MODUL PERKULIAHAN

Proses Random

Statistical Methods in
Digital Communication

Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh

01
Pasca Teknik Elektro ..... Prof. Dr.-Ing. Mudrik Alaydrus

Abstract
Petunjuk Penggunaan Template
Modul Standar untuk digunakan
dalam modul perkuliahan
Universitas Mercu Buana
Kompetensi
Dosen Penyusun dapat menerapkan
dan menggunakan template modul
standar untuk modul-modul yang akan
dipergunakannya
Pengenalan Probabilitas

Mengapa dalam mempelajari Teknik Elektro dan Ilmu Komputer perlu memahami
tentang Probabilitas?
Teori probabilitas merupakan alat bantu yang tepat untuk
menerangkan,
memodelkan,
menganalisa,
dan merancang teknologi yang dikembangkan dalam teknik elektro dan ilmu
komputer. Berikut ini ditunjukkan beberapa aplikasi penting.

Pemprosesan Sinyal
Amatilah situasi yang ditampilkan pada gambar 1.1. Untuk memastikan keberadaan suatu
objek terbang, sebuah impuls sinyal radar dipancarkan. Impuls sinyal ini memiliki bentuk dan
besar yang telah dirancang sedemikian rupa sehingga memenuhi syarat pemakaian.
Jika tidak ada benda di sekitar jangkauan radar ini, alat penerima radar hanya
menangkap/mendeteksi sinyal gelombang derau (noise), yang dinyatakan dengan Xt. Jika
ada objek terbang di wilayah jangkauan radar, didapatkan juga impuls sinyal refleksi selain
dari sinyal noise tadi. Tujuan dari suatu sistim radar adalah memastikan apakah sinyal yang
diterima hanya mengandung noise, atau selain noise terdapat juga sinyal refleksi.

Gambar 1.1 Diagram sistim radar

Untuk mendapatkan gambaran penting tentang kondisi yang serius ini, amatilah gambar 1.2
(kiri) berupa sinyal terima yang terkontaminasi noise. Target yang ingin dicapai dalam
perancangan sistim radar adalah mendapatkan sistim linier yang optimal yang mampu
memproses sinyal terima yang terkontaminasi noise ini, sehingga keberadaan sinyal terima

2016 Proses Random 1 - MTE Pusat Bahan Ajar dan eLearning

2 Mudrik Alaydrus http://www.mercubuana.ac.id
menjadi tampak. Jika sinyal pada gambar 1.2 (kiri) ini diproses secara tepat dengan sebuah
matched filter, maka akan didapatkan hasil seperti ditampilkan di gambar 1.2 (kanan).

Gambar 1.2 Sinyal radar sebelum dan sesudah diproses oleh matched filter.

Sistim Komunikasi Nirkabel (Wireless communication systems)

Untuk meningkatkan sinyal yang lemah dan memaksimalkan berbagai sistem komunikasi,
digunakan amplifier. Sayangnya, amplifier selalu menghasilkan noise termal, yang
ditambahkan ke sinyal yang diinginkan. Sebagai konsekuensi dari fenomena fisika yang
mendasarinya, noise termal bersifat Gaussian. Oleh karena itu, fungsi kepadatan Gaussian
(Gaussian density function) memainkan peranan penting dalam menganalisa dan
merancang sistem komunikasi. Jika penerima noncoherent digunakan, misalnya, Frequency
Shift keying non-koheren (non-coherent FSK), yang secara alami mengarah ke fungsi
kepadatan Rayleigh, chi-squared, fungsi chi-squared, dan Rice non sentral.

Trafik Jaringan Komputer (Computer network traffic)

Sebelum tahun 1990-an, analisa jaringan dan desain dilakukan dengan menggunakan
model Markov yang telah mapan. Ada suatu kemiripan (self similarity) jika diamati lalu lintas
jaringan area lokal, jaringan yang luas, dan di Dunia lalu lintas Wide Web, upaya penelitian
besar dimulai dalam menguji dampak kemiripan ini pada analisis jaringan dan desain.
Penelitian ini telah menghasilkan beberapa wawasan mengejutkan ke pertanyaan tentang
ukuran buffer vs bandwidth, beberapa kontrol kongesti skala waktu, durasi prediksi koneksi,
dan isu-isu lainnya.

