TEORI PELUANG

BAB 4
MODUS, PERSENTIL, MEDIAN dan EKSPEKTASI

Ingat kembali soal waktu di sekolah menengah:

Diberikan data sebagai berikut: 5 //4//3//5//2//7//5//4//3//8//9
Tentukan modus dan median dari data tersebut.

Langkah yang pertama kitalakukan adalah: urutkan data tersebut dari kecil ke
besar, diperoleh: 2//3//3 //4//4//5//5//5//7//8//9.

Modus  titik data yang paling sering muncul (frekuensinya paling besar)
peluang munculnya paling besar  modus = 5

Median  membagi data menjadi 2 bagian yang sama banyak, setelah data tersebut
diurutkan  median = 5.

2 3 3 4 4 5 5 5 7 8 9

50% 50%
Median = 5

Median disebut juga persentil ke50.

Bagaimana dengan persentil ke 25?

Data terurut

25% Persentil 75%

ke 25 ?

Konsep diatas dapat diperumum.

Definisi Modus (Mode):

 𝒙𝒐 disebut modus (mode) dari distribusi peubah acak diskret 𝑿 jika 𝒙 =

𝒙𝒐 memaksimumkan nilai pmf 𝒑𝑿 (𝒙).

 𝒙𝒐 disebut modus (mode) dari distribusi peubah acak kontinus 𝑿 jika 𝒙 =

𝒙𝒐 memaksimumkan nilai pmf 𝒇𝑿 (𝒙)

 jika diperlukan,bisa gunakan Kalkulus

1|BAB 4: MODUS, MEDIAN, PERSENTIL, dan EKSPEKTASI

 TEORI PELUANG

Catatan:
Ada pendapat mengatakan jika kelompok data memiliki lebih dari satu nilai data
yang paling sering muncul maka kelompok data tersebut memiliki lebih dari 1
modus. Kelompok data yang memiliki 2 modus maka disebut bimodal, jika
memiliki lebih dari 2 modus maka disebut multimodal.

Jika dalam kelompok data tidak terdapat satupun nilai data yang paling sering
muncul, maka dikatakan kelompok data tersebut tidak memiliki modus.

Contoh 1:
Diketahui fungsi massa peluang dari peubah acak 𝑿:
𝟒 ,𝒙=𝟎
𝟑𝟓
𝟏𝟖 , 𝒙 = 𝟏
𝟑𝟓
𝒑𝑿 (𝒙) = 𝟏𝟐 , 𝒙 = 𝟐
𝟑𝟓
𝟏 ,𝒙=𝟑
𝟑𝟓
0 , untuk 𝒙 yang lain

Tentukan modus (mode) dari distribusi tersebut.

Jawab:
Ingat 𝑿 adalah peubah acak diskret. Modus dari distribusi adalah nilai peubah acak
(yaitu 𝒙) yang memaksimumkan fungsi peluang (yaitu pmf 𝒑𝑿 (𝒙)) karena
𝑿 merupakan peubah acak diskret. Untuk soal tersebut modus dari distribusi
adalah 𝒙 = 𝟏 (nilai maksimum dari 𝒑𝑿 (𝒙) adalah 18/35, dicapai jika = 𝟏).

Contoh 2:
Diketahui fungsi massa peluang dari peubah acak 𝑿:
𝟏 𝟐 𝒙
𝒑𝑿 (𝒙) = ( ) , 𝒙 = 𝟏, 𝟐, 𝟑, …
𝟐 𝟑
Tentukan modus (mode) dari distribusi tersebut.

Jawab:

modus dari distribusi adalah 𝒙 = 𝟏 (nilai maksimum dari 𝒑𝑿 (𝒙) adalah 1/3,
dicapai jika = 𝟏).

Contoh 3:
Diketahui fungsi kepadatan peluang dari peubah acak kontinu 𝑿:
𝒙 ,𝟎 < 𝒙 < 𝟏
𝒇(𝒙) = 𝟐−𝒙 ,𝟏 < 𝒙 < 𝟐
0 , untuk 𝒙 yang lain

Tentukan modus (mode) dari distribusi tersebut.

2|BAB 4: MODUS, MEDIAN, PERSENTIL, dan EKSPEKTASI

 TEORI PELUANG

Jawab:
Fungsi pdf 𝒇(𝒙) memiliki nilai maksimum 1, tercapai saat 𝒙 = 𝟏. Maka modus dari
distribusi adalah 𝒙 = 𝟏.

