Bab01HO PDF

05/02/2018
Probabilitas dan Proses Stokastik

OUTLINE
1. Capaian Pembelajaran
2. Pengantar dan Teori
3. Contoh
4. Ringkasan
Tim ProStok
Jurusan Teknik Elektro - FTI 5. Latihan

Institut Teknologi Sepuluh Nopember
Surabaya, 2014
2
CP Teori Contoh Ringkasan Latihan CP Teori Contoh Ringkasan Latihan
Capaian Pembelajaran Pengantar
Mahasiswa mampu: Konsep dasar tentang eksperimen acak dan penentuan

menjelaskan penentuan eksperimen acak meliputi prosedur, ruang sampel serta event dari suatu eksperimen
observasi dan model; mengidentifikasi ruang sampel dan tersebut terdapat dalam bahasan ini. Pendefinisian
event dari eksperimen acak
tentang eksperimen acak, ruang sampel dan event
tersebut dilengkapi dengan beberapa contoh yang
berguna untuk memberikan penjelasan secara utuh
tentang konsep-konsep tersebut.
Eksperimen Acak 3 Eksperimen Acak 4
Eksperimen Acak Eksperimen Acak
Definisi: Prosedur: lempar sebuah koin

eksperimen yang hasilnya (outcome) bervariasi dan tidak
dapat diprediksi bila eksperimen tersebut diulang pada Observasi: catat hasil lemparan (angka atau gambar)
kondisi yang sama Model: terjadinya angka atau gambar kemungkinannya
sama (equally likely)
Penetapan eksperimen acak:
 Prosedur Eksperimen acak:
 Observasi  Prosedur eksperimen sama, observasi beda
 Model  Observasi dapat lebih dari satu
1
05/02/2018
Ruang Sampel Event
Definisi: Definisi:
himpunan dari seluruh hasil (outcome) atau titik sampel himpunan bagian (subset) dari S yang memunyai karakteristik
dalam eksperimen tertentu yang diperhatikan dalam eksperimen
Eksperimen acak: Eksperimen acak:

Prosedur: lempar sebuah dadu Prosedur: lempar sebuah dadu
Observasi: catat jumlah mata dadu muka atas Observasi: catat jumlah mata dadu muka atas
Ruang sampel: S = {1, 2, 3, 4, 5, 6} Diskrit dan Event A: jumlah mata dadu bernilai genap
terbatas
Operasi Himpunan Sifat-sifat Operasi Himpunan
Event dapat diperoleh dari operasi himpunan Komutatif:
 Gabungan (union): A  B A B  B  A A B  B  A
 Interseksi: A  B Asosiatif:
A  ( B  C )  ( A  B)  C A  ( B  C )  ( A  B)  C
Distributif: A  ( B  C )  ( A  B)  ( A  C )
A  ( B  C )  ( A  B)  ( A  C )
Event A dan B: Event A dan B:
mutually exclusive mutually exclusive dan
Aturan DeMorgan ( A  B)c  Ac  B c ( A  B)  A  B
c c c
collectively exhaustive
Eksperimen Acak Ruang Sampel
Eksp. Prosedur Observasi Eksp. Observasi Ruang Sampel

E1 Pilih bola dalam kotak yang berisi 10 bola identik Catat nomor bola E1 Nomor bola yang terpilih dari S1 = {1, 2, …, 10}
yang diberi nomor 1 sampai 10 dalam kotak
E2 Pilih bola dalam kotak yang berisi 4 bola identik Catat nomor dan warna bola
yang dinomori 1 dan 2 untuk bola hitam (h), E2 Nomor dan warna bola terpilih S2 = {(1,h), (2,h), (3,p), (4,p)}
nomor 3 dan 4 untuk bola putih (p).
E3 Hitung banyaknya pesan yang datang pada pusat Catat hasil penghitungan E3 Banyaknya pesan yang datang S3 = {0, 1, 2, …, N}
pesan tiap jam pesan tersebut tiap jam
E4 Ukur nilai tegangan dalam rangkaian pada waktu t1 Catat hasil pengukuran E4 Nilai tegangan pada waktu t1 S4 = {v: v ≥ 0}
pada suatu rangkaian listrik tegangan tersebut
2
05/02/2018
Event Eksperimen Acak
Eksp. Observasi Event

