Proses Random

04
Modul ke:

Fakultas
Teknik Perhitungan Variabel Random Diskret

Program Studi
Magister Teknik
Elektro Mudrik Alaydrus
Umaisaroh

Pembuka Daftar Pustaka Akhiri Presentasi

Contoh 1

Diberikan sebuah variabel random yang bernilai bulat (integer-valued

random variable) Y.
Tunjukanlah
𝑃 𝑌 = 𝑛 = 𝑃 𝑌 > 𝑛 − 1 − 𝑃(𝑌 > 𝑛)

Solusi
Dengan
+∞

𝑃 𝑌 > 𝑛 = ෍ 𝑃(𝑌 = 𝑖)
𝑖=𝑛+1
dan
+∞ +∞

𝑃 𝑌 > 𝑛 − 1 = ෍ 𝑃(𝑌 = 𝑖) = ෍ 𝑃(𝑌 = 𝑖) + 𝑃(𝑌 = 𝑛)

𝑖=𝑛 𝑖=𝑛+1

Maka menjadi
𝑃 𝑌 > 𝑛 − 1 = 𝑃(𝑌 > 𝑛) + 𝑃(𝑌 = 𝑛)
<
← MENU AKHIRI →
 Contoh 2
𝑐
Diberikan variabel random X dengan pmf 𝑝𝑋 𝑘 = 2 untuk k=1, 2, ….
𝑘
1. Tentukan nilai c, sehingga deret berkonvergensi
2. Tentukannlah P(X>4)
3. Tentukanlah 𝑃(6 ≤ 𝑋 ≤ 8)

Solusi
1.
+∞ +∞
1
1 = ෍ 𝑝𝑋 𝑘 = 𝑐 ෍ 2
𝑘
𝑘=−∞ 𝑘=1
1 𝜋2
σ+∞
Dari fungsi Zeta didapatkan
𝑘=1 𝑘 2 = = 1.6449
6
Pendekatan sepuluh baris pertama: 1.5498,
seratus baris pertama: 1.6350,
Seribu baris pertama: 1.6439,
sepuluh ribu: 1.6448
1
𝑐= = 0.6079
1.6449
<
← MENU AKHIRI →
2. 𝑃 𝑋 > 4 ?
4 ∞ 4
𝑐 𝑐 𝑐
1= ෍ 2+෍ 2 = ෍ 2+𝑃 𝑋 >4
𝑘 𝑘 𝑘
𝑘=1 𝑘=5 𝑘=1
Maka
4
𝑐 1 1 1
𝑃 𝑋 > 4 = 1 − ෍ 2 = 1 − 1.6449 1 + + + = 0.1346
𝑘 4 9 16
𝑘=1

3. 𝑃 6 ≤ 𝑋 ≤ 8 ?

8
𝑐 1 1 1
𝑃 6≤𝑋≤8 =෍ 2=𝑐 + + = 0.0388
𝑘 36 49 64
𝑘=6

<
← MENU AKHIRI →
Contoh 3
Diberikan sebuah variabel random X ~ Poisson(𝜆). Hitunglah secara umum nilai
dari P(X>1) dan jika nilai 𝜆 = 1.

Solusi
Variabel random Poisson memiliki pmf
𝜆𝑘 𝑒 −𝜆
𝑝𝑋 𝑘 = , k=0, 1, 2, …
𝑘!

Dengan
1 = 𝑃 𝑋 ≤ 1 + 𝑃(𝑋 > 1)
Dan
𝑃 𝑋 ≤ 1 = 𝑃 𝑋 = 0 + 𝑃 𝑋 = 1 = 𝑒 −𝜆 + 𝜆𝑒 −𝜆

Menjadi
𝑃 𝑋 > 1 = 1 − 𝑒 −𝜆 1 + 𝜆

Untuk nilai parameter 𝜆 = 1, didapatkan

2
𝑃 𝑋 >1 =1− 𝑒 −1 1 + 1 = 1 − = 1 − 0.7358 = 0.2642
𝑒 <
← MENU AKHIRI →
Contoh 4
Sebuah sensor cahaya akan gagal untuk bekerja, jika sensor ini dalam suatu
interval waktu tertentu menerima lebih sedikit dari empat photon.
Jika jumlah photon bisa dimodelkan dengan X=Poisson(𝜆 = 2),
tentukanlah probabilitas sensor bekerja.

