PX 1 PX ,Y 1, y 0.1 0.1 0.2
y 0 y 0
2
PX 2 PX ,Y 2, y 0.4 PX x 0 untuk x 0,1, 2
y 0
73
Contoh 53 :
Jumlah byte (N) dalam sebuah message adalah distribusi geometrik dengan
paramter (1-p). Maksimum ukuran paket : M bytes. Jika didefinisikan variabel
random Q adalah jumlah paket, dan R adalah jumlah byte tersisa seperti gambar
berikut ini
PQ , R q, r PN n P N n P N qM r
p 1 p
x 1
x 1, 2,3,...
PX x
0 selain nilai x di atas
p ' 1 p '
y
x 0,1, 2,...
PY y
0 selain nilai x di atas
dimana : p ' 1 p
sehingga diperoleh :
74
PQ , R q, r PN n P N n
P N qM r
p '. 1 p '
n
1 p . 1 1 p
qM r
1 p . p qM r
PMF marginal :
M 1
PQ q 1 p . p qM r
r 0
M 1
1 p . p qM . p r
q 0
1 pM
1 p . p qM .
1 p
1 p M . pM
q
q 0,1, 2,...
PR r 1 p . p qM r
q 0
1 p . p r p qM
q 0
1
1 p . pr .
1 pM
1 p
M
. pr r 0,1, 2,..., M 1
1 p
75
Contoh 54 :
Pada sebuah pengiriman dokumen melalui fax diketahui untuk text memerlukan
waktu 40 sec. dan untuk gambar/grafik memerlukan waktu 60 sec. Variabel
random S didefinisikan sebagai banyaknya sheet yang terkirim dan variabel
random T didefinisikan sebagai waktu pengiriman untuk teks dan gambar. PMF
dari variabel random gabungan (S,T) diperoleh sebagai berikut :
ST 40, 60 S S 1, 2,3
sehingga :
S D ST .S S S .T 40, 60,80,120,180
PD d
( s ,t ): g ( s ,t ) d
PS ,T s, t
0.15 d 40
0.1 d 60
0.3 d 80
PD d
0.15 0.2 d 120
0.1 d 180
0 selain nilai d di atas
Expected value dari D :
E D d .P d
d S D
D
g S , T .P s, t
sSS tST
S ,T
76
E X Y E X EY
Var X E X X
2
maka untuk 2 variabel random gabungan diperoleh :
Var X Y E X Y
2
X Y
E X Y Y
2
X
E X Y
2
X Y
E X X 2 X X . Y Y Y Y
2 2
E X X E
Y Y 2 2 E X X . Y Y
2
Cov X , Y E XY X .Y
77
atau : Cov X , Y x . y .P x, y
X Y X ,Y
xS X ySY
Contoh 55 :
Dari kasus pengiriman dokumen melalui fax seperti contoh sebelumnya, diketahui
Diperoleh :
S s.PS s 1 0.25 2 0.5 3 0.25 2
T t.PT t 40 0.6 60 0.4 48
Cov S , T E S .T S .T
1 40 0.15 1 60 0.1
2 40 0.3 2 60 0.2 2 48
3 40 0.15 3 60 0.1
6 6 24 24 18 18 96
0
Dengan cara lain diperoleh :
Cov S , T s . t .P s, t s 2 . t 48 .P s, t
S T S ,T S ,T
sS S tST sSS tST
1 2 40 48 0.15
1 2 60 48 0.1
2 2 40 48 0.5
2 2 60 48 0.2
3 2 40 48 0.15
3 2 60 48 0.1
0
Hasil ini menunjukkan bahwa S dan T sangat tidak berhubungan.