E1 Bola bernomor genap terpilih A1 = {2, 4, 6, 8, 10}
 Eksperimen acak merupakan eksperimen yang hasilnya
(outcome) berbeda-beda dan tidak dapat diprediksi bila
eksperimen tersebut diulang pada kondisi yang sama
Bola bernomor genap dan berwarna
E2 A2 = {(4, p)}
putih terpilih
 Ruang sampel S merupakan himpunan seluruh hasil (outcome)
yang mungkin dalam suatu eksperimen
E3 Tidak ada pesan yang datang tiap jam A3 = {0}
 Event merupakan subset dari S yang memunyai karakteristik

E4
Nilai tegangan pada waktu t1 lebih besar
A4= {v: 210 < v < 230} tertentu yang diperhatikan dalam eksperimen
dari 210 tetapi lebih kecil dari 230
Soal Latihan Sumber Bacaan
Monitor tiga panggilan (call) telepon berturutan pada sentral telepon.

Panggilan telepon diklasifikasikan sebagai panggilan suara (bila ada
No. Referensi Bab Halaman
pembicaraan) dan panggilan data. Hasil observasi adalah sekuen dari tiga
huruf, misal ssd adalah observasi dua panggilan suara dan satu panggilan Garcia: Probability and Random
data. Tulis elemen-elemen dari himpunan berikut: 1. 2 5, 23
Processes for Electrical Engineering
A1 = {panggilan pertama adalah pangggilan suara} Yates: Probability and Stochastic
B1 = {panggilan pertama adalah panggilan data} 2. Processes: a friendly introduction for 1 6
A2 = {panggilan kedua adalah panggilan suara} electrical and computer engineers,” 2nd Ed.
B2 = {panggilan pertama adalah panggilan data} 3.
Peebles: Probability, Random Variables,
1 9
A3 = {semua panggilan sama} and Random Signal Principles, 4th Ed.
B3 = {panggilan suara dan data bergantian} 4.

Shanmugan: Random Signals: Detection,
- -
Untuk setiap pasangan event A1 dan B1; A2 dan B2; A3 dan B3; identifikasi Estimation and Data Analysis
apakah pasangan event tersebut adalah mutually exclusive atau collectively
exhaustive atau keduanya.

OUTLINE
3. Contoh
4. Ringkasan
Tim ProStok

Surabaya, 2014
18
3
05/02/2018
Mahasiswa mampu: Probabilitas merupakan bilangan yang ditugaskan

menjelaskan teori probabilitas berdasarkan pada event yang menunjukkan kemungkinan event
pendekatan frekuensi relatif dan aksioma
tersebut terjadi bila suatu eksperimen acak
probabilitas.
dilakukan. Teori probabilitas dapat dibedakan
dalam dua pendekatan, yaitu frekuensi relatif dan
aksioma probabilitas.
Teori Probabilitas 19 Teori Probabilitas 20
Pendekatan Frekuensi Relatif Hasil Eksperimen Acak
Eksperimen acak Hasil eksperimen 100 trial:

Prosedur: pilih bola dalam kotak yang berisi bola identik 3
yang diberi nomor 1, 2 dan 3

Observasi: catat nomor bola
Outcome
Eksperimen dilakukan (diulang) sebanyak n kali (trial) 2
Data hasil eksperimen:

 3 outcome  k = 1, 2, 3
1
 S = {1, 2, 3} 0 10 20 30 40 50
Trial
60 70 80 90 100
Representasi Frekuensi Relatif (1) Representasi Frekuensi Relatif (2)
N k ( n)
Frekuensi relatif: fk  Nk(n): jumlah tiap outcome k
dalam n trial
1000 trial:
n
100 trial: 1
Outcome 1
Outcome 2
0.8 Outcome 3
1
Relative Frequency
Outcome 1
0.8
Outcome 2
Outcome 3
0.6
 0.33
Relative Frequency
0.6 0.4
0.4 0.2
0.2
0
0 100 200 300 400 500 600 700 800 900 1000
0 Number of trials
0 10 20 30 40 50 60 70 80 90 100
Number of trials
4
05/02/2018
Kelemahan Frekuensi Relatif Aksioma Probabilitas
Trial yang sangat besar: lim f k  pk Notasi

n
S : ruang sampel
A : event dalam ruang sampel S
pk: probabilitas outcome ke-k
P(A) : probabilitas event A
Fakta: Tiga aksioma probabilitas:

 eksperimen acak jarang dilakukan sampai dengan tak
berhingga 1) P(A) ≥ 0 mutually
exclusive
 beberapa eksperimen tidak dapat diulang 2) P(S) = 1
 N  N
Perlu pendekatan lain 3) P  An    P( An ) Am  An   m  n  1, 2, , N
 n 1  n 1
Komplemen Event dalam Ruang Sampel Soal
Event A dan Ac: mutually exclusive dan collectively exhaustive Eksperimen acak
Prosedur: Pilih bola dalam kotak yang berisi bola yang
Aksioma ke-3: S dinomori 1 sampai 10
P( A  Ac )  P( A)  P( Ac ) A Observasi: catat nomor bola terpilih.