Definisi:

𝒙 = 𝜻𝒑 disebut persentil ke 𝟏𝟎𝟎 𝒑 (disebut juga (𝟏𝟎𝟎𝒑)𝒑𝒆𝒓𝒄𝒆𝒏𝒕𝒊𝒍𝒆 atau

𝒒𝒖𝒂𝒏𝒕𝒊𝒍𝒆 𝒐𝒇 𝒐𝒓𝒅𝒆𝒓 𝒑 ), dimana 𝟎 < 𝒑 < 𝟏 jika 𝑷(𝑿 < 𝜻𝒑 ) ≤ 𝒑 dan 𝑷(𝑿 ≤ 𝜻𝒑 ) ≥ 𝒑.

Catatan:
 Jika 𝑿 peubah acak kontinu maka cukup dipenuhi syarat 𝑷(𝑿 < 𝜻𝒑 ) =
𝑷(𝑿 ≤ 𝜻𝒑 ) = 𝒑.
 Persentil ke 50 disebut median (𝒑 = 𝟎, 𝟓).

Contoh 4:
Diketahui fungsi massa peluang dari peubah acak 𝑿:
𝟏 𝟐 𝒙
𝒑𝑿 (𝒙) = ( ) , 𝒙 = 𝟏, 𝟐, 𝟑, …
𝟐 𝟑
Tentukan median dan persentil ke 75 dari distribusi tersebut.

Jawab:
𝑿 adalah peubah acak diskret.
a) Median ?
Cari 𝒙 = 𝜻𝒑 sehingga 𝑷(𝑿 < 𝜻𝒑 ) ≤ 𝒑=50% dan 𝑷(𝑿 ≤ 𝜻𝒑 ) ≥ 𝒑 = 𝟓𝟎%.

Lihat jika 𝒙 = 𝜻𝒑 = 𝟐 maka:

𝟏
 𝑷(𝑿 < 𝜻𝒑 ) = 𝑷(𝑿 < 𝟐) = 𝑷(𝑿 = 𝟏) = 𝟑 ≤ 𝟎, 𝟓 dan
𝟏 𝟐 𝟓
 𝑷(𝑿 ≤ 𝜻𝒑 ) = 𝑷(𝑿 ≤ 𝟐) = 𝑷(𝑿 = 𝟏) + 𝑷(𝑿 = 𝟐) = 𝟑 + 𝟗 = 𝟗 ≥ 𝟎, 𝟓.

Jadi 𝒙 = 𝜻𝒑 = 𝟐 merupakan median dari distribusi tersebut.

b) Persentile ke 75?
Cari 𝒙 = 𝜻𝒑 sehingga 𝑷(𝑿 < 𝜻𝒑 ) ≤ 𝒑 = 75% dan 𝑷(𝑿 ≤ 𝜻𝒑 ) ≥ 𝒑 = 𝟕𝟓%.

Lihat jika 𝒙 = 𝜻𝒑 = 𝟒 maka:

 𝑷(𝑿 < 𝜻𝒑 ) = 𝑷(𝑿 < 𝟒) = 𝑷(𝑿 = 𝟏) + 𝑷(𝑿 = 𝟐) + 𝑷(𝑿 = 𝟑)

𝟏 𝟐 𝟒 𝟏𝟗
= 𝟑 + 𝟗 + 𝟐𝟕 = 𝟐𝟕 = 𝟎, 𝟕𝟎𝟑𝟕 ≤ 𝟎, 𝟕𝟓 dan

 𝑷(𝑿 ≤ 𝜻𝒑 ) = 𝑷(𝑿 ≤ 𝟒) = 𝑷(𝑿 = 𝟏) + 𝑷(𝑿 = 𝟐) + 𝑷(𝑿 = 𝟑) + 𝑷(𝑿 = 𝟒)

𝟏 𝟐 𝟒 𝟖
= 𝟑 + 𝟗 + 𝟐𝟕 + 𝟖𝟏 = 𝟎, 𝟎𝟖𝟐 ≥ 𝟎, 𝟕𝟓.

3|BAB 4: MODUS, MEDIAN, PERSENTIL, dan EKSPEKTASI

 TEORI PELUANG

Jadi 𝒙 = 𝜻𝒑 = 𝟒 merupakan persentil ke 75 dari distribusi tersebut.

