2/22/2017

IC205 – Statistika Industri I

Tujuan
1. Mendefinisikan istilah distribusi probabilitas (probability
distribution) dan variabel acak (random variable).
2. Membedakan antara distribusi diskret (discrete
Elty Sarvia , S.T.,M.T. probability distribution) dan distribusi probabilitas
Fakultas Teknik Program Studi Teknik Industri
Universitas Kristen Maranatha kontinu (continuous probability distribution).
Bandung 3. Menghitung rata-rata, variansi, dan standar deviasi dari
suatu distribusi probabilitas
Distribusi Probabilitas Diskret &
Kontinu

2 LT Sarvia/IC205

Apakah Distribusi Probabilitas? Ciri-Ciri Distribusi Probabilitas

1. Probabilitas dari sebuah hasil adalah antara 0
sampai dengan 1.
 Adalah sebuah daftar seluruh hasil percobaan dan probabilitas dari setiap
hasil yang bersangkutan atau hubungan matematis yang menggambarkan 2. Hasil-hasilnya adalah kejadian yang tidak
bagaimana probabilitas didistribusikan ke seluruh nilai-nilai yang berbeda
dari suatu variabel. terikat satu sama lain.
 Biasanya disebut Probability Density Function (PDF) 3. Daftar hasilnya lengkap sehingga jumlah
 Contoh :
probabilitas dari berbagai kejadian adalah 1.
Sebuah pabrik obat menyatakan bahwa sebuah pengobatan dapat menurunkan
berat badan untuk 80% populasi. Sebuah badan perlindungan konsumen menguji
cara pengobatan tersebut pada sebuah sampel yang berjumlah 6 orang. Jika
pernyataan pabrik obat tersebut benar, hampir tidak mungkin menghasilkan sebuah
hasil dimana tidak seorangpun dalam sampel itu berat badannya turun, dan
probabilitas terbesarnya adalah 5 atau 6 orang akan turun berat badannya.
Jumlah keluaran yang diinginkan
Probabilitas dari X atau P(X) = Total Jumlah keluaran yang mungkin

3 LT Sarvia/IC205 4 LT Sarvia/IC205

Variabel Acak Variabel Acak

 Dalam eksperimen apapun mengenai kesempatan,  Random variabel (variabel bebas/acak) dipergunakan
hasilnya selalu muncul secara acak. untuk menghubungkan antara hasil eksperimen
 Variabel acak adalah sebuah kuantitas yang (kualitatif/kuantitatif) menjadi numeric function (fungsi
dihasilkan dari sebuah eksperimen melalui numerik).
kesempatan yang dapat bernilai macam-macam atau
sebuah karakteristik yang diperiksa dan mempunyai
kemampuan untuk mengambil nilai numerik yang Numeric
berbeda-beda. Eksperimen Function
 Disimbolkan dengan huruf seperti : X, Y. (dimana X Random variabel
disebut variabel random X), sedangkan nilainya
dinyatakan dengan huruf kecil padanannya, misalnya
x.  P(X=x) = f(x)
5 LT Sarvia/IC205 6 LT Sarvia/IC205

1
 2/22/2017

Variabel Acak Contoh Variabel Acak

 Disebut sebagai variable karena terdapat banyak nilai 1) Kasus: proses log in ke jaringan dengan system
numeric yang dimungkinkan, dan disebut sebagai time sharing memiliki 2 kemungkinan. Kemungkinan
random karena nilai numeric yang diamati sangat pertama gagal (F) sebab semua port terpakai atau
tergantung pada hasil eksperimen. kemungkinan kedua sukses (S) karena paling tidak
ada satu port yang kosong (tersedia).
Dengan demikian S = {F, S} dan
S
Random variable X adalah : X(S)=1, X(F) = 0
-2 -1 0 1 2

7 LT Sarvia/IC205 8 LT Sarvia/IC205

Contoh Variabel Acak Contoh Variabel Acak

2) Y adalah kredit tidak macet/lancar, maka dapat 3) X adalah jumlah sisi Belakang (B) yang muncul,
didefinisikan suatu fungsi real sbb: maka dapat didefinisikan suatu fungsi real sbb: :