Ac Definisi:
Aksioma ke-2: Event A: bola bernomor genap terpilih
A  Ac  
P( A  Ac )  P( S ) Event B: bola bernomor lebih besar dari 6
P( A)  P( Ac )  1
Dapatkan probabilitas komplemen event A, probabilitas
Probabilitas komplemen event: P( Ac )  1  P( A) joint dan union event A dan B.
Solusi (1) Solusi (2)
Ruang sampel, S = {1, 2, …, 10} S 1 Komplemen A, Ac = {1, 3, 5, 7, 9}

2
A Probabilitas komplemen A: P(Ac) = 5/10 = 1/2
Event A, A = {2, 4, 6, 8, 10} 8 7
4
10
3 6 9 P(Ac) = 1  P(A) = 1/2
Event B, B={7,8,9,10} B
5
Event joint A dan B, A∩B={8,10}
P(S) = 1 Probabilitas joint A dan B: P(A∩B) = 2/10
P(A) = 5/10 = 1/2

Probabilitas union A dan B, A∪B:
P(B) = 4/10 P(A∪B) = P(A) + P(B)  P(A∩B) = 5/10 + 4/10 -2/10 = 7/10
5
05/02/2018
Teori Probabilitas Soal Latihan
 Probabilitas suatu event selalu bernilai tak negatif, Dadu bermata enam dengan setiap sisi memunyai peluang
sedangkan probabilitas ruang sampel selalu bernilai 1 muncul yang sama. Berapa probabilitas setiap outcome?
(satu) yang menyatakan bahwa ruang sampel meliputi Untuk event-event:
seluruh hasil eksperimen A = {dadu bermata genap}
B = {dadu bermata ganjil}
 Probabilitas union dari event-event mutually exclusive C= {mata dadu lebih dari 3}
sama dengan jumlah probabilitas masing-masing event dapatkan probabilitas setiap event tersebut, probabilitas
individu union A dan B, probabilitas joint A dan C.
CP Teori Contoh Ringkasan Latihan

Sumber Bacaan
Garcia: Probability and Random

1. 2 31
Yates: Probability and Stochastic
2. Processes: a friendly introduction for 1 12
electrical and computer engineers,” 2nd Ed.
3. 1 11
and Random Signal Principles, 4th Ed.
4. 2 9
Estimation and Data Analysis Tim ProStok
Jurusan Teknik Elektro - FTI

Surabaya, 2014
Teori Probabilitas 33

OUTLINE
Capaian Pembelajaran
Mahasiswa mampu:
2. Pengantar dan Teori menghitung probabilitas suatu event bersyarat
event lain
3. Contoh
4. Ringkasan
5. Latihan
35
Probabilitas Bersyarat 36
6
05/02/2018
Pengantar Dependensi event
Eksperimen acak
Dalam bahasan ini akan dijelaskan tentang hubungan dari
dua event, misal A dan B, apakah terjadinya salah satu Prosedur: ambil bola dua kali dari dalam kotak
event mengubah terjadinya event yang lain. Jadi,  Kotak berisi 5 bola putih dan 5 bola hitam
apakah pengetahuan tentang terjadinya event B akan  Warna bola tidak dapat dilihat dari luar
mengubah kemungkinan terjadinya event A. Untuk  Bola terambil tidak dikembalikan lagi ke
menjawab pertanyaan ini perhatikan eksperimen dalam kotak
berikut ini. Observasi: catat warna bola terambil
Probabilitas Bersyarat 37 Probabilitas Bersyarat 38
Hasil Eksperimen Acak Soal
Diagram pohon hasil eksperimen: Eksperimen acak

