DISTRIBUSI EKSPONENSIAL

Pengantar
 Tujuan model stokastik adalah memodelkan fenomena dunia nyata.
Dalam membuat sebuah model matematika untuk fenomena dunia
nyata:
 selalu diperlukan membuat asumsi penyederhanaan tertentu sehingga model
matematika mudah dikerjakan
 di sisi lain, tidak bisa dibuat terlalu banyak asumsi karena kesimpulan yang
diperoleh dari model tidak akan menyerupai fenomena dunia nyata (Sheldon
2010, p. 291).
 Salah satu penyederhanaan yang dilakukan adalah mengasumsikan
bahwa variabel random tertentu berdistribusi eksponensial.
 Alasan kenapa distribusi eksponensial yang digunakan karena
mudah secara matematika dan merupakan pendekatan yang baik
untuk distribusi aktual
Pengantar

 Distribusi eksponensial dapat dipandang sebagai analog (kontinu) dengan

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.
 Distribusi eksponensial sering digunakan untuk menggambarkan waktu
tunggu, lama seseorang mengantri, masa hidup suatu produk, dsb.
 Jika masa hidup suatu produk berdistribusi eksponensial, maka suatu
produk yang sudah digunakan selama sekian jam, akan memiliki kondisi
yang sama baiknya dengan sebuah produk baru dalam hal lamanya waktu
yang tersisa sampai dengan produk tersebut gagal (rusak).
Distribusi Eksponensial

 Sebuah variabel random X berdistribusi eksponensial jika

aproksimasi probabilitas bersyarat Pr 𝑡 < 𝑋 ≤ 𝑡 + ∆𝑡|𝑋 > 𝑡
proporsional terhadap panjang ∆𝑡 yaitu panjang interval waktu
antara 𝑡 dan 𝑡 + ∆𝑡.
Distribusi Eksponensial

 Sebuah peubah acak kontinu X dikatakan berdistribusi Eksponensial

dengan parameter λ, λ > 0, jika fungsi peluangnya diberikan

 Atau, jika fungsi distribusinya diberikan

Distribusi Eksponensial

 Beberapa karakteristik distribusi eksponensial adalah sebagai

berikut:
Memoryless Property

 Sebuah peubah acak X dikatakan memiliki sifat tanpa memori

(memoryless property) jika

 Jika X merupakan masa hidup suatu produk, maka persamaan di

atas menyatakan bahwa peluang suatu produk hidup selama
minimal s + t jam diberikan bahwa produk tersebut sudah bertahan
(mampu beroperasi) selama t jam adalah sama dengan peluang
bahwa produk tersebut akan hidup minimal selama s jam lagi.
Memoryless Property

 Persamaan (1) di atas memiliki kondisi yang sama dengan

atau
Memoryless Property

 Apakah distribusi eksponensial memiliki sifat tanpa memori?

Tunjukkan!
Memoryless Property

 Misalkan X ∼ Eksp(λ), maka

 Jadi, distribusi eksponensial memiliki sifat tanpa memori.

Memoryless Property

 Bagaimana dengan distribusi yang lain? Misalkan distribusi uniform

(0,1)?
Karakteristik Lain dari Distribusi
Eksponensial
 Misalkan X1 , X2 , … , Xn saling bebas dan berdistribusi identik
1
eksponensial dengan mean , maka X1 + X2 + ⋯ + Xn berdistribusi
λ
gamma dengan parameter n dan λ. (Buktikan!)
 Misalkan X1 , X2 , … , Xn saling bebas dan berdistribusi eksponensial
dengan mean dari Xi adalah μi , maka nilai terkecil dari Xi
berdistribusi eksponensial dengan rate sama dengan jumlah dari
semua μi . (Buktikan!)
Contoh 1
Contoh 1
Contoh 2

 Misalkan lamanya waktu tunggu seseorang di bank berdistribusi

eksponensial dengan mean 10 menit. Berapa peluang bahwa
seorang nasabah akan menghabiskan waktu lebih dari 15 menit di
bank? Berapa peluang bahwa seorang nasabah akan menghabiskan
waktu lebih dari 15 menit di bank jika dia masih berada di bank
setelah lebih dari 10 menit?
Contoh 2
Contoh 3