0, Jika kredit macet 0, Jika sisi B tidak muncul

1, Jika sisi B muncul sekali

Y= Y=

1, Jika kredit lancar 2, Jika sisi B muncul 2 kali

3, Jika sisi B muncul 3 kali

9 LT Sarvia/IC205 10 LT Sarvia/IC205

Variabel Acak yang terdapat dalam

Contoh Variabel Acak fungsi probabilitas :

4) Pada sebuah rumah sakit di definisikan bahwa : a. Variabel diskrit

a. X = banyak pasien yang rawat inap Variabel diskrit hanya dapat dinyatakan dengan nilai – nilai
yang terbatas jumlahnya , dan dinyatakan dengan bilangan
b. Jenis Kelamin pasien bulat, yang diperoleh dari hasil perhitungan.
Contoh : Jika ada 100 pekerja, maka jumlah untuk
0, Jika Wanita banyaknya pekerja yang absen pada hari senin hanya dapat
Y= berjumlah 0,1,2,3,….100.
1, Jika Laki-laki Perhatikan Contoh 1,2,3,4 (X dan Y)

c. Z = Berat badan Pasien (kg) b. Variabel kontinu

Variabel kontinu dinyatakan dengan harga yang terdapat dalam
suatu interval, yang diperoleh dari hasil pengukuran.
Contoh : Waktu penerbangan komersial antara Atlanta dan LA
adalah 4,67 jam, 5,13 jam, dan seterusnya. Variabel acaknya
adalah durasi.
Perhatikan Contoh 4 (Z)
11 LT Sarvia/IC205 12 LT Sarvia/IC205

2
 2/22/2017

Biasanya sebuah Distribusi Diskrit adalah

Beda Antara Distribusi Probabilitas dan
Variabel Acak :
 Secara umum kita menyusun sekelompok nilai yang
mungkin dari sebuah variabel acak ke dalam
distribusi probabilitas, hasilnya adalah distribusi
probabilitas (probability distribution).
 Bedanya : Variabel acak melaporkan hasil tertentu
dari sebuah eksperimen, sedangkan distribusi
probabilitas melaporkan semua hasil yang mungkin
terjadi dan juga probabilitas dari hasil-hail tersebut.
 Perangkat yang digunakan dan juga penafsiran dari
probabilitas berbeda untuk distribusi probabilitas
diskret dan kontinu.
13 LT Sarvia/IC205
hasil untuk menghitung sesuatu, seperti :
 Eksperimen pelemparan koin adalah variabel diskrit
mengingat hanya ada dua kejadian diskrit yang
dimungkinkan yakni kejadian mendapat sisi muka dan
belakang. Begitu pula dengan eksperimen pelemparan
dadu.
 Jumlah murid yang mendapat nilai A di kelas ini.
 Jumlah pekerja produksi dari shift kedua pada hari ini
yang absen.
 Jumlah iklan 30 detik di RCTI dari jam 8 sampai dengan
jam 11 malam ini.
14 LT Sarvia/IC205

Distribusi Kontinu biasanya merupakan Jenis probabilitas yang dimungkinkan

hasil dari suatu pengukuran, seperti : untuk :
 Panjang setiap lagu pada album terbaru Tim  data diskrit adalah antara lain:
McGraw. binomial dist, hypergeometric dist, poisson
 Berat dan tinggi badan setiap murid di kelas ini. dist, uniform dist dll.
 Temperatur diluar ruangan saat anda membaca
 data kontinu adalah antara lain:
diktat ini.
 Diameter sekrup
Uniform dist, Normal dist, dll
 Jumlah uang yang didapat oleh setiap pemain yang
terdaftar di daftar tim Major League Baseball yang
sekarang jumlahnya lebih dari 750 orang.