Prosedur: pilih (ambil) bola dari dalam kotak
– Kotak berisi 2 bola hitam diberi nomor 1 dan 2;
P1 H1 Event B: bola putih ke-1
½ ½ 2 bola putih diberi nomor 3 dan 4
Observasi: catat nomor dan warna bola terpilih.
Definisi: Event A: bola hitam terpilih
P2 H2 P2 H2 Event A: bola putih ke-2
4/9 5/9 5/9 4/9 Event B: bola bernomor genap
Event C: nomor bola terpilih > 2
4/18 5/18 5/18 4/18
Apakah pengetahuan terjadinya event B dan C memengaruhi
probabilitas terjadinya event A?
Probabilitas joint A dan B

Ruang sampel: S  (1, h), (2, h), (3, p), (4, p)
P( A  B)  P({(2, h)})  0.25
Event : A  (1, h), (2, h)
Probabilitas bersyarat
B  (2, h), (4, p)
P( A  B) 0.25
P( A B)    0.5  P( A)
C  (3, p), (4, p) P( B) 0.5
Probabilitas tiap event: P( A)  P( B)  P(C )  1 2 Pengetahuan terjadinya event B tidak mengubah

probabilitas event A
7
05/02/2018
Probabilitas Bersyarat Soal Latihan
 Probabilitas bersyarat digunakan untuk menguji Eksperimen dilakukan untuk menguji dua IC berasal dari
kebergantungan suatu event terhadap terjadinya event pabrik XYZ. Observasi dilakukan untuk menentukan IC tadi
lain diterima (accepted) atau ditolak (rejected). Event B
didefinisikan sebagai event dari IC pertama dites adalah
ditolak. Secara matematis ditulis B={rr, ra}. Dengan cara yang
 Probabilitas event A bersyarat event B sama dengan sama A={rr, ar} menyatakan event IC kedua ditolak. Diketahui
probabilitas joint dari A dan B dibagi dengan probabilitas bahwa P({rr})=0.01, P({ra})=0.01, P({ar})=0.01 dan
event B P({aa})=0.97.
Dapatkan probabilitas IC kedua adalah ditolak bila diketahui
IC pertama ditolak.

Sumber Bacaan

1. 2 48
3. 1 14
4. 2 16

Surabaya, 2014
Probabilitas Bersyarat 45

OUTLINE
Mahasiswa mampu:
2. Pengantar dan Teori menghitung probabilitas total suatu event berdasarkan
terjadinya event-event lain yang didefinisikan dalam
ruang sampel yang sama
3. Contoh
4. Ringkasan
5. Latihan
47
Probabilitas Total 48
8
05/02/2018
Pengantar Konsep Probabilitas Total
Probabilitas total A dalam S:

B1 B2
Konsep probabilitas total digunakan untuk memeroleh jumlah dari probabilitas joint A dengan Bn
A
probabilitas event tertentu (A) berdasarkan terjadinya N
P( A)   P( A  Bn ) B3  BN
event-event lain (Bn) yang mutually exclusive dalam n 1
atau:
ruang sampel yang sama. Probabilitas event A dinyatakan
sebagai jumlah dari probabilitas joint event A dengan P( A)  P( A  B1 )  ( A  B2 )    P( A  BN )
event Bn tersebut  Probabilitas event A, diberikan event Bn:

N
P( A)   P( A Bn ) P( Bn )
n 1
Probabilitas Total 49 Probabilitas Total 50
Bukti Soal
N
 Bn  S
0.9
N event mutually exclusive, Bn: Sistem komunikasi biner B1 A1
n 1 P(B1) = 0.6
1 1 0.1
 N  N
A  A  S  A    Bn    ( A  Bn )
 n 1  n 1 0 0 0.1
B2 A2
maka, probabilitas event A dalam S, diberikan event Bn: P(B2) = 0.4 0.9
N  N B1: simbol ‘1’ dikirim

P( A)  P( A  S )  P   ( A  Bn )   P( A  Bn ) B2: simbol ‘0’ dikirim
n 1  n 1 Transmitter Receiver
A1: simbol ‘1’ diterima
N A2: simbol ‘0’ diterima
Probabilitas total event A: P( A)   P( A Bn ) P( Bn )
n 1 Hitung probabilitas simbol diterima, yaitu P(A1) dan P(A2)
Solusi Probabilitas Total
Probabilitas transisi: P ( A1 B1 )  0.9 P( A2 B1 )  0.1