Frekuensi Relatif (Relative frequency)

Dengan mengamati eksperimen yang bisa menghasilkan M buah keluaran (outcomes), O1,.
. . , OM. Misalnya, dalam melempar dadu, salah satu dari enam sisi akan muncul dengan
menghadap ke atas. Untuk experiment ini bisa dipakai Oi untuk memodelkan ke enam hasil
tersebut, dengan i = 1,. . . , 6.

2016 Proses Random 1 - MTE Pusat Bahan Ajar dan eLearning

3 Mudrik Alaydrus http://www.mercubuana.ac.id
Atau ada eksperimen lain berupa computer yang memiliki enam prosesor, dan Oi bisa
digunakan untuk memodelkan prosesor mana yang mendapat tugas mengeksekusi suatu
tugas.
Contoh lainnya, ada M = 52 hasil yang mungkin terjadi jika satu kartu dari setumpuk kartu
bridge ditarik. Demikian pula, ada M = 52 hasil jika diamati pada minggu keberapa selama
setahun terjadi kenaikan saham yang paling besar.
Contoh paling sederhana adalah dalam pelemparan koin. Dalam eksperimen ini ada dua
kemungkinan hasil “head” atau “tail”. Juga pada sistim komunikasi digital, ada dua
kemungkinan, apakah bit yang diterima salah atau tidak.
Tidak penting, eksperimen apa yang dilakukan, jika dilakukan suatu eksperimen sebanyak n
kali, maka akan keluar hasil sebanyak n kali juga.
Hasil dari eksperimen ini dinamakan trial. Nn(Oi) menunjukkan jumlah kali Oi terjadi dalam n
percobaan. Frekuensi relatif dari hasil Oi,
Nn(Oi)/n,

1.1 Ruang Sample/Semesta (Sample spaces), Keluaran (outcomes), dan

Kejadian (events)

Sample spaces
Untuk memodelkan sistem yang menghasilkan pengukuran tidak pasti atau random, kita
menggunakan Ω yang menyatakan himpunan dari semua kemungkinan yang distink, yang
bisa diamati. Himpunan Ω disebut ruang sampel. Berikut adalah beberapa contoh yang
sesuai dengan aplikasi yang dibahas pada awal bab ini.

Pemrosesan Sinyal
Dalam sebuah sistim radar, tegangan dari sebuah sinyal noise pada waktu t bisa dipandang
sebagai sebuah bilangan bernilai riil. Langkah pertama dalam melakukan pemodelan
tegangan noise seperti ini adalah dengan mengamati ruang sample yang mengandung
semua bilangan rill, yaitu Ω = (−∞,∞).

Sistim Komunikasi Nirkabel

Penerima yang non-koheren mengukur energy dari sinyal gelombang yang datang
kepadanya. Karena energy adalah besaran yang tidak negative, besaran ini dimodelkan
dengan ruang sample yang mengandung semua bilangan riil yang tidak negative, Ω = [0,∞).

2016 Proses Random 1 - MTE Pusat Bahan Ajar dan eLearning

4 Mudrik Alaydrus http://www.mercubuana.ac.id
Variabilitas di Rangkaian Elektronika.
Dengan mengamati rangkaian filter Low-pass RC seperti ditampilkan di gambar 1.3.
Andaikan nilai eksak dari R dan dari C tidak bisa dikendalikan dengan sempurna dalam
proses pembuatannya, tetapi bisa dipastikan nilainya masuk ke dalam interval nilai 98 ohms
≤ R ≤ 102 ohms dan 310 μF ≤ C ≤ 330 μF. Maka ruang sample secara matematis bisa
dituliskan dengan
Ω = {(r,c) : 98 ≤ r ≤ 102 and 310 ≤ c ≤ 330}

Gambar 1.3
Trafik Jaringan Komputer
Jika sebuah router memiliki buffer yang mampu menyimpan sampai dengan 70 paket, dan
akan dimodelkan kondisi penyimpanan dari buffer tersebut, seberapa banyak paket
tersimpan di sana, menunggu dikirimkan lanjut (forward), digunakan ruang sample Ω =
{0,1,2, . . . ,70}.
Angka 0 ikut dimasukkan, untuk memperhatikan kemungkinan tidak ada paket yang
menunggu untuk dikirim.

