Anda di halaman 1dari 45

Universitas Gadjah Mada

Fakultas Teknik

Departemen Teknik Sipil dan

Lingkungan

PROBABILITA
2 Peluang
q 

(Probabilitas)
Peluang/Probabilitas/Risiko
q  Peluang
q  Risiko
q  Probabilitas

http://istiarto.staff Variabel 18-Oct-


3 Probabilita
q  Probabilitas – Peluang – Kemungkinan
s Mengapa probabilitas ?
q 

q Orang tidak dapat memastikan nilai suatu proses (misal


erupsi gunung berapi)
berdasarkan data erupsi selama waktu yang lalu sampai saat
ini.
q Sifat stokastik ataupun ketidak-pastian merupakan sifat
yang melekat pada
proses (yang melibatkan) alam.

http://istiarto.staff Variabel 18-Oct-


4 Keterlambata kedatanga bu
Keterlambatan (menit) Frekuensi Frekuensi relatif
Persentase

n n s
1 2 0.07 7%
2 3 0.10 10%
3 8 0.27 27%
4 4 0.13 13%
5 5 0.17 17%
6 3 0.10 10%
Dapatkah Sdr
7 2 0.07 7%
memperkirakan
8 0 0.00 0%
berapa menit
9 1 0.03 3%
keterlambatan
10 2 0.07 7%
Jumlah = 30 1 100% kedatangan bus
pada
jadwal
http://istiarto.staff Variabel 18-Oct-
5 Probabilita
q  Definisi 1
s Andaikata suatu peristiwa random dapat terjadi dalam n cara yang
q 

masing-masing
memiliki kemungkinan yang sama, dan apabila sejumlah na cara
na
memberikan hasil A,
prob (A ) = n
maka probabilitas terjadinya peristiwa dengan hasil A adalah na/n

q  Dalam definisi di atas, n adalah himpunan semua yang mungkin terjadi.


q  Definisi di atas berasumsi bahwa n diketahui, padahal himpunan
semua cara yang mungkin pada kenyataannya tidak selalu
diketahui atau tidak terjadi atau tidak diamati atau tidak
dihitung.
http://istiarto.staff Variabel 18-Oct-
6 Probabilita
q  Definisi 2

s q  Andaikata suatu peristiwa random terjadi berkali-kali dalam jumlah yang


sangat besar, n kali, dan sejumlah na kali memiliki hasil A, maka
na
probabilitas
prob (A ) = lim peristiwa dengan hasil A adalah
n→∞ n

q  Definisi di atas berbeda dengan definisi #1 dalam hal-hal berikut:


n Probabilitas suatu kejadian “diperkirakan” (can be estimated) berdasarkan
observasi sejumlah n
kali.
n  n di sini tidak/bukan merupakan himpunan semua kejadian yang mungkin;
dalam hal ini, tidak diperlukan untuk mengetahui atau melakukan
observasi terhadap semua kemungkinan
n  Setiap cara yang mungkin terjadi (dalam n tersebut) tidak harus memiliki
http://istiarto.staff Variabel 18-Oct-
7 Probabilita
q  Definisi 2: butuh berapa n?
s q  Contoh
n Pada 2 set pengamatan (sampel) yang tidak saling
terkait/tergantung, perkiraan
probabilitas kejadian A dapat ditetapkan berdasarkan masing-
masing sampel
tersebut.
n  Kedua nilai probabilitas tidak selalu sama satu dengan yang lain.
n Kedua nilai probabilitas tidak selalu sama dengan perkiraan
probabilitas A yang
ditetapkan dengan pengamatan sejumlah tak-berhingga kali.
q  Problem:
http://istiarto.staff berapa jumlah pengamatan, n, yang diperlukan
Variabel 18-Oct-
8 Probabilita
q  Kisaran (range) probabilitas
s q  Dari kedua definisi, kisaran probabilitas
adalah 0 s.d. 1.
q  prob(A) = 0 “hampir” tidak mungkin