 Probabilitas total digunakan untuk mencari probabilitas
P( A2 B2 )  0.9 P( A1 B2 )  0.1 event tertentu (A) berdasarkan event-event lain (Bn) yang
mutually exclusive dan collectively exhaustive dalam ruang
Probabilitas simbol ‘1’ diterima sampel yang sama
P( A1 )  P( A1 B1 ) P( B1 )  P( A1 B2 ) P( B2 )
 Probabilitas event A tersebut dinyatakan sebagai jumlah
 0.9(0.6)  0.1(0.4)  0.58 dari probabilitas joint event A dengan event Bn
Probabilitas simbol ‘0’ diterima

P( A2 )  P( A2 B1 ) P( B1 )  P( A2 B2 ) P( B2 )
 0.1(0.6)  0.9(0.4)  0.42
9
05/02/2018
Soal Latihan Sumber Bacaan
Sistem komunikasi seperti contoh dikembangkan untuk kasus

tiga simbol yang ditransmisikan yaitu 0, 1 dan 2.
Asumsikan probabilitas transisi pada kanal adalah sama yaitu 1.
- -
P(Ai|Bj)=0.1 untuk ij dan P(Ai|Bj)=0.8 untuk i=j=0, 1, 2.
Probabilitas simbol 0,1,2 ditransmisikan adalah P(B0)=0.5, 2. Processes: a friendly introduction for - -
P(B1)=0.3 dan P(B2)=0.2. electrical and computer engineers,” 2nd Ed.
a) Sket model secara diagram sistem komunikasi tersebut. 3.
1 17
b) Hitung probabilitas simbol diterima, P(A0), P(A1) dan P(A2)
4. - -
Estimation and Data Analysis

OUTLINE
3. Contoh
4. Ringkasan
Tim ProStok

Surabaya, 2014
58
Mahasiswa mampu:
Teorema Bayes digunakan untuk mengestimasi
menghitung probabilitas posteriori suatu suatu informasi atau hasil eksperimen
eksperimen acak.
berdasarkan probabilitas event yang diketahui
sebelum eksperimen tersebut dilakukan.
Aplikasi teorema Bayes banyak digunakan
dalam sistem komunikasi.
Teorema Bayes 59 Teorema Bayes 60
10
05/02/2018
Review: Probabilitas Bersyarat dan Probabilitas Total Teorema Bayes
Probabilitas bersyarat dua event: Teorema Bayes:
P( Bn  A) P ( A Bn ) P ( Bn )
P( Bn A)  P ( Bn A)  n  1, 2, , N
P( A) P ( A B1 ) P( B1 )    P( A B N ) P( B N )
atau: dengan:
P ( A  Bn )
P ( A Bn )  P( Bn ) probabilitas priori
P ( Bn )
Probabilitas event A, diberikan event Bn: P( A Bn ) probabilitas transisi

B1 B2
N A P( Bn A) probabilitas posteriori
P( A)   P( A Bn ) P( Bn )
B3  BN
n 1
Soal Solusi (1)
0.9
Sistem komunikasi biner B1 A1 Probabilitas transisi: P ( A1 B1 )  0.9 P( A2 B1 )  0.1
P(B1) = 0.6
1 1 0.1
P( A2 B2 )  0.9 P( A1 B2 )  0.1
0 0 0.1
Probabilitas simbol ‘1’ diterima
B2 A2
P(B2) = 0.4 0.9
P( A1 )  P( A1 B1 ) P( B1 )  P( A1 B2 ) P( B2 )
B1: simbol ‘1’ dikirim  0.9(0.6)  0.1(0.4)  0.58
B2: simbol ‘0’ dikirim
Transmitter Receiver
A1: simbol ‘1’ diterima Probabilitas simbol ‘0’ diterima
A2: simbol ‘0’ diterima
P( A2 )  P( A2 B1 ) P( B1 )  P( A2 B2 ) P( B2 )
Hitung probabilitas posteriori untuk tiap simbol yang diterima  0.1(0.6)  0.9(0.4)  0.42
Probabilitas posteriori untuk simbol 1 diterima memang Probabilitas simbol yang diterima berbeda dengan simbol yang
berasal dari simbol 1 dikirim dikirim:
P( A1 B1) P( B1) 0.9(0.6) 0.54

