TKS 6112

Keandalan Struktur

VARIABEL RANDOM*

* www.zacoeb.lecture.ub.ac.id

Variabel Random

Variabel random/acak/probabilistik adalah variabel numerik yang

nilai spesifiknya tidak dapat diprediksi dengan pasti sebelum
dilakukan eksperimen. Harga variabel random sangat tergantung
pada hasil eksperimen, sehingga kadang disebut juga dengan
variabel terikat (dependence variable). Harga tersebut berhubungan
dengan kejadian yang didefinisikan sebagai ruang sampel, tetapi
kejadian yang berbeda kemungkinan akan menghasilkan variabel
random yang sama, contoh : kuat tekan beton, kecepatan angin, dan
sebagainya. Untuk ilustrasi dapat dilihat pada Gambar 3.1.

1
Variabel Random (lanjutan)

Gambar 3.1. Variabel random sebagai suatu fungsi

Variabel Random (lanjutan)

Pada Gambar 3.1, suatu variabel random didefinisikan sebagai

fungsi yang memetakan suatu kejadian pada suatu interval bilangan
riil. Variabel random dalam suatu eksperimen adalah variabel yang
akan diukur. Contoh pada uji tekan beton, yang dianggap sebagai
variabel random adalah f’c (yang dicari). Variabel random dapat
dibagi menjadi dua, yaitu :
1. Variabel random diskrit.
2. Variabel random kontinyu.

2
Variabel Random Diskrit

Variabel random diskrit adalah variabel random yang terputus-putus

(diskontinyu) dan dinyatakan dengan istilah Probability Mass
Fuction {PMF : px(x) = P(X=x)}. PMF : px(x) = P(X=x) adalah
suatu probabilitas bahwa variabel random diskrit X sama dengan
harga spesifik x dimana x adalah bilangan riil, sebagai contoh dapat
dilihat pada Tabel 3.1.
Tabel 3.1. Probability mass function

Variabel Random Diskrit (lanjutan)

Dari Tabel 3.1, PMF dapat dibuat dalam bentuk histogram seperti
pada Gambar 3.2.

Gambar 3.2. Probability mass function : px(x)

3
Variabel Random Diskrit (lanjutan)

PMF hanya menggambarkan fungsi distribusi, tidak dapat secara

langsung digunakan untuk menghitung harga probabilitasnya.
Untuk menghitungnya digunakan Cumulative Distribution Function
{CDF : Fx(x) = P(X  x)} seperti pada Gambar 3.3.

Gambar 3.3. Cumulative distribution function

Variabel Random Diskrit (lanjutan)

Dari Gambar 3.3 secara langsung dapat dihitung harga

probabilitasnya, sebagai contoh : probabilitas untuk x  2 sama
dengan 0,05 atau secara matematik P(X  2) = 0,05 ; P(X  3) =
0,25 ; dan selanjutnya.

PMF harus memenuhi aksioma sebagai berikut :

1. 0 ≤ 𝐩𝐱 (𝐱) ≤ 1, untuk semua harga x
2. 𝐱𝐢 𝐩𝐱 (𝐱) = 1
𝐱𝐢 ≤𝐛
3. 𝐏(𝐚 ≤ 𝐱 ≤ 𝐛) = 𝐱𝐢 ≥𝐚 𝐩𝐱 (𝐱 𝐢 )

4
Variabel Random Kontinyu

Variabel random kontinyu/menerus pada suatu interval tertentu

yang dapat ditunjukkan dengan PDF (Probability Density
Function). PDF seperti pada Gambar 3.4 hanya mengukur fungsi
distribusi yang merupakan kurva kontinyu, dan tidak
menggambarkan secara langsung harga probabilitasnya.

Gambar 3.4. Probability density function

Variabel Random Kontinyu (lanjutan)

Untuk menghitung probabilitas, misal probabilitas untuk harga x

antara a dan b : P(a  x  b) harus diintegralkan :
𝐛
𝐏 𝐚≤𝐱≤𝐛 = 𝐟
𝐚 𝐱
𝐱 𝐝𝐱
𝐛
𝐟
𝐚 𝐱
𝐱 𝐝𝐱 = 𝐅 𝐱 + 𝐂
maka dengan demikian jika :
𝐛
𝐏 𝐚≤𝐱≤𝐛 = 𝐟
𝐚 𝐱
𝐱 𝐝𝐱 = 𝐅 𝐛 − 𝐅 𝐚
Fx(x) ini selanjutnya ini disebut dengan Commulative Distribution
Function (CDF) dengan domain PDF(-,+):Fx(x).

5
Variabel Random Kontinyu (lanjutan)

PDF harus memenuhi kondisi berikut :

+∞
1. 𝐟 𝐱
−∞ 𝐱
𝐝𝐱 = 1
𝐛
2. 0 ≤ 𝐚 𝐟𝐱 𝐱 𝐝𝐱 ≤ 1
3. 𝐅𝐱 𝐱 ≥ 0
Contoh :
Kuat tarik suatu batang (x), merupakan variabel random yang
bervariasi antara 10 sampai 30 kN yang PDF-nya dapat ditulis
dengan persamaan :
𝐱
untuk 10 ≤ 𝐱 ≤ 30
𝐟𝐱 𝐱 = 𝐤 + 2 + 10
0 untuk 𝐱 yang lain

Variabel Random Kontinyu (lanjutan)

Pertanyaan :
Tentukan nilai k, probabilitas untuk memperoleh kuat tarik batang
antara 15 sampai dengan 25 kN, dan probabilitas kegagalan jika
diberikan gaya tarik 27 kN.
Penyelesaian :
Nilai k ditentukan dengan menggunakan sifat 1, dengan domain
PDF 10 < x < 30.
30 𝐱
10
𝐤 2 + 10 𝐝𝐱 = 1
𝐱𝟐 30
𝐤 𝟐x + 20 =1
10
1
𝐤 = 80

6
Variabel Random Kontinyu (lanjutan)

P(15 < x < 25 kN)

25 1 𝐱
𝐏 𝟏𝟓 < 𝐱 < 𝟐𝟓 = 15 80
2 + 10 𝐝𝐱
1 25 𝐱2
= 2𝐱 +
80 15 20
= 0,50 = 50%
Pf = P(R < S)
27 1 𝐱
𝐏 𝐱 < 𝟐𝟕 = 10 80
2 + 10 𝐝𝐱
1 27 𝐱2
= 80 2𝐱 + 20
10
= 0,82 = 82%

Terima kasih
dan
Semoga Lancar Studinya!