Contoh 5:
Diketahui fungsi kepadatan peluang dari peubah acak kontinu 𝑿:
𝒙 ,𝟎 < 𝒙 < 𝟏
𝒇(𝒙) = 𝟐−𝒙 ,𝟏 < 𝒙 < 𝟐
0 , untuk 𝒙 yang lain

Tentukan median dan persentil ke 60 dari distribusi tersebut.

Jawab
 Karena 𝑿 merupakan peubah acak kontinu maka fungsi distribusi (cdf) dari
𝑿 adalah

0 ,𝒙 < 𝟎
𝟏 𝟐
𝒙 ,𝟎 ≤ 𝒙 < 𝟏
𝑭(𝒙) = 𝟐
𝟏
𝟐𝒙 − 𝒙𝟐 − 𝟏 ,𝟏 ≤ 𝒙 < 𝟐
𝟐
1 ,𝒙 ≥ 𝟐

a) Median ?

 𝒙 = 𝜻𝒑 disebut median jika 𝑷(𝑿 < 𝜻𝒑 ) = 𝑷(𝑿 ≤ 𝜻𝒑 ) = 𝒑 = 𝟓𝟎%.

Lihat bahwa 𝑭(𝟏) = 𝑷(𝑿 < 𝟏) = 𝑷(𝑿 ≤ 𝟏) = 𝟎, 𝟓 .

b) Persentil ke 60 ?

 𝒙 = 𝜻𝒑 disebut persentil ke 60 jika 𝑷(𝑿 < 𝜻𝒑 ) = 𝑷(𝑿 ≤ 𝜻𝒑 ) = 𝒑 = 𝟔𝟎% = 𝟎, 𝟔.

𝟏
Lihat bahwa 𝑭(𝟏, 𝟏𝟎𝟓𝟔) = 𝟐(𝟏, 𝟏𝟎𝟓𝟔) − 𝟐 (𝟏, 𝟏𝟎𝟓𝟔)𝟐 − 𝟏 = 𝟎, 𝟔 .
𝟏
(Gunakan rumus abc untuk mencari solusi dari 𝟐𝒙 − 𝟐 𝒙𝟐 − 𝟏 = 𝟎, 𝟔 )

Maka 𝒙 = 𝜻𝒑 = 𝟏, 𝟏𝟎𝟓𝟔 disebut persentil ke 60 dari distribusi tersebut.

EKSPEKTASI
Perhatikan contoh berikut.
Seoraang anak ditawarkan permainan menggunakan sebuah dadu. Aturan
permainan: sebuah dadu diundi. Jika muncul mata dadu 1,2,3 atau 4 maka anak tsb
harus bayar $1. Jika muncul mata dadu 5 atau 6, maka anak tersebut akan
memperoleh $3.

4|BAB 4: MODUS, MEDIAN, PERSENTIL, dan EKSPEKTASI

 TEORI PELUANG

Berapa $ ekspektasi besar uang yang akan diperoleh anak tersebut ?

Jika untuk mengikuti permainan tersebut, anak tsb harus membayar $2, apakah
permainan tersebut menguntungkan ?

Definisikan peubah acak 𝑿 yang menyatakan besar uang yang diterima. Maka
fungsi massa peluang dari peubah acak 𝑿:

4/6 , 𝒙 = −𝟏
𝒑(𝒙) = 2 ,𝒙 = 𝟑
0 , untuk 𝒙 yang lain

Maka ekpektasi (nilai harapan) dari permainan tersebut adalah

(4/6)(-1)+(2/6)(3)=2/6.
Artinya kalau mengikuti permainan tersebut ekspektasinya adalah memperoleh
2/6 dollar.

Jika disuruh membayar $1 untuk ikut permainan tersebut, maka lebih baik jangan
ikut karena uang yang harus dibayar lebih besar dibanding ekpektasi uang yang
akan diperoleh.

Konsep ekspektasi dari peubah acak didefinisikan dengan cara berikut.

Definisi Nilai Ekspektasi (Expected Value) dari peubah acak diskret:

Misal peubah acak diskret 𝑿 memiliki ruang (Range) 𝓐 dengan fungsi massa
peluang 𝒑(𝒙) dan 𝒖(𝑿) adalah fungsi dari peubah acak 𝑿.