P( B1 A1)     0.931 P( A2 B1) P( B1) 0.1(0.6) 0.06
P( A1) 0.58 0.58 P( B1 A2 )     0.143
P( A2 ) 0.42 0.42
Probabilitas posteriori untuk simbol 0 diterima memang

berasal dari simbol 0 dikirim P( A1 B2 ) P( B2 ) 0.1(0.4) 0.04
P( B2 A1)     0.069
P( A2 B2 ) P( B2 ) 0.9(0.4) 0.36 P( A1) 0.58 0.58
P( B2 A2 )     0.857
P( A2 ) 0.42 0.42
11
05/02/2018
Teorema Bayes Soal Latihan
Sistem komunikasi seperti contoh dikembangkan untuk kasus tiga

 Probabilitas priori diketahui (diberikan) sebelum
simbol yang ditransmisikan yaitu 0, 1 dan 2.
eksperimen dilakukan
Asumsikan probabilitas transisi pada kanal adalah sama yaitu
P(Ai|Bj)=0.1 untuk ij dan P(Ai|Bj)=0.8 untuk i = j = 0, 1, 2.
Probabilitas simbol 0,1,2 ditransmisikan adalah P(B0)=0.5,
 Probabilitas posteriori dapat dihitung dengan
P(B1)=0.3 dan P(B2)=0.2.
menggunakan teorema Bayes bila eksperimen telah
a) Sket model secara diagram sistem komunikasi tersebut.
dilakukan dan terjadi event tertentu yang diamati
b) Hitung probabilitas simbol diterima, P(A0), P(A1) dan P(A2)
c) Hitung probabilitas posteriori untuk sistem ini
d) Bila probabilitas P(Bj)=0.3 ; ulangi soal (c)

Sumber Bacaan

1. 2 53
3. 1 18
4. 2 19

Surabaya, 2014
Teorema Bayes 69

OUTLINE
Mahasiswa mampu:
2. Pengantar dan Teori menghitung probabilitas suatu event berdasarkan
pengetahuan tentang kejadian event lain yang
independen secara statistik
3. Contoh
4. Ringkasan
5. Latihan
71
Event independen 72
12
05/02/2018
Pengantar Independensi Event
Eksperimen acak
Pengetahuan tentang terjadinya suatu event dapat
Prosedur: ambil bola dua kali dari dalam kotak
mengubah atau tidak mengubah probabilitas event yang
 Kotak berisi 5 bola putih dan 5 bola hitam
lain. Jika probabilitas terjadinya suatu event tidak
bergantung pada terjadinya event lain, maka event-event  Warna bola tidak dapat dilihat dari luar
tersebut disebut event independen secara statistik.  Bola terambil dikembalikan lagi ke
dalam kotak
Observasi: catat warna bola terambil
Event independen 73 Event independen 74
Hasil Eksperimen Acak Soal
Diagram pohon hasil eksperimen: Eksperimen acak

Prosedur: pilih (ambil) bola dari dalam kotak
– Kotak berisi 2 bola hitam diberi nomor 1 dan 2;
P1 H1 Event B: bola putih ke-1
½ ½ 2 bola putih diberi nomor 3 dan 4
Observasi: catat nomor dan warna bola terpilih.
Definisi: Event A: bola hitam terpilih
P2 H2 P2 H2 Event A: bola putih ke-2
½ ½ ½ ½ Event B: bola bernomor genap
Event C: nomor bola terpilih > 2
¼ ¼ ¼ ¼ Apakah pengetahuan terjadinya event B dan C memengaruhi
probabilitas terjadinya event A?
Probabilitas joint A dan B

Ruang sampel: S  (1, h), (2, h), (3, p), (4, p)
P( A  B)  P({(2, h)})  0.25
Event : A  (1, h), (2, h)

atau dihitung melalui sifat probabilitas joint untuk event
independen
B  (2, h), (4, p)
P( A  B)  P( A) P( B)  0.25
C  (3, p), (4, p)
Probabilitas tiap event: P( A)  P( B)  P(C )  1 2 Kesimpulan: A dan B adalah event independen
13
05/02/2018
Event Independen Soal Latihan
 Dua event adalah independen bila pengetahuan tentang Monitor dua panggilan telepon berturutan pada sentral
terjadinya salah satu event tidak mengubah probabilitas telepon. Panggilan telepon diklasifikasikan sebagai panggilan
event yang lainnya suara (bila ada pembicaraan) dan panggilan data. Hasil
observasi adalah sekuen dari dua huruf, misal sd adalah
observasi satu panggilan suara dan satu panggilan data. Dua
 Probabilitas joint dari dua event independen sama dengan panggilan telepon tersebut adalah independen. Probabilitas
perkalian masing-masing probabilitas event tersebut panggilan suara adalah 0.8. NS merupakan notasi untuk
banyaknya panggilan suara. Apakah pasangan event { NS = 2}
 Event-event mutually exclusive yang memunyai nilai dan { NS ≥ 1} adalah independen?
probabilitas tidak nol tidak dapat menjadi event
independen

