Tujuan Pembelajaran

Pokok Bahasan
Variabel Acak (Random Variable)
Sebuah variabel acak (random variable) X adalah
variabel yang memiliki nilai numerik tunggal dari setiap outcome
sebuah eksperimen probabilitas

Variabel Acak Diskrit:

 nilai yang dapat dicacah (countable)
Variabel Acak Kontinu:
 diperoleh dari hasil pengukuran

Eksperimen Probabilitas:
 hasil/keluaran (outcome),
 tanggapan (response)
 ukuran (measurement)
A Random Variable is a set of possible values from a random experiment.

Example:
Tossing a coin: we could get Heads or Tails.
Let's give them the values Heads=0 and Tails=1 and we have a Random Variable "X":

In short:
X = {0, 1}

Note: We can choose Heads=100 and Tails=150 or other values if we want! It is our choice.

So:
•We have an experiment (such as tossing a coin)
•We give values to each event
•The set of values is a Random Variable

TEKNIK MESIN – FTUI Ã DR.

IR. HARINALDI, M.ENG
Distribusi Probabilitas Diskrit
Sifat Fungsi Probabilitas

• Seluruh keluaran yang mungkin dari sebuah eksperimen probabilitas dengan

variabel diskrit X :
X = {x1, x2, x3, …, xn}

• Nilai probabilitas yang berkaitan dengan keluaran tersebut adalah

P(X=x1), P(X=x2), P(X=x3),…, P(X=xn)

• Sebaran nilai probabilitas ini membentuk sebuah distribusi probabilitas diskrit

variabel X

P(X=xn) biasa dinotasikan juga dengan p(xn)

P(X=xn) = p(xn)  fungsi probabilitas
TEKNIK MESIN – FTUI  DR.
IR. HARINALDI, M.ENG
Distribusi Probabilitas Diskrit
Sifat Fungsi Probabilitas

1. Nilai-nilai sebuah fungsi probabilitas adalah angka-angka yang

berada dalam interval antara 0 dan 1.
2. Jumlah seluruh nilai fungsi probabilitas adalah 1.

0  p( x )  1
Konsep dan Definisi
Eksperimen Probabilitas, Ruang Sampel dan Peristiwa
 Eksperimen probabilitas
 hasil/keluaran (outcome),
 tanggapan (response)
 ukuran (measurement)
 Seluruhnya  ruang sampel (sample space)
 Sebagian  Peristiwa/kejadian (event)
 Diagram venn
TEKNIK MESIN – FTUI Ã DR.
IR. HARINALDI, M.ENG
Counting Sample Points

TEKNIK MESIN – FTUI Ã DR.

IR. HARINALDI, M.ENG
0  p( x )  1

Distribusi Probabilitas Diskrit

TEKNIK MESIN – FTUI  DR.

IR. HARINALDI, M.ENG
0  p( x )  1

TEKNIK MESIN – FTUI  DR.

IR. HARINALDI, M.ENG
Distribusi Probabilitas Diskrit
Fungsi Distribusi Kumulaif

Fungsi distribusi kumulatif (cumulative distribution function/cdf)

didefinisikan sebagai:

F ( x )  P( X  x )   p( )
 x
TEKNIK MESIN – FTUI  DR.
IR. HARINALDI, M.ENG
TEKNIK MESIN – FTUI  DR.
IR. HARINALDI, M.ENG
Statistik Deskriptif Distribusi Probabilitas Diskrit

Ukuran-ukuran statistik deskriptif untuk suatu distribusi probabilitas

diskrit dapat ditentukan dengan prinsip-prinsip yang sudah dibahas pada
bab statistik deskriptif

Mean n
 x   xi p( xi )
i 1

Varians n
   ( xi   x ) p( xi )
2
x
2

i 1
1. Paling banyak 2 komputer digunakan
2. Paling sedikit 3 komputer digunakan
3. P(2 ≤ X ≤ 5)
4. P( 2 < X < 5)

TEKNIK MESIN – FTUI Ã DR.

IR. HARINALDI, M.ENG
 1. Tentukan fungsi probabilitas X
2. Hitung P (3 < X < 6) dan P ( 4 ≤ X)

TEKNIK MESIN – FTUI Ã DR.

IR. HARINALDI, M.ENG
 1. Buat F(x)
2. Hitung mean dan varians

TEKNIK MESIN – FTUI Ã DR.