Solusi

Sensor tidak bekerja, jika

𝜆0 𝑒 −𝜆 𝜆1 𝑒 −𝜆 𝜆2 𝑒 −𝜆 𝜆3 𝑒 −𝜆
𝑃 𝑋<4 =𝑃 𝑋≤3 = + + +
0! 1! 2! 3!
𝜆2 𝜆3
= 𝑒 −𝜆 1 + 𝜆 + +
2 6

Dengan 𝜆 = 2:
22 23
𝑃 𝑋 < 4 = 𝑒 −2 1+2+ + = 0.1353 1 + 2 + 2 + 1.3333 = 0.8569
2 6

Maka probabilitas sensor bekerja

𝑃 𝑋 ≥ 4 = 1 − 0.8569 = 0.1431. <
← MENU AKHIRI →
Contoh 5

Pada sebuah call center, dalam interval waktu t detik berdatangan N buah
permintaan (sambungan).
Kondisi ini dimodelkan dengan variabel random Poisson dengan 𝜆 = 𝛼𝑡, yang
mana 𝛼 adalah kecepatan kedatangan permintaan rata-rata (dengan satuan
permintaan/detik).
Dengan asumsi nilai 𝛼 adalah empat permintaan per menit. Tentukanlah
probabilitas
1. Terjadinya lebih dari empat permintaan dalam kurun waktu sepuluh detik
2. Terjadinya lebih sedikit dari lima permintaan dalam kurun waktu dua menit

Solusi
Dengan 𝛼 = 4 permintaan/menit = 1/15 permintaan/detik

1. Dalam kurun waktu 10 detik, memberikan 𝜆 = 𝛼𝑡 =2/3

<
← MENU AKHIRI →
Probabilitas datangnya lebih dari empat permintaan dinyatakan dengan P(X>4),
4
𝜆𝑘 𝑒 −𝜆
𝑃 𝑋 >4 =1−𝑃 𝑋 ≤4 =1−෍
𝑘!
𝑘=0
0 1 2
2 2 2 23 24
2
−3 3
𝑃 𝑋 >4 =1−𝑒 +3 +3 +3 +3
0! 1! 2! 3! 4!
𝑃 𝑋 > 4 = 1 − 0.513 1 + 0.6667 + 0.1111 + 0.0082 = 0.00838

2. Dalam kurun waktu 2 menit = 120 detik, memberikan 𝜆 = 𝛼𝑡 =8

Probabilitas datangnya lebih sedikit dari lima permintaan dinyatakan dengan
P(X<5),

4
𝜆𝑘 𝑒 −𝜆
𝑃 𝑋<5 =𝑃 𝑋≤4 =෍
𝑘!
𝑘=0
80 81
8 3 84 82
𝑃 𝑋 ≤ 4 = 𝑒 −8 + + + +
0! 1! 2! 3! 4!
𝑃 𝑋 > 4 = 3.3546 ∙ 10−4 1 + 8 + 32 + 85.333 + 170.667 = 0.0889
<
← MENU AKHIRI →
Contoh 6

Jumlah paket data yang tiba pada sebuah multiplekser dalam setiap t detik
adalah N buah paket, yang dimodelkan dengan variabel random Poisson dengan
𝜆 = 𝛼𝑡, yang mana 𝛼 adalah kecepatan kedatangan paket rata-rata (dengan
satuan paket/detik).
Tentukan probabilitas bahwa dalam t detik tidak ada paket yang datang

Solusi

Probabilitas tak ada paket yang datang, dimodelkan dengan

𝜆0 𝑒 −𝛼𝑡
𝑃 𝑋=0 = = 𝑒 −𝛼𝑡
0!

Probabilitas “ketidak datangan satu paket-pun” mengecil secara eksponensial

dengan membesarnya waktu pengamatan, hal ini logis, karena paket “pasti”
akan datang (kecuali jika 𝛼 = 0).