Sumber Bacaan

1. 2 54
3. 1 20
4. 2 20

Surabaya, 2014
Event independen 81

OUTLINE
Mahasiswa mampu:
2. Pengantar dan Teori mengaplikasikan konsep probabilitas untuk memeroleh

nilai keandalan suatu sistem dalam konfigurasi seri,
paralel atau gabungan seri-paralel
3. Contoh
4. Ringkasan
5. Latihan
83
Keandalan Sistem 84
14
05/02/2018
Pengantar Konfigurasi Sistem
Konfigurasi sistem:
1) Seri
Salah satu aplikasi konsep probabilitas adalah untuk
2) Paralel
menganalisis keandalan suatu sistem. Keandalan 3) Seri-paralel
sistem dapat dianalisis berdasarkan struktur

 Sistem seri
sistem yang dapat tersusun dalam konfigurasi seri
Sistem berfungsi  semua komponen berfungsi
dan paralel atau gabungan dari keduanya
 Sistem paralel
 Sistem berfungsi  minimal satu komponen berfungsi
 Sistem rusak  semua komponen rusak
Keandalan Sistem 85 Keandalan Sistem 86
Keandalan Sistem Seri Keandalan Sistem Paralel
C1
C1 C2  Cn  F: sistem berfungsi
Definisi: C2
 F: sistem berfungsi  Ai: komponen Ci berfungsi

 Ai: komponen Ci berfungsi dengan P(Aic) = 1 p
dengan P(Ai) = p Cn
 Asumsi: kerusakan komponen independen
Asumsi: kerusakan komponen independen
Probabilitas sistem berfungsi: Sistem rusak: F c  A1c  A2c    Anc
F  A1  A2    An Probabilitas sistem berfungsi:

n
P( F )  P( A1 ) P( A2 )  P( An )   P( Ai )  p n
P( F )  1  ( P( A1c ) P( A2c )  P( Anc ))  1  (1  p) n
i 1
Soal Solusi
Sistem seri-paralel Probabilitas subsistem seri (C1 dan C2): C1 C2 C4

Probabilitas komponen C1 dan C2 berfungsi = 0.9 P( Fseri )  P( A1 ) P( A2 )  0.9(0.9)  0.81
C3 C5
Probabilitas komponen C3, C4 dan C5 berfungsi = 0.8
Prob. subsistem paralel 1 (seri atau C3) :
Definisi: C1 C2 C4 P( FP1 )  1  P( Fseri

c
) P( A3c )  1  (1  0.81)(1  0.8)  0.962
Ai: komponen Ci berfungsi Prob. subsistem paralel 2 (C4 atau C5):

C3 C5
F: sistem berfungsi P( FP 2 )  1  P( A4c ) P( A5c )  1  (1  0.8)(1  0.8)  0.96
Dapatkan probabilitas sistem berfungsi (keandalan sistem) Prob. sistem berfungsi (keandalan sistem):
P( F )  P( FP1) P( FP2 )  (0.962)(0.96)  0.9235
15
05/02/2018
Keandalan Sistem Soal Latihan
 Bila kerusakan komponen adalah independen, probabilitas Sistem terdiri dari sebuah kontroler dan tiga unit peripheral.
sistem seri berfungsi adalah sama dengan perkalian Sistem disebut berfungsi bila kontroler dan minimal dua
probabilitas masing-masing komponen berfungsi peripheral berfungsi. Dapatkan probabilitas sistem tersebut
berfungsi dengan asumsi bahwa kerusakan seluruh komponen
 Bila kerusakan (kegagalan) komponen adalah independen, adalah independen. (Petunjuk: definisikan event A adalah
probabilitas sistem paralel berfungsi adalah sama dengan 1 kontroler berfungsi dan Bi adalah peripheral berfungsi)
(satu) dikurangi perkalian probabilitas kerusakan (kegagalan)
masing-masing komponen
 Probabilitas sistem gabungan seri-paralel dianalisis

berdasarkan ekuivalensi sistem dalam hubungan seri dan/atau
paralel

1. 2 17
3. - -
4. - -
Estimation and Data Analysis
Keandalan Sistem 93
16

Bab01HO PDF

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Bab01HO PDF

Diunggah oleh

Hak Cipta:

