9/20/2018

Duduk dengan tenang dan berhentilah

berbicara!
Pastikan Saudara telah tapping
kehadiran!

TAS

#ProbStat=MUDAH
#ProbStat=MUDAH
#ProbStat=MUDAH

1
 9/20/2018

• Hidup ini ibarat berjalan di jalan

raya, kecelakaan tidak hanya
kesalahan kita namun juga karena
kecerobohan orang lain.

Tetang Sikap Waspada

Probabilitas dan Statistika

Aplikasi Independent
Event

#ProbStat=Mudah

2
 9/20/2018

Independent Event
Definisi:
Dua kejadian A dan B dikatakan independen jika:
∩ . atau
Contoh 1:
Dua buah bola diambil secara acak dari sebuah kotak yang berisi 5 bola merah
dan 7 bola putih. Misalkan merupakan kejadian terambilnya bola merah pada
pengambilan pertama, dan merupakan kejadian terambilnya bola merah
pada pengambilan kedua.
Tentukan apakah dan independen jika pengambilan dilakukan:
(a) Dengan pengembalian,
(b) Tanpa Pengembalian

Solusi:
Misalkan:
= Terambilnya Bola Merah pada pengambilan Pertama
= Terambilnya Bola Merah pada pengambilan Kedua

#ProbStat=Mudah

Independent Event

Dengan Pengembalian:
Ruang Sampel Ω Kemungkinan Pengambilan 2 bola = 12x12
Kemungkinan Peristiwa dan ∩ = 5x5
Sehingga Peluang terjadinya peristiwa ∩ :
# ∩
∩
# Ω
25
144
Karena dan , maka
5 5 25
. .
12 12 144
Karena ⋂ . maka dan adalah independen

#ProbStat=Mudah

3
 9/20/2018

Independent Event
Tanpa Pengembalian:
Jika dilakukan tanpa pengembalian, untuk menghitung dengan
tepat maka harus ada informasi telah terjadinya pada pengambilan
pertama. Dengan kata lain, harus ditentukan .
Kejadian dan akan independen jika
Dari Soal diperoleh bahwa
Ingat Teorema Peluang Total: ∑ .

Jadi . .
4 5 5 7
. .
11 12 11 12
20 35
132 132
55 5
132 12
Karena P(BA)≠P(B) maka A dan B adalah tidak independen

#ProbStat=Mudah

Aplikasi Independent Event

Reliabiltas Komponen dalam Sistem

Seri Paralel
C1 C2 C1

C2

Andaikan : Wi event yang menyatakan bekerjanya komponen Ci

P(W1) R(C1) dan P(W2) R(C2)
P(Bekerjanya Sistem seri)= P(Bekerjanya Sistem Paralel)=
P(W1W2)=P(W1).P(W2) P(W1W2)=1 – P(F1F2)

Fi komplemen dari Wi, P(W1W2) = 1 – P(F1). P(F2)

W1 dan W2 saling bebas  F1 dan F2 juga independent

#ProbStat=Mudah

4
 9/20/2018

Aplikasi Independent Event

Contoh 1:
Seseorang mempunyai dua buah komponen yang dapat dipasanga
secara seri maupun paralel. Jika Reliabilitas komponen pertama
adalah 0,95 dan komponen kedua adalah 0,9. Hitung relibilitas
system yang dimiliki jika dipasang secara seri atau parallel!
Seri Paralel

C1
C1 C2
P(W1W2)=P(W1).P(W2)
C2
P(W1W2)=1 – P(F1F2)

#ProbStat=Mudah

Aplikasi Independent Event

Contoh 2:
Misalkan tiga buah komponen membentuk sebuah system dengan
lay-out sebagai berikut:
C1 C2
A B
C3

Jika diketahui R(C1)=0,78, R(C2)=0,85, dan R(C3)=0,95, berapakah

tingkat reliabilitas system tersebut?

#ProbStat=Mudah

5
 9/20/2018

Aplikasi Independent Event

Contoh 3:
Misalkan jaringan A ke B merupakan jaringan tertutup sebagaimana
dalam lay-out berikut:
C1 C2

A B

C3 C4

Jika diketahui R(C1)=0,98, R(C2)=0,89, R(C3)=0,95, dan R(C4)=0,94.

Berapakah tingkat reliabilitas system tersebut?

#ProbStat=Mudah

Aplikasi Independent Event

Contoh 5:
Misalkan 5 buah komponen dipasang dalam sebuah system dengan
lay-out sebagai berikut:
C1 C2

A C3 B

C4 C5

Tentukan berapa reliabilitas system jika diketahui R(C1)=0,89,

R(C2)=0,93, R(C3)=0,75, R(C4)=0,90, dan R(C5)=0,99.