Maka ekpektasi dari 𝒖(𝑿) didefinisikan:

𝑬(𝒖(𝑿)) = ∑ 𝒖(𝒙)𝒑(𝒙)
𝒙𝝐𝓐

Catatan: 𝐸(𝑢(𝑋)) tidak selalu ada (eksis). Jika 𝐸(𝑢(𝑋)) divergen maka 𝐸(𝑢(𝑋)) tidak ada (tidak
eksis)

Contoh 6:
Misalkan pmf dari peubah acak diskret 𝑿:
1/9 ,𝒙 = 𝟏
3/9 ,𝒙 = 𝟐
𝒑(𝒙) = 5/9 ,𝒙 = 𝟒
0 , untuk 𝒙 yang lain.
Maka:
 𝑬(𝑿) = ∑𝒙𝝐𝓐 𝒙𝒑(𝒙) = (𝟏)(𝟏/𝟗) + (𝟐)(𝟑/𝟗) + (4)(5/9)=3
𝟏
 𝑬(𝑿𝟐 ) = ∑𝒙𝝐𝓐 𝒙𝟐 𝒑(𝒙) = (𝟏)𝟐 (𝟏/𝟗) + (𝟐)𝟐 (𝟑/𝟗) + (𝟒)𝟐 (5/9)=93/9=10 𝟑
 𝑬(𝑿𝟐 − 𝟏) = ∑𝒙𝝐𝓐(𝒙𝟐 − 𝟏)𝒑(𝒙)

𝟏 𝟑 𝟓
= [(𝟏)𝟐 − 𝟏] (𝟗) + [(𝟐)𝟐 − 𝟏] (𝟗) + [(𝟒)𝟐 − 𝟏] (𝟗)=24/9.

5|BAB 4: MODUS, MEDIAN, PERSENTIL, dan EKSPEKTASI

 TEORI PELUANG

Definisi Nilai Ekspektasi (Expected Value) dari peubah acak kontinu:

Misal peubah acak diskret 𝑿 memiliki ruang (Range) 𝓐 fungsi kepadatan

peluang 𝒑(𝒙) dan 𝒖(𝑿) adalah fungsi dari peubah acak 𝑿.

Maka ekpektasi dari 𝒖(𝑿) didefinisikan:

𝑬(𝒖(𝑿)) = ∫ 𝒖(𝒙)𝒇(𝒙)𝒅𝒙
𝒙𝝐𝓐

Catatan: 𝐸(𝑢(𝑋)) tidak selalu ada (eksis). Jika 𝐸(𝑢(𝑋)) divergen maka 𝐸(𝑢(𝑋)) tidak ada (tidak
eksis)

Contoh 7:

Misalkan pmf dari peubah acak diskret 𝑿:

𝟏 𝟏
𝒙− ,𝟏 < 𝒙 < 𝟑
𝟒 𝟒
𝒇(𝒙) = 𝟏
,𝟑 < 𝒙 < 𝟒
𝟐
𝟎 , untuk 𝒙 yang lain
Maka:
𝟒 𝟑 𝟏 𝟏 𝟒 𝟏
 𝑬(𝑿) = ∫𝟏 𝒙 𝒇(𝒙)𝒅𝒙 = ∫𝟏 𝒙 (𝟒 𝒙 − 𝟒) 𝒅𝒙 + ∫𝟑 𝒙 (𝟐) 𝒅𝒙 = 1,1677 + 1,75 = 2,9177
𝟏 𝟏 𝟒 𝟏
𝟒 𝟑 𝒙𝟐 (𝟒 𝒙 − 𝟒) 𝒅𝒙 + ∫𝟑 𝒙𝟐 (𝟐) 𝒅𝒙
 𝑬(𝑿𝟐 ) = ∫𝟏 𝒙𝟐 𝒇(𝒙)𝒅𝒙 = ∫𝟏

= 2,833 + 6,1677=9.0007
𝟒 𝟑 𝟏 𝟏 𝟒 𝟏
 𝑬(𝑿𝟐 − 𝟏) = ∫𝟏 (𝒙𝟐 − 𝟏) 𝒇(𝒙)𝒅𝒙 = ∫𝟏 (𝒙𝟐 − 𝟏) (𝟒 𝒙 − 𝟒) 𝒅𝒙 + ∫𝟑 (𝒙𝟐 − 𝟏) (𝟐) 𝒅𝒙
= 2,988 + 5,667 =8.655

Definisi:

Raw Moment ke-𝒌 : 𝑬(𝑿𝒌 )

Central Moment ke-𝒌 : 𝑬[(𝑿 − 𝑬(𝑿))𝒌 ]

Contoh:

Raw Moment ke-1: 𝑬(𝑿)

Raw Moment ke-2: 𝑬(𝑿𝟐 )
Raw Moment ke-3: 𝑬(𝑿𝟑 ) , dst.