Keluaran dan Kejadian

Elemen-elemen atau titik-titik yang berada pada ruang sampel Ω dinamakan keluaran
(outcomes). Kumpulan dari keluaran-keluaran dinamakan kejadian (events). Dengan kata
lain kejadian adalah subset dari ruang sampel. Di bawah ini beberapa contoh.
Jika ruang sampel adalah garis bilangan riil, seperti pada pemodelan tegangan noise, nilai-
nilai tunggal seperti 1.2, -4.1 dan 3 adalah keluaran. Subset seperti interval [0,5] = {v : 0 ≤ v
≤ 5} adalah kejadian. Contoh kejadian lainnya bisa saja {2,4,7.13}. Ada juga himpunan yang
bersifat singleton, yaitu yang memiliki anggota sebuah nilai tunggal, seperti , {1.5}, {−8}, {π}.
Jadi terdapat perbedaan antara keluaran −8 dan kejadian {−8}, yang merupakan himpunan
yang memiliki anggota sebuah keluaran −8.
Jika ruang sampel adalah himpunan semua gabungan tiga angka (tripler), (b1,b2,b3), yang
mana bi adalah 0 atau 1, maka setiap triple seperti (0,0,0) atau (1,0,1) bisa menjadi sebuah
keluaran. Sebuah kejadian bisa menjadi subset dari semua tripler yang mengandung
sebuah anggota „1‟, yaitu {(0,0,1), (0,1,0), (1,0,0)}.

2016 Proses Random 1 - MTE Pusat Bahan Ajar dan eLearning

5 Mudrik Alaydrus http://www.mercubuana.ac.id
Sebuah contoh dari kejadian singleton misalnya {(1,0,1)}.
Dalam pemodelan resistansi dan kapasitansi dari rangkaian filter RC di atas, diusulkan
ruang sample Ω = {(r,c) : 98 ≤ r ≤ 102 dan 310 ≤ c ≤ 330}, seperti ditampilkan di gambar 1.3.
Jika sebuah contoh rangkaian dengan R=101 ohms dan C =320 μF, maka data ini merujuk
pada keluaran (101,320), seperti ditunjukkan di gambar 1.4 sebagai sebuah titik.
Jika diamati sebuah contoh rangkaian dengan R≥100 ohms dan C ≥325 μF, ini merujuk
pada suatu kejadian {(r,c) : 100 ≤ r ≤ 102 dan 325 ≤ c ≤ 330}, yang ditampilkan sebagai
wilayah yang diarsir di gambar 1.4.

Gambar 1.4 Contoh outcome (titik) dan event (wilayah arsir)

1.2 Model Probabilitas

Tujuan dari teori probabilitas adalah menyediakan alat bantu matematis untuk menganalisa
masalah yang kompleks yang jawabannya tidak tegas. Untuk mengembangkan suatu teori
yang bisa diterima, teori ini harus bisa menyediakan jawaban untuk masalah yang
sederhana, yang sejalan dengan intuisi manusia. Di bagian ini dibahas beberapa masalah
sederhana, jawaban intuitif bisa mudah didapatkan atau sudah tersedia.
Dilakukan eksperimen melempar dadu dan mencatat sisi bagaimana yang muncul pada
setiap lemparannya. Intuisi mengatakan, bahwa probabilitas setiap sisi adalah 1/6, dan
probabilitas dari sisi yang memiliki jumlah titik genap adalah 1/2.
Berikut ini diberikan model matematis untuk eksperimen dan pengukuran kasus dadu ini.
Diberikan ruang sampel Ω sebagai suatu himpunan yang mengandung enam titik. Setiap
titik sampel atau keluaran ω ∈ Ω terkorespondensi atau memodelkan sebuah hasil yang
mungkin terjadi dari eksperimen ini. Secara sederhana, diberikan
Ω := {1,2,3,4,5,6}.
Sekarang didefinisikan beberapa kejadian
Fi := {i}, i = 1,2,3,4,5,6, dan
E := {2,4,6}.
Kejadian Fi terkorespondensi atau memodelkan posisi dadu menghadap ke atas dengan
menunjukkan sisi i.