<
← MENU AKHIRI →
Contoh 7
Sebuah sistim komunikasi optis mengirimkan data dengan kecepatan 1 Gbit/s.
Probabilitas kesalahan bit pada sistim ini (bit error rate/BER) adalah 10-9.
Tentukanlah probabilitas terjadinya lima atau lebih error dalam satu detik.

Solusi
Probabilitas terjadinya lima atau lebih error dimodelkan dengan 𝑃 𝑋 ≥ 5

Pengiriman data dalam satu detik 1 Gbit/s = 109 data/s, sedangkan error yang
bisa terjadi adalah 10-9 error/data.

data error error

Jumlah Probabilitas
Maka 𝜆 = 109 10−9 = 1 bit error
s data s
1 0.6321
𝑘 4
𝜆 2 0.2642
𝑃 𝑋 ≥ 5 = 1 − 𝑃 𝑋 < 5 = 1 − 𝑒 −𝜆 ෍
𝑘!
𝑘=0 3 0.0803
1 1 1 1
=1− 𝑒 −1
1+ + + + 4 0.0190
1! 2! 3! 4!
1 1 1 1 5 0.0037
𝑃 𝑋 ≥5 =1−𝑒 −1 1+ + + +
1! 2! 3! 4!
= 0.0037 <
← MENU AKHIRI →
Contoh 8
Pada sebuah sistim elektrik dilakukan upaya pendinginan supaya tidak terjadi
kerusakan akibat panas yang berlebihan. Tindakan yang dilakukan adalah
mengeluarkan panas itu sesuai dengan seberapa cepat panas tersebut
terbentuk.
Andaikan sistim ini memiliki delapan komponen yang bekerja dengan
probabilitas 0.25 independen satu sama lain. Perancangan proses pendinginan
ini dimulai dengan melakukan pengamatan terhadap probabilitas dari kejadian-
kejadian berikut
1. Tak ada sistim yang aktif
2. Hanya satu yang aktif
3. Lebih dari empat yang aktif
4. Lebih dari dua tetapi lebih sedikit dari enam yang aktif

Solusi
Proses random ini bersifat terulang secara independen sebanyak n kali. Model
yang digunakan adalah variabel random Binomial dengan probabilitas
𝑛 𝑘
𝑃 𝑋 = 𝑘 = 𝑝𝑋 𝑘 = 𝑝 1 − 𝑝 𝑛−𝑘
𝑘
Untuk k=0, 1, …, n
Jadi untuk kasus di problem di sini, p=0.25 dan n=8 <
←MENU AKHIRI →
1.
8
𝑃 𝑋 = 0 = 𝑝𝑋 0 = 0.250 0.75 8
= 0.1
0
2.
8
𝑃 𝑋 = 1 = 𝑝𝑋 1 = 0.251 0.75 7 = 0.267
1
8
3. 𝑃 𝑋 > 4 = σ8𝑘=5 0.25𝑘 0.75 8−𝑘
𝑘
8 8 8 8
𝑃 𝑋>4 = 0.255 0.75 3 + 0.256 0.75 2 + 0.257 0.75 1 + 0.258 0.75 0
5 6 7 8
8! 8!
𝑃 𝑋 > 4 = 0.255 0.75 3 + 0.25 0.75 2 + 8 ∙ 0.252 0.75 + 0.253
5! 8 − 5 ! 6! 8 − 6 !

𝑃 𝑋 > 4 = 0.00097656 23.6250 + 3.9375 + 0.3750 + 0.0156 = 0.0273

8
4. 𝑃 2 < 𝑋 < 6 = σ5𝑘=3 0.25𝑘 0.75 8−𝑘
𝑘
8 8 8
𝑃 2<𝑋<6 = 0.253 0.75 5 + 0.254 0.75 4 + 0.255 0.75 3
3 4 5
𝑃 2<𝑋<6
8! 8! 8!
= 0.253 0.753 0.75 2 + 0.25 ∙ 0.75 + 0.252
3! 8 − 3 ! 4! 8 − 4 ! 5! 8 − 5 !