#ProbStat=Mudah

6
 9/20/2018

Probabilitas dan Statistika

Variabel Acak

#ProbStat=Mudah

7
 9/20/2018

Pengertian
• Variabel: Karakteristik yang nilainya berubah-ubah dari satu unit
penelitian ke unit penelitian lainnya

• Variabel Acak: deskripsi numerik dari outcome beberapa

percobaan / eksperimen

• Variabel Acak: Variabel yang nilainya dihasilkan dari pengukuran

beberapa proses acak (random process)

• Variate: Univarite, Bivariate, Multivariate

• Variabel random X adalah fungsi dari S ruang sampel ke bilangan

real R
X : S  R atau X :  R

X :  R Menentukan Jenis VA:

Diskrit atau Kontinu
X ( ) :   }  Range dari X  R X

Variabel Acak: Contoh

Contoh: Dalam menjawab 2 soal ujian, ruang sampel yang

mungkin dari jawaban mahasiswa dilihat benar atau salahnya
adalah:
S={BB,BS,SB,SS}
• Jika X=Banyaknya jumlah jawaban benar, maka Variabel
Acak X yang mungkin adalah:
• {0,1,2}

X
S Banyaknya Jawaban
R
yang benar

BB 0
BS 1
SB
SS 2

8
 9/20/2018

Variabel Acak: Contoh

Distribusi Peluang
X p(X=x) Distribusi Peluang adalah
0 1/4 tabel yang berisi nilai dari
variabel random dan
1 2/4
peluangnya
2 1/4

p ( x)  0
Total 1

 p ( x)  1
 p( X  x )  p( x  0)  p( x  1)  p( x  2)
x
3

 (1 / 4)  (2 / 4)  (1 / 4)
i 1

 4/4

Jenis Variavel Acak

Diskrit Jika Range / RS Finite

Discrete atau Countable

Variabel Mixed
Acak Random Variabel

Kontinu Jika Range / RS Infinite

Continuous atau Uncountable

9
 9/20/2018

Variabel Acak

Diskrit Kontinu
Probability Mass Function Probability Densitas Function
pmf pdf b
p ( x )  P{ X  x} p (a  X  b)   f ( x )dx
d
f ( x)  F ( x)
a

dx
Sifat-sifat
p( x)  0 f ( x)  0
p( X  x)  0

 p( x)  1  f ( x)dx  1


x 

Cummulative
Distribution Function

Variabel Acak: Beberapa Distribusi Peluang

Diskrit Kontinu

Bernoulli Normal

Binomial Uniform Kontinu

Multinomial Beta

Geometrik Gamma

Hipergeometrik Exponensial

Poisson Weibull

Cauchy

Double
Eksponensial

10
 9/20/2018

Variabel Acak Kontinu

Definisi : Variabel random X dikatakan Variabel Random

Kontinyu, jika fungsi distribusinya adalah fungsi kontinu sbb :


x
FX ( x)  f X (t ) dt
Dimana ; 



1. f X (t )  0 2. f X (t ) dt  1


Fungsi fx(x) disebut Probability Density Funtion (pdf) dari

Variabel Random X. Ingat teorema dasar kalkulus


d d
x
F x   f (t ) dt  f X (x)
dx dx 

Probability Density Function

Untuk suatu Interval (a, b)

 
b a
P (a  X  b)  f X ( t )d t  f X ( t )d t
 

  
b  b
 f X ( t )d t  f X ( t )d t  f X ( t ) dt
 a a

Untuk VR X maka berlaku hubungan berikut ini :

P (a  X  b)  P (a  X  b )  P (a  X  b )  P (a  X  b)

f
b
 X ( t ) dt
a

11
 9/20/2018

Cumulative Distribution Function

F ( x)  P( X  x)

F ( x )   p (t ) 
x
F ( x)  f (t ) dt
tx 

Grafiknya : Step Function Grafiknya : Fungsi kontinu

VR CAMPURAN
MIX - RV

Cummulative
Cumulative
Probability
Distribution
Distribution
Density Function
Function
Function

Event Probability of Event

{X=a} Tinggi loncatan grafik dari F(x) di titik x=a

{a<X} 1 – F(a)
{aX} 1 – F(a) + F{X=a}
{Xb} F(b)
{X<b} F(b) - F{X=b}
{a<Xb} F(b) – F(a)
{a<X<b} F(b) – F(a) - F{X=b}
{a  Xb} F(b) – F(a) + F{X=a}
{a  X<b} F(b) – F(a) + F{X=a} - F{X=b}

pX(a) = P { X = a } = tinggi loncatan dari F(x) di x = a

12
 9/20/2018

Contoh Soal
Soal:
Pada RE pengetossan coin tiga kali, diperoleh ruang sampel:
= { GGG, GGA, . . ., AAA}
Terdiri 8 Sample Point yang bersifat Equally likely. Jika X merupakan
Variabel Random yang menyatakan banyaknya GAMBAR, maka
tentukan:
a. 2 b. 2

Jawab:
Jika A event yang menyatakan 2, maka jelas bahwa ⊆ Ω Kenapa?)
a). A 2 : 2
={GGA, AGG, GAG}
∴ 2 ⁄
b). Jika B event yang didefinisikan oleh 2 , maka:
2 : 2
={GAA, AGA, AAG, AAA}
∴ 2 ⁄ ⁄

Contoh Soal

2. Diberikan fungsi distribusi :

0 ; x 0
 1
F(x)  x  2 ; 0  x  12
1 ; x  12

a. Skets grafik F(x), periksa apakah F(x) memenuhi sifat dari fungsi
distribusi
b. Tentukan nilai dari:
i.
ii. 0 )
iii. 0
iv. 0
c. Macam/corak dari VR ?