2016 Proses Random 1 - MTE Pusat Bahan Ajar dan eLearning

6 Mudrik Alaydrus http://www.mercubuana.ac.id
Sedangkan kejadian E memodelkan posisi dadu menghadap ke atas dengan menunjukkan
sisi dengan jumlah titik yang genap.
Selanjutnya, untuk setiap subset A dari Ω, dinyatakan jumlah dari titik-titik dalam subset A
dengan |A|. |A| dinamakan cardinality dari A.
Didefinisikan probabilitas dari sebuah kejadian A dengan
P(A) := |A|/|Ω|.
Dengan kata lain, untuk model yang sedang dikonstruksi untuk masalah ini, probabilitas dari
sebuah kejadian A didefinisikan sebagai jumlah dari keluaran di A dibagi dengan jumlah total
dari keluaran yang mungkin terjadi. Dengan definisi ini, menjadi bahwa P(Fi) = 1/6 dan P(E)
= 3/6 = 1/2, yang sesuai dengan intuisi yang ada.
Sekarang dilakukan empat buah observasi terhadap model yang dibuat.
 P(∅) = |∅|/|Ω| = 0/|Ω| = 0.
 P(A) ≥ 0 untuk setiap kejadian A.
 Jika A dan B kejadian yang mutually exclusive, i.e., A∩B =∅, maka
P(A∪B) = P(A)+P(B); sebagai contoh, F3 ∩E =∅, dan dengan mudah bisa dicek
bahwa
P(F3 ∪E) = P({2,3,4,6}) = P(F3)+P(E).
 Jika dadu dilempar, sesuatu pasti terjadi. Artinya secara matematis dan bisa
diverifikasi bahwa
P(Ω) = 1.

Contoh:
Sebuah kartu yang diambil secara random dari sekumpulan kartu bridge yang telah terkocok
secara baik. Tentukanlah probabilitas kartu yang terambil adalah As. Tentukan juga
probabilitas kartu yang terambil adalah kartu wajah.

Solusi
Langkah pertama dalam perhitungan ini adalah menspesifikasikan ruang sample Ω dan
probabilitas P. Karena ada 52 keluaran yang mungkin terjadi, maka digunakan ruang sampel
Ω := {1, . . . ,52}. Setiap bilangan bulat ini dikorespondensikan ke satu dari kartu-kartu
tersebut.

Untuk menspesifikasikan P, didefinisikan P(E) untuk semua himpunan kejadian E ⊂ Ω.

Karena semua kartu sama mungkinnya terambil, digunakan put P(E) := |E|/|Ω|.

2016 Proses Random 1 - MTE Pusat Bahan Ajar dan eLearning

7 Mudrik Alaydrus http://www.mercubuana.ac.id
Untuk mendapatkan probabilitas yang diinginkan, dipakai 1,2,3,4 untuk empat buah As, dan
digunakan 41, . . . ,52 untuk ke 12 kartu gambar wajah.
Dengan mengidentifikasi pengambilan kartu yang menghasilkan As dengan kejadian A :=
{1,2,3,4}, dan diidentifikasikan pengambilan kartu yang menghasilkan kartu wajah dengan
kejadian F := {41, . . . ,52}. Maka didapatkan
P(A) = |A|/52 = 4/52 = 1/13 dan P(F) = |F|/52 = 12/52 = 3/13.

Contoh:
Sebuah tower BTS memiliki luasan jangkauan pemancaran berbentuk lingkaran dengan
radius 10 km. Jika sebuah panggilan yang dilakukan dari sebuah titik posisi yang random di
dalam wilayah jangkauan ini, tentukanlah probabilitas bahwa panggilan dilakukan dari jarak
2 km dari tower.

Solusi
Ruang sampel *( ) +, dan untuk setiap ⊂ , diberikan probabilitas
P(A) := wilayah(A)/wilayah(Ω)=wilayah(A)/100π.
Kita bisa mengidentifikasi kejadian *( ) + dari panggilan yang datang dari
jarak 2 km dari tower. Maka,
( )

1.3 Aksioma dan Sifat-sifat dari Probabilitas

Diberikan sebuah himpunan tidak kosong Ω, yang dipanggil ruang sampel, dan sebuah
fungsi P yang didefinisikan pada subset-subset yang ada di Ω, dikatakan P adalah sebuah
ukuran probabilitas jika empat aksioma berikut ini terpenuhi.
 Himpunan kosong ∅ dikatakan sebagai kejadian tak-mungkin. Probabilitas dari
kejadian tak-mungkin adalah nol, yaitu P(∅) = 0.
 Probabilitas memiliki nilai non-negatif; yang artinya untuk setiap kejadian A, berlaku
P(A) ≥ 0.
 Jika A1,A2, . . . adalah kejadian-kejadian yang bersifat mutually exclusive atau tidak
saling tersambung (Ai dan Aj saling disjoin untuk semua i ≠ j) atau secara matematis,
An ∩ Am =∅ untuk n ≠ m, maka berlaku

Persamaan ini dinamakan countable additivity.