terjadi
q  prob(A) = 1
(nearly
impossible)
“hampir” pasti
terjadi

(almost

http://istiarto.staff certain) Variabel 18-Oct-


9 Probabilita
q  Misal suatu (proses) menghasilkan sejumlah output yang
s
experimen berupa
q  Himpunan semua hasil yang mungkin didapat disebut sample space.
variabel random
q  Setiap elemen di dalam sample space disebut sample points
(elemen)
q  Setiap elemen di dalam sample space memiliki
faktor/bobot/weight (positif)
sedemikian hingga jumlah weight seluruh elemen bernilai 1.
q Nilai bobot berbanding lurus dengan kemungkinan experimen
akan memberikan
hasil elemen tersebut.
http://istiarto.staff Variabel 18-Oct-
1
0
Probabilita – Tabe Frekuen
Nomor Keterlambatan (menit) Frekuensi
Frekuensi Relatif

s l si
1 10 2 0.07
2 9 1 0.03
3 8 0 0.00
4 7 2 0.07
5 6 3 0.10
6 5 5 0.17
7 4 4 0.13
8 3 8 0.27
9 2 3 0.10
10 1 2 0.07
Jumlah = 30 1.00

http://istiarto.staff Variabel 18-Oct-


1
1
Probabilitas -
Keterlambatan Kedatangan Bus di Suatu Perhentian Selama
Histogram 30 Jadwal
0.3
Kedatang
0. an
25
Frekuen

0.
2
si

0.
15
0.
1 1 2 3 4 5 6 7 8 9 10
Keterlambatan
0.
05 (menit)
http://istiarto.staff
0 Variabel 18-Oct-
12
Probabilita
Sampl Space
s
e Eleme
nts
Sampl
e

http://istiarto.staff Variabel 18-Oct-


1
3
Sample Space & Sample
q  Contoh #1:
Elements
Suatu DAS memiliki 3 stasiun: Sta-1, Sta-2, Sta-3.
q 

q  Experimen: meneliti setiap stasiun perlu/tidak untuk dilakukan


penggantian alat
q  Output: (y,n,y)

Sta-1 perlu penggantian alat (y = yes)


Sta-2 tak perlu penggantian alat (n = no)
Sta-3 perlu penggantian alat (y = yes)

http://istiarto.staff Variabel 18-Oct-


1
4
Sample Space & Sample
q  Sample space: Alternatif 1

Elements
S ={(y,y,y),(y,y,n),
n  1
(y,n,y),(n,y,y),
(y,n,n),(n,y,n),(n,n,y),
(n,n,n)}
n  S1 adalah discrete sample space: jumlah elemen di dalam S1 dapat
q  Sample space: Alternatif 2
dihitung.
n  S2 ={0,1,2,3}
n  Apabila experimen dilakukan satu kali saja, maka salah satu elemen S1 pasti
n  S2 adalah discrete sample space.
terjadi.
n Hanya ingin diketahui jumlah stasiun yang perlu
dikalibrasi.
n  Tidak diperlukan untuk mengetahui stasiun mana yang
perlu dikalibrasi.
n  Informasi yang diperoleh lebih sedikit daripada S1Variabel
http://istiarto.staff . 18-Oct-
1
5
Sample Space & Sample
q  Contoh #2:
Elements
Pengukuran angin: kecepatan (km/jam)
q 
dan arah (°).
q  Output: (x,y)

x = kecepatan
(km/jam)
y = arah
(°)

http://istiarto.staff Variabel 18-Oct-


1
6
Sample Space & Sample
q  Sample space: Alternatif 1

Elements
Ω1 = {(x , y ): x ≥ 0, 0 ≤ y ≤ continuous sample
360} space
36
0y ( o)