15 LT Sarvia/IC205 16 LT Sarvia/IC205

Untuk menggambarkan PDF dari suatu

variabel random, maka perlu diperhatikan : Grafik Variabel Diskrit :

 Diketahui persamaan :
 Nilai-nilai peluang atau hubungan matematik
(½) x
untuk mempresentasikan peluang f (x) = x = 1, 2, 3, .....  Var. Diskrit
0
 Variabel dan rentang nilainya (daerahnya)
Daerah variabel : semua nilai-nilai variabel • Bentuk grafik pdf variabel diskrit
f (x)
yang diperoleh dari hasil pengamatan. ½

 Parameter dan rentang nilainya (daerahnya)

¼
1/
8
1/
1/16
32
0 1 2 3 4 5 x
17 LT Sarvia/IC205 18 LT Sarvia/IC205

3
 2/22/2017

Bukan bentuk grafik pdf variabel diskrit

Grafik Variabel Kontinu:
 Diketahui persamaan :
1/
3
f (x) f (y) = y=1≤y≤5  Var. Kontinu
½ 0
• Bentuk grafik pdf variabel Kontinu
¼ f (y)
1/
1/ 3
8
1/
16
1/
32
0 1 2 3 4 5 x
0 1 2 3 4 5 y

19 LT Sarvia/IC205 20 LT Sarvia/IC205

DISTRIBUSI PELUANG DISKRIT Sifat-sifat PDF Diskrit :

 Adalah sebuah tabel atau rumus yang 1. f (x) > 0 untuk semua kemungkinan nilai x
mencantumkan semua kemungkinan nilai variabel dimana f (x) dinyatakan. b
acak diskrit dan nilai peluangnya. 2. P (a ≤ x ≤ b) = f (x)
e l .l n n = o, 1, 2, ....
x a

 Contoh: 3. Jumlah semua nilai f (x) untuk semua

n! l>0
f (n) = kemungkinan nilai x yang dinyatakan adalah 1
0 untuk yang lain
 f (x) 1
 Dimana : f (n) : PDF
n : variabel diskrit
Jika :  f (x)  1  maka konstanta pengali perlu
l : parameter disubstitusikan ke f (x) agar sifat PDF
e : nilai konstanta = 2,71828..... Diskrit ini terpenuhi ( Total f (x) = 1 ) .

LT Sarvia/IC205 21 LT Sarvia/IC205 22

Contoh 1: Distribusi Probabilitas Diskrit

 Tiap nilai sebuah variabel random memiliki probabilitas
tertentu untuk muncul.
 Contoh: Distribusi Probabilitas
 Melempar 3 mata uang (tiap kali Gambar, Angka).
0.5
 Misal didefinisikan variabel randomnya X : banyak G 0.375 0.375
0.4
dalam pelemparan tsb. Maka ruang sampelnya:
Probabilitas

0.3
S = {GGG,GGA,GAG,GAA, 0.2
0.125
AGG,AGA,AAG,AAA} 0.1

x = 0  {AAA}  P(X=0) = 1/8

0
0
0 1 2 3
x = 1  {GAA,AGA,AAG}  P(X=1) = 3/8 X (banyak G)
x = 2  {GGA,GAG,AGG}  P(X=2) = 3/8
x = 3  {GGG}  P(X=3) = 1/8
23 LT Sarvia/IC205 24 LT Sarvia/IC205

4
 2/22/2017

Contoh 2:
Distribusi Probabilitas atau Fungsi Probabilitas
 Himpunan pasangan {x,f(x)} disebut fungsi probabilitas
dari variabel random diskrit X jika untuk setiap nilai x:
 f(x) > 0 , harus positif
 ∑x f(x) = 1, total probabilitas seluruh kejadian = 1
 P(X=x) = f(x)
Contoh
 Mobil yg dijual sebuah dealer 50% dilengkapi dengan
air-bag. Tentukanlah distribusi probabilitas dari jumlah
mobil yang dilengkapi dengan air-bag diantara 4 mobil
yang akan dijual.
Jawab:
 Probabilitas menjual sebuah mobil air-bag adalah ½ maka untuk
4 penjualan berikutnya ada 24 =16 susunan yg mungkin.
Banyaknya cara menjual 3 mobil dengan air-bag dari 4 penjualan
tsb adalah banyak kombinasi dari 4 obyek diambil 3 tiap kali
(sebab tiap mobil tidak dibedakan, hanya ber air bag atau tidak
saja). Atau dipandang sebagai banyak cara mempartisi 4 obyek ke
dalam 2 sel, sel pertama berisi 3 mobil dg air-bag dan 1 sel berisi
mobil tanpa air-bag, yaitu 3C4 = 4!/(3!1!) = 4 cara.
 Jadi secara umum banyaknya cara untuk menjual x mobil dg air-
bag dari 4 penjualan 4 mobil adalah : C4x.
 Maka probabilitas menjual x mobil dg air bag dalam 4 penjualan
adalah
4 
 C 
f ( x)  
x 
16

