PEUBAH ACAK EKSPONENSIAL

MAKALAH
UNTUK MEMENUHI TUGAS MATAKULIAH
Proses Stokastik
Yang dibina oleh Bapak Swasono Rahardjo

Oleh
Heni Dwi Sarminten ( 140312602200 )
Khotijah ( 140312600211 )
Susi Andayani ( 140312600457)

UNIVERSITAS NEGERI MALANG

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
JURUSAN MATEMATIKA
MARET 2017
4.2 PEUBAH ACAK EKSPONENSIAL
Ilustrasi
Distribusi eksponensial dapat dipandang sebagai analog (kontinu) dari distribusi geometrik.
Kita ketahui bahwa distribusi geometrik memodelkan banyaknya percobaan yang dibutuhkan
oleh suatu proses diskrit untuk mengubah keadaan. Sedangkan distribusi eksponensial
menjelaskan waktu untuk proses kontinu untuk mengubah keadaan.
Asumsi laju konstan dalam praktiknya jarang dipenuhi. Misalnya, laju adanya telepon masuk
akan berbeda setiap waktu dalam suatu hari. Namun, jika kita perhatikan selang waktu pada
saat laju konstan, maka distribusi eksponensial dapat dikatakan model yang cukup baik untuk
melihat waktu saat telepon masuk akan terjadi lagi.
Ilustrasi gambar/video
Misalkan disebuah Bank terdapat 2 orang teller yang sibuk melayani nasabah. Tidak ada
orang lain yang antri. Seseorang K yang datang akan dilayani salah satu teller yang telah
selesai dengan nasabah sebelumnya. Jika waktu melayani dari teler ke-i adalah peubah acak
ekspoensial dengan parameter i, hitung E(T), dimana T adalah waktu yang dihabiskan K di
Bank.

Rumus fungsi pdf dari distribusi eksponensial diperoleh dari fungsi distribusi gamma, yaitu:

dan untuk distribusi eksponensial, nilai = 1, sehingga

Dengan demikian, diperoleh pdf dari distribusi eksponensial adalah

Misalkan X peubah acak kontinu dengan fungsi peluang

Peubah acak tersebut disebut peubah acak eksponensial dan distribusinya disebut distribusi
eksponensial.
Karena , maka dapat dicari cdf dari distribusi eksponensial

dengan mengintegralkan pdf-nya sebagai berikut:

, untuk batas dari 0 sampai

Sehingga diperoleh cdf dari distribusi eksponensial adalah

Perhatikan bahwa

Dengan memisalkan

Berdasarkan integral parsial, maka

Sehingga diperoleh ekspektasi distribusi eksponensial adalah

Perhatikan bahwa

Dengan memisalkan

Berdasarkan integral parsial, maka

Sehingga,

Sehingga diperoleh variansi dari distribusi eksponensial adalah

Perhatikan bahwa
Sehingga diperoleh mgf dari distribusi eksponensial adalah

Dapat disimpukan Sifat distribusi dan momennya antara lain:

1. Fungsi distribusi:
2. Ekspektasi:
3. varians

4. Fungsi pembangkit momen atau f.p.m:

Sifat Tanpa Memori

Misalkan X peubah acak. Sifat tanpa memori (memoryless property) pada
adalah sifat dimana peluang lebih dari dengan syarat/diberikan
lebih dari t sama dengan peluang lebih dari , atau
Contoh:
Misalkan X meyatatakan waktu tunggu seseorang mendapatkan kebahagiaan. Peluang orang
tsb menunggu lebih dari 7 tahun setelah dia menunggu lebih dari 5 tahun sama dengan
peluang dia menunggu lebih dari 2 tahun. Orang itu tidak lagi mengingat bahwa dia telah
menunggu selama 5 tahun. Itu sebabnya dikatakan sifat tanpa memori.
Perhatikan bahwa :

Akibatnya:

untuk semua dan .

Yang dipenuhi HANYA oleh X berdistribusi Eksponensial dengan parameter .

Buktinya sebagai berikut : Misalkan maka

Sifat tanpa memori ini tidak dipenuhi oleh distribusi lain. Sebagai contoh,
misalkan X U(0, 1), maka
Contoh/Latihan:
1. Misalkan waktu tunggu (dalam menit) antrian di Bank berdistribusi eksponensial dengan
mean 10. Peluang bahwa seorang nasabah menunggu lebih dari 15 menit untuk dilayani
adalah

Sedangkan peluang seseorang menunggu lebih dari 15 menit setelah dia menunggu lebih dari
10 menit adalah

2. Banyaknya uang yang terlibat dalam kecelakaan adalah peubah acak eksponensial dengan
mean 1000. Banyaknya uang yang dibayar oleh perusahaan asuransi tergantung apakah klaim
pemegang pollis lebih dari 400. Tentukan nilai harapan dan variansi banyak uang yang
dibayar perusahaan asuransi pada setiap kecelakaan. Misalkan X banyak uang yang dibayar
pemegang polis (maksudnya uang yang terlibat dalam suatu kecelakaan, termasuk yang
dibayarkan oleh perusahaan asuransi ke pemegang polis sesuai syarat lebih dari 400).
Misalkan banyak uang yang dibayar oleh perusahaan asuransi. Maka,
Solusi 1:
Solusi 2:

Solusi 3: Misalkan untuk dan untuk yang lain.

Maka

Dengan sifat ekspektasi bersyarat

Sifat tanpa memori dapat juga diilustrasikan dengan fungsi LG atau laju kegagalan
(failure/hazard rate function) dari distribusi eksponensial. Misalkan peubah acak X memiliki
fungsi peluang f dan fungsi distribusi F . Fungsi LG didefinisikan

dimana jika sesuatu memiliki waktu hidup X dan telah bertahan selama waktu t maka laju
akan mengukur peluang sesuatu itu tidak dapat bertahan pada waktu tambahan
Dengan kata lain

atau peluang bersyarat bahwa sesuatu (dengan umur t) akan gagal.