q  Sample space: Alternatif x


2 Ω2 = {+,−} dicrete sample (km/jam)
n  + = kecepatan > 60
space
(km/jam)
http://istiarto.staff
n  − = kecepatan < 60 Variabel 18-Oct-
1
7
Event
q  Event adalah suatu himpunan bagian (subset) dari
s
q Suatuspace
sample event terjadi jika dan hanya jika hasil dari adalah

experimen
anggota event tersebut
q  Contoh: Penggantian alat di Sta-1, Sta-2, Sta-3
q Event A: paling sedikit 2 stasiun perlu
penggantian alat
A={(y,y,y),(y,y,n),(y,n,y),(n,y,y)}
q Event B: tak ada stasiun yang perlu penggantian
alat
http://istiarto.staff Variabel 18-Oct-
1
8
Diagram
q  Notasi:
Venn
S = sample space
0 ≤ prob (E i ) ≤ 1

Ei = elemen di S = ∪ i Ei
prob(E
dalami =
S probabilita
A,B = !A ∩ B

events di dalam S
prob (S ) = ∑prob(Ei ) = 1
)S E1 s E2 S E1 E2
elemen Ei
E3 E3

A A∩B A B
B
http://istiarto.staff E4 VariabelEi En
18-Oct-
1
9
Probabilitas Even
q  Event A
suatu
A=∪ E
n
i =m i
t
n

0 ≤ prob (A ) = ∑ prob (E i ) ≤ 1
i =m

q  Event A dan B

prob ( A∪ B) = prob ( A ) + prob (B) − prob ( A∩ B)

q  Apabila A dan B tak bergantung satu dengan yang lainnya


http://istiarto.staff
(independent), maka Variabel 18-Oct-
2
0
Probabilitas suatu
q  Event Ac (= komplemen event
Event A) S E1 E2

( )
prob A∩ A c = 0 E3

A
( ) ( )
prob A∪ A c = prob (A ) + prob A c =

1 E4 Ei
En
( )
prob (A ) = 1 − prob A c

http://istiarto.staff Variabel 18-Oct-


Probabilitas Bersyarat (Conditional
2
1
Probability)
q  Probabilitas suat even (event B) bergantung pada terjadinya event
(even A).
u t lain
t prob(B|A) = prob(B) dengan syarat event A
S E1 E2 terjadi

E3 »  sample space berubah dari S menjadi

A A∩Bi
A,
prob ( )
A prob ( A∩
»  event diwakili olehprob
A∩B ( A) ≠
4 n
B = prob ( A
B
prob ( A∩ B) B=)prob ( A ) ⋅
0 A )
) ,
E
E
http://istiarto.staff
E (
prob B
Variabel 18-Oct-
Probabilitas Bersyarat (Conditional
2
2
Probability)
q  Apabila event B tak pada even A (keduany merupaka

bergantung t a n
independent events),
maka
q  prob(B|A) = prob(B), dan
q  prob(A∩B) =

prob(A)⋅prob(B)

http://istiarto.staff Variabel 18-Oct-


Probabilitas Bersyarat (Conditional
2
3
Probability)
q  Contoh
q Data pengamatan hari hujan di suatu wilayah menunjukkan
probabilitas hari
hujan sbb.
hari hujan setelah hari hujan = 0.444
hari tak hujan setelah hari hujan = 0.556
hari tak hujan setelah hari tak hujan
= 0.724
hari hujan setelah hari tak hujan =
0.276
q  Apabila dijumpai
http://istiarto.staff bahwa suatu hari terjadi hujan,
Variabel 18-Oct-
Probabilitas Bersyarat Probabili
2
4
(Conditional ty)
q  Cara penyelesaian yang lain
q  Probabilitas hujan pada suatu hari adalah
p = 0.444
q  Suatu hari (hari ke-0) terjadi hujan