2016 Proses Random 1 - MTE Pusat Bahan Ajar dan eLearning

8 Mudrik Alaydrus http://www.mercubuana.ac.id
 Probabilitas dari penggabungan (union) dari kejadian-kejadian yang disjoin adalah
jumlah dari probabilitas dari kejadian-kejadian tunggal, secara singkat dikatakan:
“Probabilitas dari kejadian-kejadian disjoint saling menjumlahkan”.
 Seluruh ruang sampel Ω dikatakan kejadian pasti (sure event), dan probabilitasnya
bernilai satu, atau P(Ω) = 1. Jika suatu kejadian A ≠ Ω tetapi memenuhi kondisi P(A)
= 1, dikatakan, bahwa A adalah kejadian yang hampir pasti (almost-sure event).

Probabilitas dari Sebuah Subset / Kejadian Komplemen

Untuk setiap kejadian A, bisa diformulasikan hubungan Ω = A ∪ Ac, yang merupakan
penggabungan disjoin (karena symbol Ac bisa dipanggil sebagai kejadian bukan A, jadi
secara logika matematika keduanya disjoin). Sehingga, P(Ω) = P(A)+P(Ac). Karena P(Ω) = 1,
bisa didapatkan hasil berikut

Monotonisitas.
Jika A dan B adalah kejadian-kejadian, maka
Jika ⊂ maka ( ) ( )

Untuk memahami hubungan ini, pertama-tama memastikan bahwa A ⊂ B. Seperti yang

ditampilkan di gambar 1.5, wilayah yang diarsir adalah hasil irisan B∩Ac.

Gambar 1.5. Wilayah arsir adalah irisan B dengan complement A, B∩Ac.

Sehingga B = A∪(B∩Ac) adalah sebuah penggabungan disjoin (disjoint union), dank arena
probabilitas bersifat non-negatif, maka,

P(B) = P(A)+P(B∩Ac) ≥ P(A).

Inklusi – eksklusi (Inclusion–exclusion)

Diberikan dua buah kejadian-kejadian A dan B, probabilitas dari penggabungan kedua
kejadian ini bisa dinyatakan dengan

2016 Proses Random 1 - MTE Pusat Bahan Ajar dan eLearning

9 Mudrik Alaydrus http://www.mercubuana.ac.id
Formula ini menyatakan bahwa jika dijumlahkan seluruh wilayah yang diarsir pada gambar
1.6 kiri dengan seluruh wilayah yang diarsir pada gambar 1.6 kanan, wilayah irisan dihitung
dua kali, sehingga harus dikurangi.

Gambar 1.6. Dekomposisi A dan B.

1.4 Probabilitas bersyarat (Conditional probability)

Sebuah perusahaan pembuat computer membeli chip dari dua perusahaan penyuplai, S1
dan S2. Hal ini dilakukan untuk mereduksi resiko gangguan pada penyuplaian.
Perusahaan computer ini ingin mencari tahu, perusahaan penyuplai yang mana yang bisa
memberikan chip yang lebih reliabel. Untuk itu dilakukan pengujian terhadap n buah chip.
Untuk setiap chip terdapat empat kemungkinan keluaran, tergantung dari apakah chip itu
datangnya dari penyuplai S1 atau penyuplai S2 dan tergantung pada apakah chip bekerja
dengan baik (works w), atau rusak (defektif d). Seluruh hasil keluaran ini dinyatakan dengan
symbol Ow,S1, Od,S1, Ow,S2, dan Od,S2.
Jumlah dari masing-masing keluaran ini disusun dalam sebuah matriks

Jumlah dari kolom 1 adalah jumlah chip yang disuplai oleh S1, yang dinyatakan dengan
N(OS1). Jumlah dari kolom kedua adalah jumlah chip yang disuplai oleh S2, yang dinyatakan
dengan N(OS2).
Frekuensi relative dari chip yang baik yang dikirim oleh penyuplai S1 adalah N(Ow,S1)/N(OS1).
Dan frekuensi relative chip yang baik yang dikirim oleh S2 adalah N(Ow,S2)/N(OS2). Jika
N(Ow,S1)/N(OS1) secara jelas lebih besar dari N(Ow,S2)/N(OS2), bisa berarti penyuplai S1
mengirimkan chip yang lebih reliabel dibandingkan penyuplai S2.

