GEOSTATISTIK

DISTRIBUSI PELUANG
Peluang Seragam dan Tidak
Seragam

 Peluang seragam : tiap variabel

mempunyai nilai peluang yang sama
– contoh : keluarnya angka 1 s/d 6 pada
lemparan dadu memiliki peluang yang
sama yaitu 1/6

1 2 3 4 5 6
Peluang Seragam dan Tidak
Seragam
 Peluang tidak seragam : tiap variabel
mempunyai nilai peluang yang tidak sama
– contoh : sebuah dadu diberi angka hanya
dari 1 s/d 4, yaitu dua sisi angka 1 dan
dua sisi angka 2, dan sisi lain angka 3
dan 4, maka peluang angka 1 dan 2 =
1/3 sedangkan angka 3 dan 4 = 1/6

1 2 3 4
Peluang dan Ekspektasi

 Distribusi peluang dapat dipakai untuk

meramalkan/ekspektasi kejadian yang
berhubungan dengan fenomena
tersebut.
Contoh : Dadu dilempar sebanyak 18 kali.
Peluang keluar angka 2 : (1/6)(18) = 3 kali
Peluang keluar angka genap :
(1/6+1/6+1/6)(18) = 9 kali
Distribusi Peluang

 Berdasar variabelnya, distribusi

peluang dapat berbentuk diskret dan
kontinyu.
 Distribusi peluang diskret didapat
untuk variabel bilangan bulat. Ex :
Jumlah sampel batuan, Jumlah lup.
 Distribusi peluang kontinyu didapat
untuk variabel bilangan real. Ex :
komposisi batuan, densitas batuan.
Distribusi Peluang
 Diskret :
– Empiris
– Binomial
– Poisson
 Kontinyu :
– Uniform
– Normal (Gauss)
– Normal Standar
– distribusi log normal
– distribusi t-student
– distribusi F-fisher
– distribusi khai kuadrat
Distribusi Peluang diskret
 Distribusi empiris yaitu distribusi peluang
yang berasal dari pengamatan karakter
sampel yang mewakili suatu populasi
 Distribusi Binomial (Bernoulli) yaitu distribusi
peluang yang berasal dari serangkaian
kejadian berulang yang variabelnya hanya
mempunyai dua kemungkinan/peluang
 Distribusi Poisson, yaitu distribusi peluang
yang berasal dari proses poisson. Proses
poisson berhubungan dengan kejadian yang
dapat terjadi pada ruang/waktu yang acak,
tetapi dalam interval waktu tertentu
Distribusi Peluang diskret

 Distribusi peluang yang diturunkan

dari distribusi binomial yaitu distribusi
Geometrik dan Hipergeometrik
 Distribusi peluang yang diturunkan
dari distribusi Poisson yaitu distribusi
Eksponensial
Distribusi Peluang Empiris
 Misal dari 30 sampel batuan diamati porositasnya :
Porositas (%) Frekuensi Frek. relatif
0 5 5/30 = 1/6
10 10 10/30 = 1/3
20 8 8/30 = 4/15
30 2 2/30 = 1/15
40 3 3/30 = 1/10
50 2 2/30 = 1/15

 Peluang mendapatkan batuan <20% adalah 15/30

 Jika distribusi peluang dianggap mewakili 1000
sampel yang ada, maka peluang mendapatkan
batuan <20% porositasnya = 15/30 x 1000 = 500
Distribusi Binomial

n = # trial
X= # sukses
p = probabilitas sukses pada satu trial
q = 1-p = probabilitas gagal pada satu
trial
Latihan soal

 Sebuah konsultan geologi dalam setiap

pekerjaannya mempunyai peluang
selesai tepat waktu 60%. Jika
konsultan tersebut mengerjakan
proyek sebanyak 10 kali, maka berapa
peluang konsultan tersebut selesai
tepat waktu sebanyak 3 kali?
Distribusi Geometrik

 Jika ingin mengetahui peluang variabel

X pertama kali terjadi pada trial ke-y
maka dipakai distribusi geometrik.
 P(y) = p.qy-1
 Berapa peluang konsultan tersebut
pertama kali berhasil pada pekerjaan
ke-7?
Distribusi Poisson

z
(vt ) vt
P(X t  z )  e
z!

Xt = z  jumlah kejadian dalam suatu satuan

waktu
z = jumlah kejadian
vt = jumlah rata-rata kejadian per satuan waktu
e = bilangan eksponensial 2,718282
Latihan soal

 Dari catatan hujan selama 40 tahun

terjadi 160 kali hujan sangat lebat,
berapa peluang terjadi 6 kali hujan
sangat lebat dalam 2 tahun?
Distribusi Eksponensial

 Distribusi eksponensial didapat dari proses

poisson dengan domain jangka waktu, untuk
terjadi kejadian berikutnya

 z
P(X  z)  .e
 λ = jumlah rata-rata waktu per kejadian
 Berapa peluang hujan sangat lebat terjadi
setelah tahun pertama?