q  Probabilitas hujan saat itu adalah p =


hari ke- hari ke- hari ke-
0.444
i h p = 0.444 h
(i+1) p = 0.444 ×(i+2)
h

0.444
p = 0.556 p = 0.556 ×

0.444
t
h th
http://istiarto.staff 18-Oct-
2
5
Probabilitas Total (Total
q Apabila B1, B2,…, Bn adalah serangkaian events yang
Probability)
tidak saling
0, masing-
berkaitan (mutually
probabilitas exclusive
tidak sama nolevents)
prob(Bi dan
≠ maka
masing memiliki ∀i,
dengan , )
q  B1 ∪ B2 ∪ … ∪ Bn = S

q  Bi ∩ Bj = 0, ∀i,j (i ≠ j)

q  prob(Bi) > 0, ∀i

http://istiarto.staff Variabel 18-Oct-


2
6
Probabilitas Total (Total
q  Probabilitas suat even A dapat dituliska sbb
Probability)
S uB t 2
B3 n .
4
B1
B A

Bi Bn–1
B5 Bn
prob (A ) = prob[(A∩ B1 ) ∪ (A∩ B2 ) ∪ ... ∪ (A∩ B n )]

= prob (A∩ B1 ) + prob (A∩ B2 ) + ... + prob (A∩ B n )

http://istiarto.staff Variabel 18-Oct-


2
7
Probabilitas Total (Total
q  Dari probabilitas bersyarat (conditional
Probability)
probability) ⎫ prob (A∩ B ) = prob (B ∩ A ) ⇒
prob (A∩ B1 ) = prob (A ) prob (B1 A ) 1 1

prob (B1 ∩ A ) = prob (B1 ) prob (A B1 )
⎭ prob (A ) prob (B1 A ) = prob (B1 ) prob (A B1 )

S B2 B3 4 prob (A ) = prob (A∩ B1 ) + prob (A∩ B2 ) + ... + prob (A∩ Bn )


B
n (B ) prob (A B ) + ... + prob (B ) prob (A B )
B1 A
= prob 1 1 n n
=
n

B5 ∑p
http://istiarto.staff rob Variabel 18-Oct-
2
8
Probabilitas Total (Total
q  Contoh
Probability)
Data genangan di suatu wilayah permukiman menunjukkan
q 

bahwa probabilitas
terjadinya genangan adalah 0.80 saat hari hujan dan 0.25 saat
tak hujan.
q  Diketahui bahwa probabilitas hari hujan adalah 0.36.
q  Berapakah probabilitas terjadinya genangan di wilayah tersebut?

http://istiarto.staff Variabel 18-Oct-


2
9
Probabilitas (Tota Probability
q  Penyelesaian
Total
event G = terjadi
q 
l )
genangan
evenHH=
event c = hari tak
hari hujan
t hujan
( ) (
prob (G) = prob (H) prob (G H) + prob Hc prob G
= 0.36 × 0.82 + (1 − 0.36 ) × 0.25
= 0.448
Hc )

http://istiarto.staff Variabel 18-Oct-


3
0
Teorema
q  Dari conditional
Bayes A ) .........
probability
B (1)
prob (B∩ A ) = prob (B) ⋅
q  Karena
( A∩ B)prob(A
= prob (∩A ) B)
⋅ = prob(B ∩ .........
prob
(
A), maka
prob A
) (2)
prob (
B A
prob ( ) ⋅ A ) = prob ( )
B ⋅
B
.........

prob (event
) (3)
q  Untuk B A dan
prob ( A B , persamaan di atas
event j

Bj
menjadi
prob ( A ) ⋅ A ) = prob(B ) ⋅ .........
)
j

(4)
prob Bj (
http://istiarto.staff Variabel 18-Oct-
3
1
Teorema
q  Dari total probability
Bayes n
Bi
.........
prob ( A ) = ∑ prob (Bi ) ⋅
Dengan (5) à
) (5)
(
q 
prob A
(4)
i=1
(B ) ⋅ prob
prob
prob(B A )=
j
j n .........
( Aprob
B)
( )
B i
∑ ⋅
j
B i
(6)

prob ( A
i=1
)
http://istiarto.staff Variabel 18-Oct-
3
2
Teorema
q  Pemakaian
Bayes
Untuk mencari probabilitas event B apabila diketahui event A
q  j
telah terjadi.
q  Untuk mencari (memperkirakan) probabilitas suatu event (Bj)
dengan mengamati event kedua (A).