Format Tersedia

05/02/2018

Probabilitas dan Proses Stokastik

2. Pengantar dan Teori

Jurusan Teknik Elektro - FTI 5. Latihan

CP Teori Contoh Ringkasan Latihan CP Teori Contoh Ringkasan Latihan

Capaian Pembelajaran Pengantar

Mahasiswa mampu: Konsep dasar tentang eksperimen acak dan penentuan

Eksperimen Acak 3 Eksperimen Acak 4

CP Teori Contoh Ringkasan Latihan CP Teori Contoh Ringkasan Latihan

Eksperimen Acak Eksperimen Acak

Definisi: Prosedur: lempar sebuah koin

 Prosedur Eksperimen acak:

 Observasi  Prosedur eksperimen sama, observasi beda

 Model  Observasi dapat lebih dari satu

Eksperimen Acak 5 Eksperimen Acak 6

CP Teori Contoh Ringkasan Latihan CP Teori Contoh Ringkasan Latihan

Ruang Sampel Event

Eksperimen acak: Eksperimen acak:

Eksperimen Acak 7 Eksperimen Acak 8

CP Teori Contoh Ringkasan Latihan CP Teori Contoh Ringkasan Latihan

Operasi Himpunan Sifat-sifat Operasi Himpunan

Event dapat diperoleh dari operasi himpunan Komutatif:

Eksperimen Acak 9 Eksperimen Acak 10

CP Teori Contoh Ringkasan Latihan CP Teori Contoh Ringkasan Latihan

Eksperimen Acak Ruang Sampel

Eksp. Prosedur Observasi Eksp. Observasi Ruang Sampel

Eksperimen Acak 11 Eksperimen Acak 12

CP Teori Contoh Ringkasan Latihan CP Teori Contoh Ringkasan Latihan

Event Eksperimen Acak

Eksp. Observasi Event

 Event merupakan subset dari S yang memunyai karakteristik

Eksperimen Acak 13 Eksperimen Acak 14

CP Teori Contoh Ringkasan Latihan CP Teori Contoh Ringkasan Latihan

Soal Latihan Sumber Bacaan

Monitor tiga panggilan (call) telepon berturutan pada sentral telepon.

B3 = {panggilan suara dan data bergantian} 4.

Eksperimen Acak 15 Eksperimen Acak 16

Probabilitas dan Proses Stokastik

2. Pengantar dan Teori

Jurusan Teknik Elektro - FTI 5. Latihan

CP Teori Contoh Ringkasan Latihan CP Teori Contoh Ringkasan Latihan

Capaian Pembelajaran Pengantar

Mahasiswa mampu: Probabilitas merupakan bilangan yang ditugaskan

Teori Probabilitas 19 Teori Probabilitas 20

CP Teori Contoh Ringkasan Latihan CP Teori Contoh Ringkasan Latihan

Pendekatan Frekuensi Relatif Hasil Eksperimen Acak

Eksperimen acak Hasil eksperimen 100 trial:

yang diberi nomor 1, 2 dan 3

Eksperimen dilakukan (diulang) sebanyak n kali (trial) 2

Data hasil eksperimen:

Teori Probabilitas 21 Teori Probabilitas 22

CP Teori Contoh Ringkasan Latihan CP Teori Contoh Ringkasan Latihan

Representasi Frekuensi Relatif (1) Representasi Frekuensi Relatif (2)

Teori Probabilitas 23 Teori Probabilitas 24

CP Teori Contoh Ringkasan Latihan CP Teori Contoh Ringkasan Latihan

Kelemahan Frekuensi Relatif Aksioma Probabilitas

Trial yang sangat besar: lim f k  pk Notasi

Fakta: Tiga aksioma probabilitas:

Teori Probabilitas 25 Teori Probabilitas 26

CP Teori Contoh Ringkasan Latihan CP Teori Contoh Ringkasan Latihan

Komplemen Event dalam Ruang Sampel Soal

P( A  Ac )  P( A)  P( Ac ) A Observasi: catat nomor bola terpilih.

Teori Probabilitas 27 Teori Probabilitas 28