Contoh:
Diberikan contoh untuk matriks penyuplaian sebagai berikut

2016 Proses Random 1 - MTE Pusat Bahan Ajar dan eLearning

10 Mudrik Alaydrus http://www.mercubuana.ac.id
Tentukanlah penyuplai mana yang mengirimkan chip yang lebih reliabel.

Solusi
Jumlah chip yang dikirim oleh penyuplai S1 adalah jumlah dari kolom pertama, N(OS1)=
754+221 = 975. Sedangkan jumlah chip dari penyuplai S2 didapat dari penjumlahan kolom
kedua, N(OS2) = 499+214 = 713.
Sehingga, frekuensi relative dari chip yang bekerja yang dikirim penyuplai S1 adalah
754/975 ≈ 0.77, dan frekuensi relatif dari chip yang bekerja yang dikirim penyuplai S2 adalah
499/713 ≈ 0.70.
Sehingga disimpulkan, penyuplai S1 menyediakan chip yang lebih reliabel.
Selain ini yang menarik untuk diamati adalah, frekuensi relatif dari chip yang bekerja yang
dikirim penyuplai S1 bisa dituliskan sebagai rasio dari dua buah frekuensi relatif

Penulisan ini memberikan usulan terhadap definisi dari probabilitas bersyarat (conditional
probability). Dengan Ω sebagai ruang sampel, dan kejadian S1 sebagai chip yang dikirim
oleh penyuplai S1, dan W adalah chip yang bekerja.
Pada model yang digunakan di sini, probabilitas bersyarat bahwa chip yang bekerja jika
chip itu datang dari penyuplai S1 didefinisikan dengan

Yang mana probabilitas ini memodelkan frekuensi relative dari sisi sebelah kanan. Definisi
ini memiliki makna, hanya jika P(S1) > 0. Jika P(S1) = 0, P(W|S1) tak terdefinisi (tak relevant
dibahas).
Diberikan dua kejadian A dan B yang memiliki probabilitas positif (P(A)>0 dan P(B)>0),
( ) ( )
( | ) dan ( | )
( ) ( )

Substitusi dari pembilang menghasilkan,

( | ) ( )
( | )
( )

Hukum Probabilitas Total dan Aturan Bayes (Law of total probability and Bayes’ rule)

2016 Proses Random 1 - MTE Pusat Bahan Ajar dan eLearning

11 Mudrik Alaydrus http://www.mercubuana.ac.id
Hukum probabilitas total adalah suatu formulasi untuk perhitungan probabilitas dari suatu
kejadian yang bisa terjadi dengan cara-cara berbeda. Contohnya, probabilitas bahwa
sebuah panggilan telefon genggam terjadi tergantung dari menara mana bisa menservis
panggilan itu. Probabilitas bahwa paket data internet bisa drop tergantung dari rute mana di
jaringan yang diambil.
Jika suatu kejadian A bisa terjadi melalui dua cara, hukum probabilitas total bisa diturunkan
sebagai berikut ini (kasus yang umum akan dibahas nanti).
Dimulai dengan identitas
( )∪( )
(bisa dilihat di gambar 1.6).
Karena penggabungan ini bersifat disjoin, maka
( ) ( ) ( )

Dengan menggunakan definisi probabilitas bersyarat yang diberikan di atas, didapati

( ) ( | ) ( ) ( | ) ( )

Ini adalah formulasi termudah dari hukum Probabilitas Total.

Contoh:
Karena dalah kesalahan dalam konfigurasi internet, paket data yang dikirim dari New York
ke Los Angeles musti dirutekan melalui El Paso, Texas dengan probabilitas 3/4.
Diberikan jika sebuah paket dirutekan melalui El Paso, paket ini memiliki probabilitas
bersyarat akan drop dengan 1/3.
Diberikan jika sebuah paket tidak dirutekan melalui El Paso, paket ini memiliki probabilitas
bersyarat akan drop dengan ¼.
Hitunglah probabilitas bahwa sebuah paket yang dikirimkan drop.

Solusi
Untuk menyelesaikan masalah ini, digunakan notasi penulisan
E = {dirutekan melalui El Paso} dan D = {paket mengalami drop}.
Dengan notasi ini, data yang diberikan di contoh di atas
P(D|E) = 1/3, P(D|Ec) = 1/4, dan P(E) = 3/4.
Di contoh akan dihitung P(D). Dengan hokum probabilitas total,
P(D) = P(D|E)P(E)+P(D|Ec)P(Ec) = (1/3)(3/4)+(1/4)(1−3/4) = 1/4+1/16 = 5/16.