Distribusi Eksponensial muncul pada pemodelan waktu antar kejadian.

Contoh:
 Diaplikasikan pada permasalahan waktu antar kedatangan pada fasilitas jasa, life
time / waktu kegagalan komponen, survival time, dan waktu respon komputer
Waktu panggilan antar pelanggan pada suatu provider
Masa hidup dari suatu alat dan sistem
untuk memodelkan masa pakai atau lifetime komponen elektronik.
Pada permasalahan life time (hingga terjadi break down / failure / kerusakan), misal
life time dari lampu, TV, kulkas
Kerusakan yang diakibatkan oleh pemakaian berkala (misal pemakaian mesin), tidak
berlaku distirbusi eksponensial. Lebih tepat menggunakan distribusi GAMMA atau
distribusi WEIBULL
Dalam teori antrian, jarak antar kedatagan pelanggan di fasilitas pelayanan (seperti
bank, loket kereta api, tukang cukur) memenuhi distribusi eksponensial.
Lama waktu mulai dipakai sampai rusaknya suatu suku cadang dan alat listrik
memenuhi distribusi eksponensial.
Peluang panjang selang waktu kejadian pertama sampai melewati X sama dengan
tidak ada kejadian.
Hal yang perlu diperhatikan adalah parameter dan . Rataan dari distribusi

eksponensial adalah yang sama dengan . adalah rataan antara dua kejadian yang
berturutan.
Teori keandalan (reliability) yang menyangkut kegagalan peralatan sering memenuhi
proses poisson, di sini dapat merepresentasikan waktu rata-rata antara kegagalan.
Banyak kerusakan peralatan memenuhi proses poisson, dan karena itu distribusi
eksponensial dapat diterapkan disitu.
Hubungan distribusi eksponensial dengan proses poisson
Hubungan distribusi eksponensial dengan proses poisson cukup sederhana. Misalkan
distribusi poisson dengan parameter , dimana adalah banyknya kejadian dalam satu satuan
waktu. Misalkan X adalah peubah acak yang menyatakan panjang selang waktu yang
diperlukan agar kejadian pertama terjadi. Dengan distribusi poisson, peluang tidak ada
kejadian yang muncul sampai selang waktu t adalah

Pada suatu kejadian yang mengikuti proses poisson, waktu antar kejadian (atau waktu
kejadian pertama atau ke-1 dari kejadian terakhir, karena sifatnya yang memoryless) tersebut
akan berdistribusi eksponensial. Sedangkan waktu sampai terjadinya kejadian ke- akan
berdistribusi gamma. Proses poisson akan dijelaskan lebih lanjut dengan kelompok
selanjutnya
Fungsi keandalan eksponensial merupakan nilai probabilitas sampai waktu tertentu
komponen elektronik masih berfungsi. Distribusi eksponensial berguna dalam mencari selisih
waktu yang terjadi dalam suatu peluang pada daerah tertentu dan juga berguna dalam
mengukur tingkat kegagalan yang mungkin terjadi dalam suatu peluang. Di samping itu,
sebaran ini sering digunakan untuk menentukan peluang waktu hidup suatu komponen, yang
mempunyai sifat seperti berikut :

Contoh Soal/Latihan
1. Jika dan berturut-turut adalah peubah acak eksponensial saling bebas dengan

parameter dan , hitung fungsi kepadatan dan hitung

Jawab

Jika dan berturut-turut adalah peubah acak eksponensial saling bebas, maka secara

bersamaan fungsi kepadatan dari dan adalah

Misalkan , maka distribusi dari adalah

dan
2. Misalkan x adalah waktu (response time) suatu terminal komputer on-line yang merupakan
tenggang waktu antara masuknya suatu permintaan dari pengguna sampai sistem mulai
memberikan tanggapan atas permintaan tersebut, memiliki suatu distribusi eksponensial
dengan waktu tanggap rata-rata 5 detik. Jika seseorang perintah tersebut akan dijalankan
selambat-lambatnya setelah 10 detik.
Jawab
1
P (X 10) = F (10 ; ) = 1 e-10/0,2 = 1 e-2 = 1 0,135 = 0,865
5

3. Suatu sistem memuat sejenis komponen yang mempunyai daya tahan pertahun dinyatakan
oleh perubah acak T yang berdistribusi eksponensial dengan parameter waktu rata-rata
sampai gagal . Bila sebanyak 5 komponen tersebut dipasangkan dalam sistem yang
berlainan, berapa pobabilitas bahwa paing sedikit 2 masih akan berfungsi pada akir tahun ke
delapan?

Jawab:
Probabilitas bahwa suatu komponen tertentu masih akan berfungsi setelah 8 tahun adalah:

t 8
P(T 8) 1
e dt e 5
5
5
8
0, 2

4. Misal peubah acak X menyatakan waktu hidup suatu transistor dan mengikuti sebaran
eksponensial dengan parameter = 100. Tentukan:
a) P [X > 25]
b) P [X > 125]
c) P [X > 125 | X > 25]
 DAFTAR PUSTAKA

Susiswo. 2009. Teori Peluang. Malang : UM PRESS.

Syudha dan khreshna. 2011. Pengantar Proses Stokastik.Institut Teknologi Bandung.

Bain. L. J. and Engelhardt. M. 1992. Introduction To Probability And Mathematical

Statistics.America.
Lampiran 1
Lampiran 2
Tabel distribusi normal baku