25 LT Sarvia/IC205 26 LT Sarvia/IC205

 Berdasarkan data tabel diatas, produsen menemukan bahwa

Contoh : jumlah orang yang diamati menghadapi X masalah mendekati
persamaan :
3. Seorang produsen melakukan pengujian suatu produk stapler 1000
baru. Ada 191 orang yang terlibat dalam pengujian produk baru Jumlah orang = 3
x
tersebut, dimana masing-masing orang melakukan 1000 kali
penggunaan terhadap produk stapler baru tersebut. Contoh : Jumlah masalah = 6
Data hasil pengujian tersebut adalah : Jumlah orang = 1000 = 1000 = 4,63 ≈ 5
x3 63
Jumlah masalah per 1000 kali Jumlah orang yang diamati
penggunaan, X menghadapi X masalah
 Sehingga, berdasar pada persamaan diatas, maka produsen
2 125
memperkirakan bahwa fungsi probabilitasnya adalah :
3 37
f (x) = 10 ; x = 2, 3, 4, 5, 6
4 16
5 8 x3
6 5  Pertanyaan :
191 a. Ujilah apakah persamaan distribusi PDF f (x) di atas tepat ?
b. Jika tidak tepat, buat koreksinya !
X menyatakan banyaknya persoalan terhadap 1000 kali penggunaan

27 LT Sarvia/IC205 28 LT Sarvia/IC205

Untuk pengecekan persamaan distribusi diatas, disesuaikan a. Karena syarat ke-3 tidak terpenuhi maka dapat dikatakan
dengan syarat PDF Diskrit : bahwa persamaan distribusi f (x) di atas bukan termasuk
1. f (x) mempunyai nilai positif {f (x) > 0} untuk semua nilai x = 2, fungsi PDF Diskrit.
3, 4, 5, 6 b. Koreksi
6 PDF Diskrit
6
10 digunakan konstanta
6
10 pengali ( C )
2. f (x) mempunyai nilai tunggal untuk setiap nilai x, sehingga  C  f (x)
x2
  C x
x2
3
1  C 
x2 x3
1
nilai-nilai probabilitasnya dapat dijumlahkan
1
P (2 ≤ x ≤ 6) = S f (x) = f (2) + f (3) + f (4) + f (5) + f (6) C  1,903  1  C   0,5255
1,903
3. Jumlah semua nilai f (x) untuk semua kemungkinan nilai x yang
dinyatakan adalah 1  f (x)  1
10  10 10 10 10 10 
(x)          1,903  1 Jadi, berdasarkan hasil koreksi diperoleh bentuk persamaan
6 6

f 
x2 x2
x  8 27 64 125 216 
3
distribusi PDF Diskrit :
5,255
3
f (x) = x ; x = 2, 3, 4, 5, 6

29 LT Sarvia/IC205 30 LT Sarvia/IC205

5
 2/22/2017

Karakterisasi Statistik dari Peubah Acak

 Untuk memeriksa apakah persamaan distribusi f (x) memberikan
hasil yg beralasan, maka nilai f (x) dibandingkan dengan
secara Parsial
perhitungan probabilitas aktualnya atau P (x), yaitu :
 Ekspektasi/ nilai harap: nilai harap dapat dipakai
jumlah orang yang diamati menghadapi X masalah untuk menyatakan pusat masa dari suatu
P (x) 
total jumlah orang
kerapatan/kepadatan.
x P (x) f (x)
2 125/191 = 0,654 5,255/8 = 0,657  Variansi: variansi menyatakan sebaran disekitar
3 37/191 = 0,194 5,255/27 = 0,195
4 16/191 = 0,084 5,255/64 = 0,082 nilai rata-rata
5 8/191 = 0,042 5,255/125 = 0,042
6 5/191 = 0,026 5,255/216 = 0,024
 Simpangan baku: akar kuadrat dari variansi
1,000 1,000