http://istiarto.staff Variabel 18-Oct-


3
3
Teorema
q  Contoh
Bayes
Informasi ramalan cuaca biasa dikirimkan melalui 4 saluran:
q 

Ri (i = 1,2,3,4) adalah event dimana informasi tsb dikirimkan


melalui saluran i.
q Probabilitas masing-masing event Ri adalah: 0.1, 0.2, 0.3, dan
0.4.
q Diketahui juga bahwa probabilitas terjadinya kesalahan
pengiriman (event E)
melalui masing-masing saluran adalah: 0.10, 0.15, 0.20, dan
0.25.
q  Suatu saat diketahui bahwa suatu kesalahan pengiriman telah
Variabel 18-Oct-
http://istiarto.staff
3
4
Teorema
q  Penyelesaian
Bayes
Diketahui
q 
prob(E|R1) =
prob(R1) =
0.10
0.1
prob(E|R2) =
prob(R2) = 0.2 0.15
prob(R prob(E|R3)
3) = 0.3 bahwa pengiriman dilakukan
q  Probabilitas =melalui saluran ke-2 dengan melihat
0.20
prob(R4) = 0.4
kenyataan
prob(E|R4) =
bahwa telah terjadi kesalahan
0.2 × 0.15
prob (R2E )
nprob (R2 ) ⋅ prob (
0.25 E = =
0.1× 0.10 + 0.2 × 0.15 + 0.3 × 0.20 + 0.4 × 0.15
∑ prob (R ) ⋅ prob (E
= )
R2
i
0.25
http://istiarto.staff Variabel 18-Oct-
3
5
Teorem Baye
i prob(Ri) prob(E|Ri) prob(Ri) prob(E|Ri)
a 1 prob(R
0.1i|E) s 0.10 0.01
0.05
2 0.2 0.15 0.03
0.15
3 0.3 0.20 0.06
0.30
4 0.4 0.25 0.10
0.50
∑ 1.0 0.20
1.00

prob(E

)
http://istiarto.staff Variabel 18-Oct-
Probabilita
Permuta
s
si
Kombin
asi
Variabel
36 18-Oct-
Random
3
7
Permutasi dan
q Cara mendapatkan sampel yang terdiri dari r elemen dari
suatu sample
Kombinasi
space yang memiliki n elemen (n ≥ r) → dipilih/diambil satu
elemen pada
setiap pemilihan/pengambilan
q  urutan elemen diperhatikan dan setelah tiap
pengambilan, elemen dikembalikan ke dalam
sample space (ordered with replacement)
q  urutan elemen diperhatikan dan tidak dilakukan
pengembalian elemen setelah tiap pengambilan
(ordered without replacement)
q  urutan elemen tidak diperhatikan dan tidak Variabel
http://istiarto.staff dilakukan 18-Oct-
3
8
Permutasi dan
q  Contoh ilustrasi
Kombinasi
Dilakukan pemilihan 2 stasiun AWLR dari
q 

4 stasiun yang ada (A, B, C, D) untuk diberi dana.


q  Berapa jumlah pasang stasiun yang mungkin
mendapatkan dana?

http://istiarto.staff Variabel 18-Oct-


3
9
Permutasi dan Kombinasi
q  Dipilih 2 stasiun dari 4 stasiun (r = 2, n = 4) dengan
#1urutan diperhatikan → memberikan dana kepada Stasiun
q 

A kemudian B
berbeda dengan memberikan dana kepada Stasiun B
kemudian A
q  Pasangan 2 stasiun yang dana
q  dengan pengembalian → suatu stasiun dapat