Untuk menurunkan bentuk paling sederhana dari aturan Bayes ( Bayes’ rule)

2016 Proses Random 1 - MTE Pusat Bahan Ajar dan eLearning

12 Mudrik Alaydrus http://www.mercubuana.ac.id
Contoh:
(Lanjutan dari contoh internet yang lalu). Hitunglah probabilitas bersyarat bahwa sebuah
paket yang dirutekan melalui El Paso diberikan bahwa paket itu tidak drop.

Solusi
Dengan notasi yang sama seperti pada contoh itu, sekarang yang harus dihitung adalah
P(E|Dc).
Dengan

Dari contoh sebelumnya, (E) = 3/4 dan P(Dc|E) = 1−P(D|E) = 1−1/3 dan P(Dc) = 1−P(D) =
1−5/16.
Maka, P(E|Dc) =(2/3)(3/4)/(11/16)=8/11.

Contoh:
Pada contoh yang lalu, sebelum didapatkan informasi terkait paket yang dikirimkan,
probabilitas priori paket dikirimkan melalui El Paso adalah P(E) = 3/4 = 0.75.
Setelah diamati, bahwa paket itu tidak mengalami drop, probability posterior bahwa paket
yang dirutekan melaui El Paso adalah P(E|Dc) = 8/11 ≈ 0.73, manakah perbedaannya
degan probabilitas priori.

Solusi
Pada bagian sebelumnya didiskusikan bagaimana sebuah perusahaan memastikan jika satu
dari penyuplainya bisa menyediakan chip yang lebih reliabel. Dikatakan, jika frekuensi relatif
dari chip yang bekerja yang dikirimkan oleh penyuplai S1 is secara jelas berbeda dari
frekuensi relative dari chip yang bekerja yang dikirim S2, maka disimpulkan salah satu
penyuplai itu mengirimkan chip yang lebih baik.
Tetapi, jika kedua frekuensi relatif ini hamper sama, bisa dikatakan chip yang bekerja tidak
tergantung dari penyuplainnya.
Dalam teori probabilitas, jika kejadian A dan B memenuhi P(A|B) = P(A|Bc), dikatakan A
tidak tegantung dari B, sehingga,

2016 Proses Random 1 - MTE Pusat Bahan Ajar dan eLearning

13 Mudrik Alaydrus http://www.mercubuana.ac.id
Dengan ( ) ( ) dan ( ) ( ) ( ), menjadi
( ) ( ) ( )
( ) ( )
 ( ), ( )- ( ), ( ) ( )-

Jika kejadian A dan B memenuhi sifat berikut

P(A∩B) = P(A)P(B)

Keduanya dikatakan independen secara statistic atau secara sederhana independen.

Contoh:
Sebuah paket yang dikirimkan melalui jalur internet mengalir dari sumbernya ke router 1,
dari router 1 ke router 2, dan dari router 2 ke tujuannya. Jika router-router ini down dengan
probabilitas p secara independen satu sama lainnua, berapa besar probabilitas, sebuah
paket bisa dikirimkan secara sukses dari sumber ke tujuannya.

Solusi
Sebuah paket ditransmisikan secara sukses jika dan hanya jika kedua router ini tidak drop.
Untuk membawa informasi ini ke model kejadian-kejadian, dengan i = 1,2, digunakan Di
untuk menggambarkan kejadian bahwa paket yang melewati router i mengalami drop.
Dengan S sebagai kejadian bahwa paket yang dikirimkan secara sukses. Maka S terjadi jika
dan hanya jika paket tidak drop melalui router 1 dan paket tidak drop melalui router 2.
Secara matematis dituliskan dengan
S = Dc1∩Dc2.
Karena contoh ini menginformasikan bahwa terjadinya drop pada kedua router dan
sifatnya berupa kejadian yang independen, juga demikian halnya dan , maka

2016 Proses Random 1 - MTE Pusat Bahan Ajar dan eLearning

14 Mudrik Alaydrus http://www.mercubuana.ac.id
Daftar Pustaka
John A. Gubner-Probability and Random Processes for Electrical and Computer Engineers-
Cambridge University Press (2006)

2016 Proses Random 1 - MTE Pusat Bahan Ajar dan eLearning

15 Mudrik Alaydrus http://www.mercubuana.ac.id