 Ternyata hasil f (x) mendekati P (x)

31 LT Sarvia/IC205 32 LT Sarvia/IC205

Perhitungan Nilai Harapan / Ekspektasi PDF

Perhitungan Nilai Harapan / Ekspektasi PDF Diskrit Diskrit : Nilai Rata-rata, Variansi, & Std. Deviasi :
: Nilai Rata-rata, Variansi, & Std. Deviasi :
Sampel Populasi PDF Keterangan • Variansi variabel X  s 2 = V (x)

X m E (x) Rata-rata variabel X Jika m (x) = ( x – m ) 2 ; maka :

S2 s2 V (x) Variansi variabel X V (x) = E [( x – m ) 2 ]  V (x) = E [ x 2 ] – m 2
S s V (x) Standar deviasi var. X
Bentuk Umum : s 2 = V (x) = x 2 . f (x)  – m 2
 Rata-rata variabel X  m = E (x) = x . f (x) • Standar deviasi var. X  s = V (x)
Rumus ini berasal dari :  x i .fi Bentuk Umum : s = [  x 2 . f (x) ] - μ 2
x 
n
 x   x i . P (x i )
Bila : f (x i) mendekati P (x i)  maka x   x i . f (x i )  Parameter-parameter seperti expected value (E(x)), variance
(V(x))dan standard deviasi (s) sering dikenal dengan istilah
Bentuk Umum : E [ m (x) ] =  μ (x) . f (x) moments of distribution.
dimana :
E [ m (x) ] = nilai ekspektasi fungsi m (x)
m (x) = fungsi random variabel X
f (x) = distribusi diskrit ( PDF Diskrit )
33 LT Sarvia/IC205 34 LT Sarvia/IC205

Contoh : Jawab :
4. Seorang manajer toko makanan mempunyai data persediaan 30 a. Rata-rata kasus persediaan buah-buahan per-minggu :
minggu terakhir tentang buah-buahan. PDF di bawah ini
menyatakan jumlah kasus buah-buahan tiap minggu : m =  x . f (x) dengan : x = 3, 7, 10, 12

1 1 1 1

 3    7    10    12  
1/
3 x = 3 kasus per-minggu  3  4  3  12 
1/ x = 7 kasus per-minggu m = 7,083 kasus per-minggu
4
f (x) =
1/
3
x = 10 kasus per-minggu
b. Variansi dan Standar Deviasi dari jumlah kasus tsb per-minggu :
1/ x = 12 kasus per-minggu
s 2 =   x 2 . f (x)  – m 2
12

a. Tentukan rata-rata kasus persediaan buah-buahan per-minggu

 1 1 1 1
b. Tentukan Variansi dan Standar Deviasi dari jumlah kasus tsb per-minggu   3    7    10    12    - 7,083
2 2 2 2 2

c. Gambarkan PDF dan nilai ekspektasinya serta tunjukkan simpangan   3  4  3  12  

bakunya. = 60,583 – 50,169
s 2 = 10,414Variansi
Standar Deviasi = s = σ  10,414  3,227
2

35 LT Sarvia/IC205 36 LT Sarvia/IC205

6
 2/22/2017

Contoh :
Jawab :
5. Tentukan rumus distribusi peluang banyaknya sisi
c. Grafik :
gambar bila sebuah uang logam dilempar 3 kali.
f (x)
Buatlah tabelnya ?
1/ Eksperimen :
3

1/
4
pelemparan 1 mata uang 3x, Banyaknya titik
m + 2s = 13,537 sampel = 23 = 8
1/
6

1/
1
S ={AAA, AAG, AGG, GGG, AGA, GAG, GAA,
2 GGA}
3 7 10 12 x
m – 2s = 0,629 m = 7,083
m – 1s = 3,856 m + 1s = 10,31

37 LT Sarvia/IC205 38 LT Sarvia/IC205

3 6. Sebuah dadu dilemparkan 2x

xc
Banyaknya muncul sisi gambar adalah
Misalkan : x = jumlah titik dadu dalam kedua lemparan itu, maka
Jadi fungsi peluang adalah : x = 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12
3 Tabel distribusi probabilitas x :
c
f( x)  x Harga 2 3 4 5 6 7 8 9 10 11 12