Contoh 56 :
78
Jumlah mahasiswa yang alpa di Jurusan Teknologi Informasi adalah sebagai
berikut :
Jan Feb Mar Apr Mei Juni Juli Agt Sept Okt Nop Des Rata-rata
10 15 5 7 13 4 4 12 6 4 3 4 7.25
Sedangkan nilai evaluasi semua mata kuliah jika dirata-rata per bulan adalah
sebagai berikut :
Jan Feb Mar Apr Mei Juni Juli Agt Sept Okt Nop Des Rata-rata
60 50 70 75 50 80 75 60 65 80 80 70 67.92
Jika variabel random X didefinisikan sebagai jumlah alpa mahasiswa, dan Y
adalah nilai rata-rata semua mata kuliah per bulan, maka :
Jan Feb Mar Apr Mei Juni Juli Agt Sept Okt Nop Des Rata-rata
X 10 15 5 7 13 4 4 12 6 4 3 4 7.25
Y 60 50 70 75 50 80 75 60 65 80 80 70 67.92
X.
600 750 350 525 650 320 300 720 390 320 240 280 453.75
Y
Cov X , Y E XY X .Y
453.75 7.25 67.92
38.65
Dapat dikatakan bahwa antara X dan Y memiliki hubungan negatif yang sangat
kuat. Dalam contoh di atas, hasil ini menyatakan bahwa jumlah mahasiswa yang
alpa sangat berpengaruh pada rata-rata semua nilai mata kuliah. Bertambahnya
jumlah alpa mahasiswa akan mengurangi rata-rata semua nilai mata kuliah per
bulan.
Contoh 57 :
Jika dari contoh 2, variabel random Z didefinisikan sebagai jumlah mahasiswa
yang hadir per bulan, maka untuk satu kelas = 24 orang akan diperoleh :
Rata-
Jan Feb Mar Apr Mei Juni Juli Agt Sept Okt Nop Des
rata
Z 14 9 19 17 11 20 20 12 18 20 21 20 16.75
Y 60 50 70 75 50 80 75 60 65 80 80 70 67.92
Z.
840 450 1330 1275 550 1600 1500 720 1170 1600 1680 1400 1176
Y
Cov X , Y E XY X .Y
1176 16.75 67.92
38.65
79
Dapat dikatakan bahwa antara Z dan Y memiliki hubungan positif yang sangat
kuat. Dalam contoh di atas, hasil ini menyatakan bahwa jumlah mahasiswa yang
hadir sangat berpengaruh pada rata-rata semua nilai mata kuliah. Bertambahnya
jumlah mahasiswa yang hadir akan memperbesar rata-rata nilai semua mata kuliah
per bulan.
Contoh 58 :
Dari sebuah observasi diperoleh 3 data image angka 5 seperti dalam gambar
berikut.
Tiap piksel akan bernilai 0 untuk warna gelap dan nilai 1 untuk warna putih. Jika
variabel random X, Y, dan Z didefinisikan sebagai rata-rata nilai piksel per kolom,
maka :
S X 0.5, 0.625, 0.625, 0.625, 0.625, 0.5, 1, 1
SY 0.375, 0.75, 0.5, 0.625, 0.625, 0.75, 1, 1
S Z 0.5, 0.75, 0.625, 0.625, 0.5, 1, 1, 1
Kolom X Y Z XY XZ YZ
1 0.500 0.375 0.500 0.188 0.250 0.188
2 0.625 0.750 0.750 0.469 0.469 0.563
3 0.625 0.500 0.625 0.313 0.391 0.313
4 0.625 0.625 0.625 0.391 0.391 0.391
5 0.625 0.625 0.500 0.391 0.313 0.313
80
6 0.500 0.750 1.000 0.375 0.500 0.750
7 1.000 1.000 1.000 1.000 1.000 1.000
8 1.000 1.000 1.000 1.000 1.000 1.000
Mean 0.688 0.703 0.750 0.516 0.539 0.564
Cov. 0.032 0.023 0.037
More Definition
1. Korelasi antara X dan Y dinyatakan dengan rX ,Y sehingga :
E XY rX ,Y Cov X , Y E XY X .Y rX ,Y X .Y
6. X ,Y 0 jika :
7. X ,Y 0 jika :
7.4 Latihan
1. Diketahui 3 persamaan seperti berikut :
a). y1 x 2 x 1
2
81
b). y2 x 1
2
c). y2 x x
2
Tentukan hubungan yang paling kuat antara Alpa Mahasiswa, Alpa Dosen,
dengan Nilai Evaluasi Mahasiswa per bulan.
82