𝑃 2 < 𝑋 < 6 = 0.0066 31.5 + 13.12 + 0.8750 = 0.3003

<
← MENU AKHIRI →
Contoh 9
Dengan mengunakan prinsip jumlah keseluruhan probabilitas binomial (n,p) adalah satu,
buktikanlah teorema binomial
𝑛
𝑛 𝑘 𝑛−𝑘 𝑛
෍ 𝑎 𝑏 = 𝑎+𝑏
𝑘
𝑘=0
(petunjuk: gunakan p=a/(a+b)

Solusi: Dengan
𝑛
𝑛 𝑘 𝑛−𝑘
෍ 𝑝 1−𝑝 =1
𝑘
𝑘=0

Dan mengganti p dengan a/(a+b), atau 1-p=b/(a+b), maka

𝑛 𝑛−𝑘
𝑛 𝑎 𝑘 𝑏
෍ =1
𝑘 𝑎+𝑏 𝑎+𝑏
𝑘=0
Menjadi
𝑛 𝑛
𝑛 𝑎 𝑘 𝑏𝑛−𝑘 1 𝑛 𝑘 𝑛−𝑘
෍ = 𝑛෍ 𝑎 𝑏 =1
𝑘 𝑎+𝑏 𝑛 𝑎+𝑏 𝑘
𝑘=0 𝑘=0

Terbukti
𝑛
𝑛 𝑘 𝑛−𝑘 𝑛
෍ 𝑎 𝑏 = 𝑎+𝑏 <
← MENU AKHIRI →
𝑘
𝑘=0
Contoh 10
Pada sebuah saluran komunikasi biner (yang mengirimkan sinyal ‘0’ atau ‘1’)
memiliki probabilitas salah kirim (bit error) sebesar p.
Andaikan X adalah jumlah kesalahan yang terjadi dalam n buah pengiriman.
Tentukanlah pmf dari X, dan hitunglah probabilitas dari terjadinya kesalahan
sebuah atau lebih sedikit.

Solusi
X memiliki nilai kemungkinan pada ruang himpunan SX = {0, 1, 2, .., n}.
Jika dikirimkan bit ‘0’, maka kemungkinan bit ini diterima ‘1’ dengan probabilitas p,
atau dengan notasi statistik P(‘1’)= p. Sedangkan probabilitas diterima ‘0’ adalah
P(‘0’)=1-p.

Kemungkinan terjadi k kesalahan ‘dan’ n-k tidak salah adalah hasil kalinya,
𝑝𝑘 1 − 𝑝 𝑛−𝑘

Karena tidak penting pada saat pengiriman keberapa kesalahan terjadi, maka
konstelasi k kesalahan dari n pengiriman berjumlah
𝑛 𝑛!
=
𝑘 𝑘! 𝑛 − 𝑘 ! <
← MENU AKHIRI →
Sehingga pmf dari proses ini:
𝑛 𝑘
𝑝𝑋 𝑘 = 𝑃 𝑋 = 𝑘 = 𝑝 1 − 𝑝 𝑛−𝑘
𝑘
Jadi X dinamakan variabel random Binomial dengan parameter n dan p.

Berapa probabilitas terjadinya sebuah kesalahan atau lebih kecil dari itu

Kemungkinan terjadinya nol kesalahan k=0

𝑛 0
𝑃 𝑋=0 = 𝑝 1 − 𝑝 𝑛−0 = 1 − 𝑝 𝑛
0
Kemungkinan terjadinya sebuah kesalahan k=1
𝑛 1
𝑃 𝑋=1 = 𝑝 1 − 𝑝 𝑛−1 = 𝑛𝑝 1 − 𝑝 𝑛−1
1

Jadi kemungkinan terjadinya sebuah kesalahan atau lebih sedikit, adalah

jumlah keduanya

𝑃 𝑋 ≤1 = 1−𝑝 𝑛 + 𝑛𝑝 1 − 𝑝 𝑛−1

<
← MENU AKHIRI →
 Contoh 11
Sebuah sistim komunikasi mengirimkan informasi biner melalui channel dengan
probabilitas terjadinya error sebesar p=0.001.
Sistim komunikasi yang diamati ini setiap kali mengirimkan tiga bit dan receiver
hanya bisa mengoreksi kesalahan maksimal sebuah dari tiga bit terkirim ini.
Berapa besar probabilitas channel decoder bisa bekerja sesuai perancangan ?