8 Prob x =
f(x)
1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36

Untuk x = 0,1,2,3 a) P(x>8) = P(x=9)+P(x=10)+P(x=11)+ P(x=12)

Tabel distribusi peluang : = 4/36 + 3/36 + 2/36+ 1/36
= 10/36
Harga 0 1 2 3
b) P(4<x<7) = P(x=5) + P(x=6)
Prob x = f(x) 1/8 3/8 3/8 1/8 =1 = 4/36 + 5/36
= 9/36
LT Sarvia/IC205 39
40 LT Sarvia/IC205

10
C 120 24
7. Sebuah toko menjual obral 15 radio, diantara radio P( x  0)  3
15
 
C 455 91
tsb, terdapat 5 yang rusak. Jika seorang calon 3

pembeli melakukan tes 3 radio yang dipilih secara

random. Tuliskan distribusi probabilitas x =
banyaknya radio yang rusak dalam sampel itu dan
10
C 15 C 225 45
P( x  1)  2
15
 
3C 455 91
tabelnya

10
c c
5
100 20
P( x  2)  1
15
2
 
3 c 455 91

10
C 35 C 10 2
P( x  3)  0
15
 
3C 455 91

41 LT Sarvia/IC205 42 LT Sarvia/IC205

7
 2/22/2017

DISTRIBUSI PELUANG KONTINU

Tabel distribusi probabilitasnya :  PDF Kontinu :adalah suatu tabel / rumus yang
mencantumkan semua kemungkinan nilai suatu
variabel random kontinu beserta peluangnya.
Harga x 24 45 20 2
 Distribusi peluang untuk variabel acak kontinu
91 91 91 91
Probabilitas x 0 1 2 3
tidak dapat disajikan dalam bentuk tabel, tetapi
dinyatakan dalam sebuah fungsi yang disebut
fungsi densitas/rumusan karena perubah acaknya
berupa interval (selang).

LT Sarvia/IC205 43 LT Sarvia/IC205 44

DISTRIBUSI PELUANG KONTINU Contoh PDF Kontinu :

 Cara menghitung fungsi peluang utk berbagai selang dari perubah acak
kontinu adalah sebagai berikut:
1/
y 50 p = 250 ≤ p ≤ 300
f (p) =
P(a  x  b)  P(a  x  b) 0 untuk yang lainnya
 P(a  x  b)
 P(a  x  b)
x
0 a b
Gambar 1. Luas daerah yang diarsir = P ( a  x  b)

 Fungsi tersebut dinyatakan sedemikian sehingga luas daerah di bawah

kurva, diatas sumbu x  1 ~

f
~
( x) dx  1
LT Sarvia/IC205 45 LT Sarvia/IC205 46

Contoh PDF Kontinu :

Sifat-sifat PDF Kontinu :
8. Seorang pakar elektronik telah mengkaji waktu
1. f(x) ≥ 0 untuk : b –  ≤ x ≤  kegagalan T jam operasi dari suatu komponen elektrik.
2. P (a ≤ x ≤ b) =  f (x) dx Pakar ini percaya bahwa relasi matematik berikut
a
3. Luas di bawah kurva  menyatakan PDF variabel random pada saat T = t :
 f (x) dx 1 f(t) = e (-0,01t); t≥0 dimana e = 2,71828
-
t = jam beroperasinya komponen
Ujilah apakah relasi matematik diatas dapat digunakan
sebagai PDF ?

LT Sarvia/IC205 47
48 LT Sarvia/IC205

8
 2/22/2017

Jawab : Contoh 9 : Distribusi Probabilitas Kontinu

Persamaan matematik diatas bukan PDF Kontinu karena tidak
sesuai dengan syarat ke-3 : Misal kesalahan dalam pencatatan temperature di sebuah percobaan adalah
   sebuah variabel random X yg memiliki fungsi rapat probabilitas sbb:
*  e- 0,01t   *  0 -1  
1 1 1
 f (t) dt  e dt  1
- 0,01t
- 0,01   0 - 0,01 0,01  x2
0 0
 1  x  2

f ( x)   3
 f (t) dt  1 
 0 lainyya
0
a. Periksalah apakah f(x) memenuhi syarat sebagai fungsi rapat
probabilitas
Persamaan diatas bertentangan dengan syarat ke-3, maka hrs b. Berapakah probabilitas menemukan kesalahan pencatatan antara 0 dan
dikalikan dgn konstanta C : 1?
 