Central Moment ke-1: 𝑬[𝑿 − 𝑬(𝑿)]

Central Moment ke-2: 𝑬[(𝑿 − 𝑬(𝑿))𝟐 ]
Central Moment ke-3: 𝑬[(𝑿 − 𝑬(𝑿))𝟑 ], dst

6|BAB 4: MODUS, MEDIAN, PERSENTIL, dan EKSPEKTASI

 TEORI PELUANG

 Raw Moment ke-1 dikenal dengan nama mean atau nilai rata-rata.

 Central moment ke-2 nilainya selalu nol (nanti dapat dijelaskan setelah
belajar sifat-sifat ekspektasi).

 Central moment ke-2 disebut variansi.

 Standar deviation atau deviasi standar atau simpangan baku

didefiniskan sebagai akar kuardrat dari variansi.

Mean atau nilai rata-rata: 𝝁𝑿 = 𝝁 = 𝑬(𝑿)

Variansi: 𝑽𝒂𝒓(𝑿) = 𝝈𝟐𝑿 = 𝝈𝟐 = 𝑬[(𝑿 − 𝑬(𝑿))𝟐 ]

Simpangan baku dari peubah acak 𝑿 = √𝑽𝒂𝒓(𝑿)

𝑬[(𝑿−𝑬(𝑿))𝟑 ]
Skewness dari peubah acak 𝑿 =
𝝈𝟑
𝑬[(𝑿−𝑬(𝑿))𝟒 ]
Kurtosis dari peubah acak 𝑿 =
𝟒

Catatan:
Skewness menjadi ukuran ketidak simetrisan (kecondongan) distribusi.
Nilai skewness Kecondongan (bisa dilihat dari kurva pdf atau pmf)
nol simetris
positif Condong ke kanan
negatif Condong ke kiri

Kurtosis menjadi ukuran keruncingan distribusi.

Semakin besar nilai kurtosis maka semakin runcing.
 Distribusi normal  normal kurtosis = 3

7|BAB 4: MODUS, MEDIAN, PERSENTIL, dan EKSPEKTASI

 TEORI PELUANG

 Jika kurtosis > 3 disebut lepto kurtosis (lebih runcing dibanding distribusi
normal)
 Jika kurtosis < 3 disebut platy kurtosis (lebih tumpul dibanding distribusi
normal)

Sifat-sifat ekspektasi:

1. 𝑬(𝒌) = 𝒌 , dimana 𝒌: konstanta.

2. 𝑬(𝒌𝑿) = 𝒌 𝑬(𝑿), dimana 𝒌: konstanta.

3. 𝑬(𝒌𝟏 𝑿 + 𝒌𝟐 ) = 𝒌𝟏 𝑬(𝑿) + 𝑬(𝒌𝟐 ) = 𝒌𝟏 𝑬(𝑿) + 𝒌𝟐 , dimana 𝒌𝟏 , 𝒌𝟐 : konstanta.

Bukti 1 untuk peubah acak kontinu:

𝑬(𝒌𝑿) = ∑𝒙𝝐𝓐 𝒌 𝒑(𝒙) = 𝒌 ∑𝒙𝝐𝓐 𝒑(𝒙) = 𝒌. 𝟏 = 𝒌.

Ingat karena 𝒑(𝒙)merupakan pmf dari peubah acak diskret 𝑿 maka ∑𝒙𝝐𝓐 𝒑(𝒙) = 𝟏.

Coba kerjakan untuk bukti no 2, dan 3. Juga untuk kasus peubah acak kontinu 𝑿.