13
 9/20/2018

Contoh Soal

Solusi :
a. F(x)

0 ; x 0 1
 1
F(x)  x  2 ; 0  x  12
1 ; x  12
 1/2

x
0 1/2

Dari grafik F(x), terlihat bahwa 0 1

 juga merupakan fungsi yang tidak turun
 ∞ 0 dan ∞ 1
 kontinu kanan
Dengan demikian memenuhi sifat dari fungsi distribusi

Contoh Soal

b. Untuk diperoleh:
0 0 0
0 0
1
0
2
1
0 0 2

0 0 0

c. VR X adalah VR- Campuran

14
 9/20/2018

Probabilitas dan Statistika

Ekspektasi, Varians
dan Moment

#ProbStat=Mudah

Distribusi Peluang

Soal 1
Misalkan sebuah variable acak X memiliki fungsi peluang sebagai
berikut:
untuk 1,2,3,4,5
a. Tentukan nilai k sedemikian rupa sehingga fungsi tersebut
merupakan sebuah pmf?
b. Hitung nilai 1
c. Hitung nilai 3

#ProbStat=Mudah

15
 9/20/2018

Distribusi Peluang

Soal 2
Misalkan sebuah variable acak X memiliki fungsi peluang sebagai
berikut:
, 0 2
0,
a. Apakah fungsi tersebut merupakan fungsi densitas peluang?
b. Gambarkan Fungsi Distribusi -nya
c. Hitung nilai 2

#ProbStat=Mudah

Distribusi Peluang

• Misalkan X didefinisikan sebagai Jumlah kedua mata dadu

yang muncul dalam pengetosan dua buah dadu.

X P(X=x) X P(X≤x)
2 1/36 2 1/36
3 2/36 3 3/36
4 3/36 4 6/16
5 4/36 5 10/36
6 5/36 6 15/36
7 6/36 7 21/36
8 5/36 8 26/36
9 4/36 9 30/36
10 3/36 10 33/36
11 2/36 11 35/36
12 1/36 12 36/36
Total 36/36
Distribusi Peluang Distribusi Peluang
Kumulatif

#ProbStat=Mudah

16
 9/20/2018

Ekspektasi

• Ekspektasi dari variabel random X ditulis , lambang disebut

Operator Ekspektasi

• Beberapa istilah ekspektasi:

• Expectation; The Mean; The Average; The Expected Value;

Arithmetic Mean; Mathematical Expection.

• Rumus untuk menghitung nilai Ekspektasi:

. ; jika X vrd

. jika X vrk

#ProbStat=Mudah

Contoh Soal
1. Misalkan didefinisikan sebagai jumlah muncul-nya Gambar
pada pengetosan 5 buah coin secara acak. Hitung berapa
Ekspektasi -nya!

2. Misalnya sebuah variabel acak mengikuti distribusi:

jika 1 1
0 jika lainnya

Hitunglah nilai -nya!

#ProbStat=Mudah

17
 9/20/2018

Moment

• Momen ke- dari variabel random didefinisikan sebagai

berikut :

; jika X vrd

. jika X vrk

#ProbStat=Mudah

Varians
• Variansi, terjemahan dari variance, kadang kadang disebut
ragam.
• Variansi dari variabel random , ditulis atau , yang
didefinisikan .
• Apabila dijabarkan, diperoleh:

. ; jika X vrd

. jika X vrk

• Rumus lain yang umum dipergunakan adalah:

• Rumus tersebut dikenal dengan perhitungan varians yang

menggunakan Metode Moment.

#ProbStat=Mudah

18
 9/20/2018

Sifat-sifat Ekspektasi & Varians

• Sifat Ekspektasi
.
Jika 0, maka , dimana

• Sifat Varians
.

#ProbStat=Mudah

Fungsi Pembangkit Moment

Fungsi pembangkit momen, terjemahan dari moment generating

functions, diberi lambang : MX (t) atau (t)
• MX (t) = (t) ≜ E(etX)

 e txi p ( X  xi ); jika X vrd

 i
M X (t )   
  e . f ( x )dx; jika X vrk
tx

 

#ProbStat=Mudah

19
 9/20/2018

Fungsi Karakteristik

Fungsi karakteristik (characteristic function) diberikan lambang :

x()
•

 e itxi p ( X  xi ); jika X vrd

 i
X ( )   
  e . f ( x) dx; jika X vrk
itx

 

#ProbStat=Mudah

20