 C * f (t) dt  C*e dt  1 Jadi :

- 0,01t

0 0
 0,01 . e – 0,01 t t > 0 Jawab.
*  e- 0,01t   1
C
- 0,01   0 f (t) = a.  b. 1 1 1
untuk yang lainnya 2
x2 x3
2
x2 x3 1
0
P(0  X  1)   f ( x)dx   dx  
C
- 0,01
*  0 -1   1
C = 0,01 

f ( x)dx  
1
3
dx 
9
1
0 0
3 9 0 9
1

49 LT Sarvia/IC205 50 LT Sarvia/IC205

Perhitungan Nilai Harapan / Ekspektasi PDF KONTINU Contoh Soal 10 :

: Nilai Rata-rata, Variansi, & Std. Deviasi : Perusahaan XYZ punya 1 fasilitas “central computer” dan 45
Nilai Rata-Rata terminal. Karyawan bekerja dengan terminal paling lama 60 detik.
mx= E(x) = x.f(x)
•

Seorang Insinyur ingin mengetahui rata-rata dan standar deviasi

Variansi variabel X dari waktu proses terminal tersebut. Distribusi probabilitas waktu
  2 
•
2
s 2 = V (x) =   x . f (x) dx  - μ proses T adalah :
• Standar deviasi  -   f(t) = 10  t dengan 10 ≤ t ≤ 60 detik
s = σ2
2250

a. Hitung ekspektasi waktu proses

b. Hitung simpangan baku
c. Plot m  2s pada distribusi probabilitas
d. Hitung nilai kemungkinan (probabilitas) waktu antara m
+ 2s dan m -2s

51 LT Sarvia/IC205 52 LT Sarvia/IC205

Jawab : Jawab :
a) Waktu pemrosesan rata-rata : c. Plot m  2s pada distribusi probabilitas
m =  10  t 1 f (t)
 t . f (t) dt   t * 2250 dt  2250 *  t * ( 10  t ) dt
60 60

- 10 10 0,0
3
0,0
60
1  10 t t 
60
2 3 2
m = 1
2250 
* ( 10 t  t 2 ) dt    0,0
2250  2 3 10
1
10 10 20 30 40 50 60 70 t
m = 39,630 detik m – 2s = 12,290 m + 2s = 66,970

b) Standar Deviasi : 1
60  2
10  t
s =   t 2
*
2250
dt - μ 2 

10  1

 1  10 t t  
2
3 4
60

    -  39,630 2

 2250  3 4  10

s = 186,87 = 13,670 detik

53 LT Sarvia/IC205 54 LT Sarvia/IC205

9
 2/22/2017

Jawab : Fungsi Distribusi Kumulatif / Cumulative

d. Hitung nilai kemungkinan (probabilitas) waktu antara m + 2s Distribution Function ( CDF ) :
dan m -2s
66,970
P ( m - 2s ≤ t ≤ m + 2s ) = P ( 12,290 ≤ t ≤ 66,970 ) = f (t) dt
  Biasanya disimbolkan dengan : F (x)
12, 290  Distribusi probabilitas kumulatif F(x) dari sebuah
Karena titik 66,970 lebih dari batas atas t maka diambil batas
atas t adalah 60. variabel random X dengan fungsi probabilitas f(x)
P ( 12,290 ≤ t ≤ 66,970 ) = 60 60 10  t adalah jumlahan dari f(x) dari nilai x=-∞ hingga x:
 f (t) dt   dt F(x) = P(X<x) = ∑t<x f(t) untuk -∞< x < ∞
12, 290 12 , 290
2250
P ( 12,290 ≤ t ≤ 60 ) =  F (x) : mengakumulasikan nilai-nilai probabilitas
60
1
*  ( 10  t ) dt dari suatu range atau jangkauan tertentu suatu
2250
12, 290 variabel.
1 
10 t  
60
t  F (x) = P ( X ≤ x )
2

  0,978
2250  2  12 , 290
Berarti : 97,8 % peluang bahwa pemakaian terminal menyimpang
dari rata-rata tapi tidak melebihi 2s ( antara m + 2s dan m - 2s ).