 Di dalam sebuah kantor pos terdapat dua orang petugas yang

melayani. Misalkan ketika Pak Santoso masuk ke dalam kantor pos,
dia mendapati bahwa Pak Joko sedang dilayani oleh salah seorang
petugas dan Pak Bara dilayani oleh petugas yang lain. Misalkan pula
bahwa Pak Santoso diberitahu bahwa dia akan dilayani oleh salah
seorang petugas segera setelah Pak Joko atau Pak Bara selesai
dilayani. Jika lama waktu layanan seorang petugas berdistribusi
1
eksponensial dengan mean , berapa peluang bahwa dari ketiga
𝜆
pelanggan, Pak Santoso adalah yang terakhir meninggalkan kantor
pos?
Contoh 3

 Cara 1:
Perhatikan bahwa pada waktu di mana Pak Santoso dilayani oleh
petugas yang sudah selesai melayani pelanggan sebelumnya, maka
salah satu dari Pak Joko atau Pak Bara telah meninggalkan kantor pos
dan yang lainnya masih dilayani. Namun demikian, berdasarkan sifat
tanpa memori dari distribusi eksponensial, maka lamanya waktu yang
masih akan dihabiskan oleh pelanggan yang lain (Pak Joko atau Pak
1
Bara) adalah berdistribusi eksponensial dengan mean . Dengan
𝜆
demikian, berdasarkan kesimetrisan, maka peluang bahwa Pak
Santoso adalah pelanggan terakhir yang meninggalkan kantor pos
1
adalah sebesar .
2
Contoh 3

 Cara 2
Misalkan 𝑋𝐴 dan 𝑋𝐵 adalah waktu layanan petugas A dan B. Peluang
Pak Santoso adalah pelanggan terakhir yang meninggalkan kantor pos
sama artinya dengan peluang waktu layanan Pak Santoso di petugas A
(atau B), setelah Pak Joko (atau Pak Bara) selesai dilayani, lebih besar
dari waktu layanan Pak Joko (atau Pak Bara) di petugas B (atau A).
Contoh 3
Contoh 3

 Berapa peluang bahwa Pak Santoso bukan pelanggan terakhir yang

meninggalkan kantor pos?
Contoh 4

 Pandang soal sebelumnya, misalkan distribusi waktu layanan

petugas A dan petugas B mempunyai parameter yang berbeda
(misal λ1 dan λ2 ), berapa peluang Pak Santoso bukan pelanggan
terakhir yang keluar dari kantor pos?
Contoh 4
TUGAS

 SMR ch 5 no. 1, 2, 8, 9
 Umur (masa hidup) sebuah motor bermerk Y dan H adalah peubah acak
eksponensial yang saling bebas dengan parameter 𝜆𝑌 dan 𝜆𝐻 . Sebuah
motor baru saja rusak. Hitung sisa masa hidup yang diharapkan dari motor
yang lain!
 Seorang dosen memiliki janji dengan seorang mahasiswa pada pukul 09.00
dan dengan mahasiswa lain pada pukul 10.00. Lamanya waktu yang
dihabiskan mahasiswa-mahasiswa tersebut saling bebas dengan mean 60
(menit). Asumsikan bahwa mahasiswa-mahasiswa tersebut datang tepat
waktu. Hitung lama waktu yang diharapkan yang dihabiskan mahasiswa
kedua (yang datang pukul 10.00) di ruangan dosen tersebut.
TUGAS

 𝑋𝑖 berdistribusi eksponensial dengan parameter 𝜃𝑖 , di mana i = 1,2,3. Hitung

P(𝑋1 < 𝑋2 < 𝑋3 )
 Seorang nasabah yang datang ke suatu kantor akan dilayani oleh petugas
𝑃1 , lalu 𝑃2 , lalu pulang. Waktu layanan petugas 𝑃𝑖 adalah peubah acak
eksponensial dengan parameter 𝛽𝑖 , i = 1,2. Ketika Rose datang, terlihat 𝑃1
sedang kosong. Sedangkan 2 nasabah ada di 𝑃2 (A dilayani, B antri).
Hitung peluang nasabah A masih dilayani ketika Rose ke 𝑃2 .