(A,A)
memperoleh (A,B (A,C)
dana 2× (A,D
q 
mendapatkan
(B,A) ) (B,C )
r 2
16 → n = 4 = 16
(C,A) )
(B, (B,
(D,A) B) (C,C D)
)
(C, (C,
(D,
http://istiarto.staff B) D) Variabel 18-Oct-
4
0
Permutasi dan Kombinasi
q  Dipilih 2 stasiun dari 4 stasiun (r = 2, n = 4) dengan
#2urutan diperhatikan → memberikan dana kepada Stasiun
q 

A kemudian B
berbeda dengan memberikan dana kepada Stasiun B
kemudian
q  A
stasiu yang dana
q  tanpa pengembalian → suatu stasiun hanya dapat
Kemungkinan (A,C) (A,D
memperoleh dana 1×
n mendapatkan
q  --- (B, (
nr = n! = 4!
(B,A)
(A,B) C)
) (
n −r ! ) (
4 − = 12
--- (B, )
(C,A)
(C,
---
(D,
D) )
2 !permuta
(D,A) si
B) (C,
C)
http://istiarto.staff (D,B D) Variabel 18-Oct-
4
1
Permutasi dan Kombinasi
q  Dipilih 2 stasiun dari 4 stasiun (r = 2, n = 4) dengan
#3urutan tidak diperhatikan → memberikan dana kepada
q 

Stasiun A kemudian B
sama dengan memberikan dana kepada Stasiun B kemudian
q  A
stasiu yang dana
q  tanpa pengembalian → suatu stasiun hanya dapat
Kemungkinan (A,C) (A,D
memperoleh dana 1×
n mendapatkan ⎛ n⎟ ⎞= n! 4!
(B, ⎜ =6
q 
(A,B C)
) ⎝ ⎠ (n − r )! r != (4 − 2)!
(B, r
) kombinasi
D) 2!
koefisien
(C,
D) binomial
http://istiarto.staff Variabel 18-Oct-
4
2
Permutasi dan Kombinasi
q  Dipilih 2 stasiun dari 4 stasiun (r = 2, n = 4) dengan
#4urutan tidak diperhatikan → memberikan dana kepada
q 

Stasiun A kemudian B
sama dengan memberikan dana kepada Stasiun B kemudian
q  A
stasiu yang mendapatkan
q  dengan pengembalian → suatu stasiun dapat memperoleh
Kemungkinan (A,C) (A,D
dana 2× n dana
q  (A,A) (B, ⎛ n + r − 1 ⎞ (n + r − 1)! (4 + +2 − 1)!
) ⎜⎜ ⎟ = = 10
(A, C) ⎝ r ⎠⎟ = (n − r )! (4 − 2)! 2!
B) (C, (B,
(B, C) D) r!
B) (C,
http://istiarto.staff D) Variabel 18-Oct-
4
3
Resum

e Dengan pengembalian Tanpa pengembalian

Urutan diperhatikan n!
nr (n )r =
(n − r )!

Urutan tidak ⎛ n⎞ n!

n r 1
⎟= (n + r − 1)! ⎜ ⎟=
diperhatikan ⎝ ⎠ ⎜ ⎟ (n − r )!
⎛ + − ⎞ r
⎝ ⎠ 11 r2 !
Persamaan Sterling : n! ≈ 2π e −n nn+
r ⎟ (n − r )! r !
http://istiarto.staff Variabel 18-Oct-
4
4
Perintah (Fungsi)
q  FACT(n)
MSExcel
menghitung faktorial, n !
q 

q n bilangan positif (bilangan


cacah)
q  PERMUT(n,r) n!
(n)r =
q  menghitung permutasi, (n − r )!
q  n dan r integer, n ≥ r
q  COMBIN(n,r) ⎛ n⎞ n!
menghitung kombinasi, ⎜⎝ r⎟⎠
q  ⎜ ⎟= (n − r )!
q  n dan r integer, n ≥ r
http://istiarto.staff r! Variabel 18-Oct-
4 http://istiarto.staff Variabel 18-Oct-
5