Akibatnya:

𝑽𝒂𝒓(𝑿) = 𝑬[(𝑿 − 𝑬(𝑿))𝟐 ] = 𝑬[(𝑿 − 𝝁)𝟐 ] = 𝑬(𝑿𝟐 ) − [𝑬(𝑿)]𝟐

Atau dapat ditulis:

𝝈𝟐 = 𝑬(𝑿𝟐 ) − 𝝁𝟐

Bukti:
𝑽𝒂𝒓(𝑿) = 𝑬[(𝑿 − 𝑬(𝑿))𝟐 ]

8|BAB 4: MODUS, MEDIAN, PERSENTIL, dan EKSPEKTASI

 TEORI PELUANG

= 𝑬[𝑿𝟐 − 𝟐𝑿 𝑬(𝑿) + (𝑬(𝑿))𝟐 ]

= 𝑬(𝑿𝟐 ) − 𝑬(𝟐 𝑿𝑬(𝑿) + 𝑬[(𝑬(𝑿))𝟐 ]
= 𝑬(𝑿𝟐 ) − 𝟐 𝑬(𝑿)𝑬(𝑿) + (𝑬(𝑿))𝟐 karena 𝑬(𝑿) konstan maka
𝑬(𝟐 𝑿𝑬(𝑿) = 𝟐𝑬(𝑿)𝑬(𝑿), dan
karena (𝑬(𝑿))𝟐 konstan, maka
𝑬[(𝑬(𝑿))𝟐 ] = (𝑬(𝑿))𝟐 .
𝟐
= 𝑬(𝑿𝟐 ) − 𝟐 (𝑬(𝑿)) + (𝑬(𝑿))𝟐
𝟐
= 𝑬(𝑿𝟐 ) − (𝑬(𝑿))

Sifat-sifat variansi:

1. 𝑽𝒂𝒓(𝒌) = 𝟎, dimana 𝒌: konstanta.

2. 𝑽𝒂𝒓(𝒌𝑿) = 𝒌𝟐 𝑽𝒂𝒓(𝑿) , dimana 𝒌: konstanta.

3. 𝑽𝒂𝒓(𝒌𝟏 𝑿 + 𝒌𝟐 ) = 𝒌𝟐𝟏 𝑽𝒂𝒓(𝑿, dimana 𝒌𝟏 , 𝒌𝟐 : konstanta.

Catatan:
Sifat sifat ekspektasi dan sifat-sifat variansi harus diingat karena banyak sekali
digunakan.

Contoh 8:
Misalkan 𝐗 peubah acak kontinu yang memiliki pdf:

𝟏
𝒙 ,𝟎 < 𝒙 < 𝟐
𝒇(𝒙) = 𝟐
0 , untuk 𝒙 yang lain

a) Hitunglah 𝑬(𝑿), 𝑬(𝑿𝟐 ), 𝑽𝒂𝒓(𝑿), 𝑬(𝟐𝑿 − 𝟏), 𝑽𝒂𝒓(𝟐𝑿 − 𝟏) menggunakan definisi.

b) Hitunglah 𝑽𝒂𝒓(𝑿), 𝑬(𝟐𝑿 − 𝟏), 𝑽𝒂𝒓(𝟐𝑿 − 𝟏) menggunakan sifat ekspektasi dan
sifat variansi.

Jawab:
a) Menggunakan definisi:
𝟐 𝟐 𝟏 𝟏 𝟐 𝟒
𝑬(𝑿) = ∫𝟎 𝒙𝒇(𝒙)𝒅𝒙 = ∫𝟎 𝒙 ( 𝟐 𝒙) 𝒅𝒙 = (𝟔 𝒙𝟑 ) = 𝟑 .
𝟎

𝟐 𝟐 𝟏 𝟏 𝟐
𝑬(𝑿𝟐 ) = ∫𝟎 𝒙𝟐 𝒇(𝒙)𝒅𝒙 = ∫𝟎 𝒙𝟐 (𝟐 𝒙) 𝒅𝒙 = (𝟖 𝒙𝟒 ) = 𝟐 .
𝟎
𝑽𝒂𝒓(𝑿) = 𝑬[(𝑿 − 𝑬(𝑿))𝟐 ]
𝟒
= 𝑬 [(𝑿 − 𝟑)𝟐 ]
𝟐 𝟒 𝟐
= ∫𝟎 (𝒙 − 𝟑) . 𝒇(𝒙)𝒅𝒙
𝟐 𝟒 𝟐 𝟏
=∫𝟎 (𝒙 − 𝟑) (𝟐 𝒙) 𝒅𝒙

9|BAB 4: MODUS, MEDIAN, PERSENTIL, dan EKSPEKTASI

 TEORI PELUANG

𝟐 𝟏 𝟖 𝟏𝟔
= ∫𝟎 (𝟐 𝒙𝟑 − 𝟔 𝒙𝟐 + 𝟏𝟖 𝒙) 𝒅𝒙
=…
= 2/9 .