55 LT Sarvia/IC205 56 LT Sarvia/IC205

Grafik Distribusi Kumulatif / Cumulative Fungsi Distribusi Kumulatif / Cumulative

Distribution Function ( CDF ) : Distribution Function ( CDF ) :

Untuk Diskrit Untuk Kontinu

F (x) = f (x) dx
b
F (x) = P (x)
x a a

dengan x = a, a + 1, a + 2, ..... , dengan a ≤ x ≤ b

b

P(x1≤x≤x2) = F(x2) P(x1≤x≤x 2) = F(x2)–F(x1)

– F ( x 1–1 )

57 LT Sarvia/IC205 58 LT Sarvia/IC205

Contoh 11 : Jawab :
Diketahui persamaan distribusi : 10
( t ≤ 10 ) = F ( t = 10 ) =
 0,01. e
0,01t
f (t) = 0,01 . e – 0,01 t ; t ≥ 0
a. dt
0
Hitung : -e 
0,01 t 10

a. P ( t ≤ 10 jam ) = 1 – 0,905 = 0,095

b. P ( t ≥ 250 jam )

59 LT Sarvia/IC205 60 LT Sarvia/IC205

10
 2/22/2017

Contoh 12 :
Jawab (lanjutan) : Distribusi Probabilitas Kumulatif
Carilah fungsi distribusi kumulatif dari contoh 2 sebelumnya.
b. P ( t ≥ 250 ) = 1 - P ( t ≤ 250 ) = 1 – F ( t = 250 ) Jawab:

  - e -0,01t  0
250
F ( t = 250 ) = 0,01 . e -0,01t dt 250 f(0) = C40/16 = 1/16 f(1) = C41/16 = 4/16 f(2) = C42/16 = 6/16
 0 f(3) = C43/16 = 4/16 f(4) = C44/16 = 1/16
Sehingga fungsi distribusi kumulatifnya:
= (-e -2,5 ) – (-e0)
F(0) = f(0) = 1/16, 0≤x<1
=– 0,082 + 1 = 0,918
F(1) = f(0)+f(1) = 5/16, 1≤x<2
F(2) = f(0)+f(1)+f(2) = 11/16, 2≤x<3
P ( t ≥ 250 ) = 1 – F ( t = 250 ) F(3) = f(0)+f(1)+f(2)+f(3) = 15/16, 3≤x<4
= 1 – 0,918 F(4) = f(0)+f(1)+f(2)+f(3) = 1, x≤4
= 0,082

61 LT Sarvia/IC205 62 LT Sarvia/IC205

Distribusi Probabilitas Kumulatif Diskrit Latihan

1. Tentukan mana dari peubah acak berikut yang
Grafik Fungsi Distribusi Probabilitas (fx) diskrit dan mana yang kontinu :
f(x)
X : banyaknya kecelakaan mobil pertahun di Jakarta.
2/5 3/8
7/20
3/10
1/4 1/4
Y : lamanya waktu pertandingan tunggal bulu tangkis
1/4
1/5
3/20
M : Banyaknya susu setahun yang dihasilkan seekor sapi betina
1/10
1/20
1/16 1/16
tertentu.
0
0 1 2 3 4
N : banyaknya telur setiap bulan yang dihasilkan oleh ayam betina
Distribusi Probabilitas Kumulatif
P : banyaknya SIM dikeluarkan tiap bulan di kota tertentu
F(x)

1 1/5
1
Q : berat padi yang dihasilkan per hektar
1 15/16

4/5 11/16

3/5

2/5 5/16

1/5 1/16
0
0 1 2 3 4

LT Sarvia/IC205 63 64 LT Sarvia/IC205

2. Tiga buah kartu diambil berurutan dari sekotak kartu

brigde tanpa pengembalian, Cari distribusi peluang
dari banyaknya kartu spade
Thank you………..

65 LT Sarvia/IC205 66 LT Sarvia/IC205

11