IR. HARINALDI, M.ENG
 Distribusi Probabilitas Kontinu
Fungsi Kepadatan Probabilitas

• Untuk variable acak kontinu

• Kurva distribusi probabilitas diwakili oleh poligon
frekuensi relatif yang dimuluskan
• Kurva ini dapat dinyatakan oleh suatu fungsi kontinu,
misalnya f(x), yang disebut sebagai fungsi kepadatan
probabilitas (probability density function/pdf)
 Distribusi Probabilitas Kontinu

Probabilitas bahwa X terletak antara a dan b

b
P (a  X  b)  p(a  x  b)  a f ( x )dx Luas di bawah kurva
 Distribusi Probabilitas Kontinu
Sifat Fungsi Kepadatan Probabilitas

Fungsi kepadatan probabilitas (pdf) :

f(x)  0 (non-negatif).

Luas total daerah dibawah kurva f(x) = 1

Catatan :
• Untuk variabel kontinu : P(X=c) = p(c) = 0
TEKNIK MESIN – FTUI  DR.
IR. HARINALDI, M.ENG
TEKNIK MESIN – FTUI  DR.
IR. HARINALDI, M.ENG
 Distribusi Probabilitas Kontinu
Fungsi Distribusi Kumulatif
x
F ( x )  P( X  x )   f (t )dt
c b
P (b  X  c )   f (t )dt   f (t )dt  F (c )  F (b)

TEKNIK MESIN – FTUI  DR.

IR. HARINALDI, M.ENG
TEKNIK MESIN – FTUI  DR.
IR. HARINALDI, M.ENG
 Statistik Deskriptif Distribusi
Probabilitas Kontinu
Ukuran-ukuran statistik deskriptif untuk suatu distribusi
probabilitas diskrit kontinu dapat ditentukan dengan
prinsip-prinsip yang sudah dibahas sebelumnya

Mean
 x   x  f ( x )dx

Varians    ( x  x ) f ( x )dx
2
x
2
 Histogram Probabilitas

 Ketinggian sebuah batang histogram merupakan nilai

fungsi kepadatan probabilitas untuk seluruh nilai variabel
acak sepanjang interval yang diwakili batang tersebut
 Luas dari sebuah batang histogram merupakan nilai
fungsi probabilitas dari variabel acak antara batas-batas
kelasnya.

p( xlb  x  xub )
tinggi histogram  h( xlb  x  xub ) 
xub  xlb
TEKNIK MESIN – FTUI  DR.
IR. HARINALDI, M.ENG
TEKNIK MESIN – FTUI  DR.
IR. HARINALDI, M.ENG
 Distribusi Probabilitas Dengan
Parameter

 Distribusi probabilitas dengan fungsi probabilitas p(x) yang

tergantung pada sebuah kuantitas yang dapat bernilai
sembarang dimana setiap nilai yang berbeda dari kuantitas
tersebut akan membentuk distribusi probabilitas yang
berbeda pula, maka kuantitas tersebut disebut sebagai
parameter distribusi
 Kumpulan seluruh distribusi probabilitas yang terbentuk
dengan berbagai nilai yang berbeda dari parameternya
disebut sebuah keluarga distribusi probabilitas.
 Sebuah fungsi probabilitas p(x) yang memiliki parameter α
dinotasikan secara matematik dengan p(x ; α).
Distribusi Probabilitas Dengan
Parameter

TEKNIK MESIN – FTUI  DR.

IR. HARINALDI, M.ENG
Distribusi Probabilitas Dengan
Parameter

TEKNIK MESIN – FTUI  DR.

IR. HARINALDI, M.ENG
TEKNIK MESIN – FTUI  DR.
IR. HARINALDI, M.ENG
 Nilai Harapan
(Harapan Matematik)

 Jika X = { x1, x2, x3,…, xn} yang masing-masing mempunyai

probabilitas p(x1), p(x2), p(x3),…, p(xn) dimana p(x1) + p(x2) +
p(x3) +…,+ p(xn) = 1, maka nilai harapan/harapan matematik
dari X yang dinyatakan sebagai E(X) didefinisikan sebagai:

n
E ( X )   xi p( xi ) Variabel Diskrit
i 1
Mean value
E( X )   x  f ( x )dx Variabel Kontinu
TEKNIK MESIN – FTUI  DR.
IR. HARINALDI, M.ENG
Dalam sebuah permainan, sebuah dadu dilempar dan
seorang pemain memperoleh nilai 20 jika lemparannya
menunjukkan mata dadu “6”. Jika hasil lemparan tidak
menghasilkan mata dadu “6” pemain tersebut
kehilangan nilai 3. Jika dadu dilempar sebanyak 100
kali, berapakah harapan nilai total yang diperoleh
(atau yang hilang) dari seorang pemain?

TEKNIK MESIN – FTUI Ã DR.

IR. HARINALDI, M.ENG