𝑬(𝟐𝑿 − 𝟏) 𝟐 𝟐 𝟏 𝟐 𝟏 𝟓
= ∫𝟎 (𝟐𝒙 − 𝟏)𝒇(𝒙)𝒅𝒙 = ∫𝟎 (𝟐𝒙 − 𝟏) ( 𝟐 𝒙) 𝒅𝒙 = ∫𝟎 (𝒙𝟐 − 𝟐 𝒙) 𝒅𝒙 = 𝟑

𝟐
𝑬[(𝟐𝑿 − 𝟏)𝟐 ] = ∫𝟎 (𝟐𝒙 − 𝟏)𝟐 . 𝒇(𝒙)𝒅𝒙
𝟐 𝟏
= ∫𝟎 (𝟐𝒙 − 𝟏)𝟐 . ( 𝟐 𝒙) 𝒅𝒙
=…
𝟐
=𝟑 𝟑

𝑽𝒂𝒓(𝟐𝑿 − 𝟏) = 𝑬 [((𝟐𝑿 − 𝟏) − 𝑬(𝟐𝑿 − 𝟏))𝟐 ]

𝟐
𝟓
= 𝑬 [((𝟐𝑿 − 𝟏) − 𝟑) ]
𝟖 𝟐
= 𝑬 [(𝟐𝑿 − 𝟑) ]
𝟐 𝟖 𝟐
= ∫𝟎 (𝟐𝒙 − 𝟑) . 𝒇(𝒙)𝒅𝒙
𝟐 𝟖 𝟐 𝟏
= ∫𝟎 (𝟐𝒙 − 𝟑) . ( 𝟐 𝒙) 𝒅𝒙
=…
=8/9

b) Menggunakan sifat ekspektasi dan sifat variansi:

𝟒 𝟐 𝟐
𝑽𝒂𝒓(𝑿) = 𝑬(𝑿𝟐 ) − [𝑬(𝑿)]𝟐 = 𝟐 − (𝟑) = 𝟗.
𝟒 𝟓
𝑬(𝟐𝑿 − 𝟏) = 𝟐 𝑬(𝑿) − 𝟏 = 𝟐 (𝟑) − 𝟏 = 𝟑.
𝟐 𝟖
𝑽𝒂𝒓(𝟐𝑿 − 𝟏) = 𝟐𝟐 𝑽𝒂𝒓(𝑿) = 𝟒 (𝟗) = 𝟗.

Contoh Soal:

1. Diketahui fungsi massa peluang dari peubah acak 𝑿 diberikan oleh

𝒙+𝟏
, 𝒙 = 𝟎, 𝟏, 𝟐, 𝟑
𝒑𝑿 (𝒙) = 𝟏𝟎
0 , untuk 𝒙 yang lain
a) Hitunglah mean dan variansi dari 𝑿
b) Hitunglah 𝑬(−𝟑𝒙 + 𝟐) dan 𝑽𝒂𝒓(−𝟑𝒙 + 𝟐)
c) Tentukan modus dari distribusi tsb

2. Diketahui fungsi massa peluang dari peubah acak 𝑿 diberikan oleh

𝟏 𝟑 𝒙
𝒑𝑿 (𝒙) = ( ) ( ) , 𝒙 = 𝟎, 𝟏, 𝟐, 𝟑,…
𝟒 𝟒
0 , untuk 𝒙 yang lain

10 | B A B 4: MODUS, MEDIAN, PERSENTIL, dan EKSPEKTASI

 TEORI PELUANG

a) Tentukan median dari distribusi tsb

b) Tentukan persentil ke -80 dari dsitribusi tersebut.

3. Fungsi kepadatan peluang dari peubah acak kontinu 𝑿 diberikan oleh:

𝟏 𝟏
𝒙− ,𝟏 < 𝒙 < 𝟑
𝟒 𝟒
𝒇(𝒙) = 𝟏
,𝟑 < 𝒙 < 𝟒
𝟐
𝟎 , untuk 𝒙 yang lain

a) Hitunglah mean dan variansi dari 𝑿

b) Hitunglah 𝑬(−𝟑𝒙 + 𝟐) dan 𝑽𝒂𝒓(−𝟑𝒙 + 𝟐)
c) Tentukan modus dan median dari distribusi tersebut

11 | B A B 4: MODUS, MEDIAN, PERSENTIL, dan EKSPEKTASI