Solusi
Dari teorema probabilitas:
𝑃 𝑋 ≤1 +𝑃 𝑋 >1 =1

Dicari probabilitas decoder bekerja, yaitu jika kesalahan yang terjadi 0 buah atau
satu buah, jadi berapakah 𝑃 𝑋 ≤ 1

Karena X merupakan variabel random Binomial, maka

3 0 3 1
𝑃 𝑋≤1 = 𝑝 1 − 𝑝 3−0 + 𝑝 1 − 𝑝 3−1 = 1 − 𝑝 3 + 3𝑝 1 − 𝑝 2
0 1
2
𝑃 𝑋 ≤ 1 = 1 − 0.001 (1 − 0.001) + 3 ∙ 0.001 = 0.999997

<
← MENU AKHIRI →
Contoh 12
Kodewords besaran 10 bit ditransmisikan melalui channel yang mengandung noise.
Bit yang dikirimkan masing-masing secara independen bisa mengalami kesalahan
dengan probabilitas p.
Sistim channel decoder di penerima bertugas untuk mengoreksi kesalahan ini, tetapi
hanya bisa bekerja jika kesalahan yang muncul per setiap kodeword maksimal 2 buah.

Tentukanlah probabilitas sistim decoder ini tidak bekerja secara benar.

Solusi
Dari teorema probabilitas:
𝑃 𝑋 ≤2 +𝑃 𝑋 >2 =1

Dicari probabilitas decoder tidak bekerja, yaitu jika kesalahan yang terjadi lebih dari
dua buah, jadi berapakah 𝑃 𝑋 > 2
𝑃 𝑋 > 2 = 1 − 𝑃 𝑋 ≤ 2 = 1 − 𝑃 𝑋 = 0 + 𝑃 𝑋 = 1 + 𝑃(𝑋 = 2)
𝑃 𝑋>2
10 0 10 1 10 2
=1− 𝑝 1 − 𝑝 10−0 + 𝑝 1 − 𝑝 10−1 + 𝑝 1 − 𝑝 10−2
0 1 2
10 ∙ 9 2
𝑃 𝑋 > 2 = 1 − 1 − 𝑝 10 + 10𝑝 1 − 𝑝 9 + 𝑝 1−𝑝 8
2
𝑃 𝑋 > 2 = 1 − 1 − 𝑝 8 1 − 𝑝 2 + 10𝑝 1 − 𝑝 + 45𝑝2 <
← MENU AKHIRI →
Contoh 13

1 2
Jika diberikan 𝑃 𝑋 = 2 = dan 𝑃 𝑋 = 5 = , hitunglah nilai
3 3
ekspektasi dari X, E(X)

Solusi
Nilai ekspektasi adalah nilai yang diharapkan jika kita melihat data secara
keseluruhan. Seringkali dinyatakan sebagai nilai rata-rata.
Dari persamaan perhitungan ekspektasi
𝑁

𝐸 𝑋 = ෍ 𝑥𝑖 𝑃(𝑋 = 𝑥𝑖 )
𝑖=1
Karena jumlah probabilitas dari kedua elemen di atas bernilai 1, maka
bisa dipastikan nilai probabilitas dari yang lainnya adalah nol, sehingga
hanya keduanya yang relevan untuk diikut sertakan dalam perhitungan
𝐸 𝑋 = 𝑥1 𝑃 𝑋 = 𝑥1 + 𝑥2 𝑃(𝑋 = 𝑥2 )
1 2
𝐸 𝑋 =2∙ +5∙ =4
3 3
<
← MENU AKHIRI →
 Daftar Pustaka
• John Gubner, (2006) Probability and Random
Processes, Cambridge.
• Alberto Leon-Garcia, Probability, Statistics, and
Random Processes for Electrical Engineering,
3rd ed., Prentice Hall, (2008)
Terima Kasih
Mudrik Alaydrus
Umaisaroh