Statistik Terapan

Element Probabilitas

Agung Kartika
Teknik Sipil Ekstensi ITS
Terms
 Probability: to measure how likely some events will
occur.
 Experiments: data collecting process
 Outcomes: hasil
 Sample spaces: semua hasil yg mungkin terjadi
 Simple event/an elementary outcome/element of
sample space: satu anggota sample space
 Composite event: lebih dari satu simple event
 Event dilambangkan dalam capital letter
 Contoh Eksperimen
Eks a: Mencatat jenis kelamin 2 bayi pertama yang lahir di satu kota besok pagi.
Sa: {BB, BG, GB, GG}, B: boy, G: Girl

Finite sample
Discrete

space
Eks b: Mencatat pilihan 10 org yang menyukai kopi diantara teh atau kopi.
Sb: {0,1,2,3,4,5,6,7,8,9,10}

Sample space
Continuous
Eks c: Mencatat Kadar debu di udara dalam proyek konstruksi.
Sc: {t; 0<t<1}

cont Spl Space

dimensional
Eks d: Mencatat tinggi dan berat anak setelah diberi vitamin tertentu

Two
Sd: {(x,y); x non negative, y: (+,0,-)}
Discrete

infinite Spl
Countably
Eks e: Mencatat reaksi pasien thd antibiotik sampe mendapatkan reaksi balik

Space
Se: {R, NR, NNR, NNNR, ……...}
Contoh event
 Event A dlm Eks A yg menyatakan exactly one
Girl akan menghasilkan: A={BG, GB}
 Event B dlm Eks E yg menyatakan maksimum
(utmost) 5 pasien menjalani test akan
menghasilkan B={R, NR, NNR, NNNR, NNNNR}
Probability of an event
 P(A): Prob. of event A
 Equally likely elementary outcome (uniform probability
model): punya kesempatan sama. Eg.: Dadu,
S={e1,e2,e3,e4,e5,e6}, maka: P(e1)=P(e2)= P(e3)= P(e4)=
P(e5)= P(e6)=1/6
 P(A): keluar angka genap, A={e2,e4,e6}, shg
P(A)=1/6+1/6+1/6=0.5, atau:
 Jika S={e1,e2,….,ek} dengan prob of elementary
outcome=1/k, maka P(A) yang terdiri dari “m” element
menghasilkan P(A)=m/k
 Example
 Seorang inspector kualitas angkutan umum akan mengadakan
survey (randomly select) thd 20 perusahaan penyedia AKDP. Dari
20 perusahaan tsb 5 diantaranya memiliki manajemen yg tdk
sehat (T1,T2,T3,T4,T5) sedang 15 sisanya memiliki manajemen
yang sehat (S1, S2, S3…..S15). S={T1,T2,T3,T4,T5, S1, S2,
S3…..S15}, masing-masing elementary outcome memiliki prob
sebesar 1/20 (equally likely).
 Probability mengunjungi perusahaan dgn manajemen yg tdk sehat
adalah: P(A)=5/20, sedangkan probability mengunjungi
perusahaan sehat adalah P(B)=15/20.
 Bagaimana jika S={T,S}??lebih sederhana tapi tdk memenuhi
syarat equally likely dan tdk memenuhi syarat sbg uniform prob
model.
 STABILITY OF RELATIVE FREQUENCY

rN(A)
Number of times A occurs in N trials
rN (A) 
0.6 N

0.5

0.4
Stabil
0.3
0.2
0.1

50 100 1200 1300

Number of Trial (N)
Mode Probability Discrete
Sample Spaces

 Must Satisfy:
(i) Utk semua event A, 0<P(A)<1
(ii) P(A)=  P(ei )
Semua i
dlm A
P(S)=
(iii)
 P(ei )  1
Semua i
dlm S
 Contoh:
Pengamatan ttg jenis kelamin kakak beradik dalam
keluarga e1=(BB), e2(BG), e3=(GB), e4=(GG)
a. P(e1)=1/4, P(e2)=1/4, P(e3)=1/4, P(e4)=1/4…OK!
b. P(e1)=3/16, P(e2)=3/8, P(e3)=1/4, P(e4)=3/16…OK!
c. P(e1)=1/2, P(e2)=1/4, P(e3)=1/4, P(e4)=1/2…NOT-OK!
Diagram Venn
 3 silinder beton diuji tekan, yg ingin diketahui
adalah apakah kuat tekan ()nya>1000kg/cm2
atau tidak. Sample space yangmungkin adalah:
Memenuhi (M) dan Tidak (T). Buat diagram
Venn-nya! Dan tentukan event-event berikut ini!
A: hanya satu yg tidak memenuhi
B: satu silinder pada uji pertama tdk memenuhi
C: dua uji pertama memenuhi
S={e1(TTT), e2(TTM), e3(TMT), e4(MTT), e5(TMM),
e6(MTM), e7(MMT), e8(MMM)}

A={e5, e6, e7}

B={e1, e2, e3, e5}
C={e7, e8}
e2
e4 e1 B
e3
e5
e6
e8
e7
A C
Diagram Venn
A A
AB
B B
AB

A  B (union) AB (intersection)

A Complement
(not A)
Ac
Contoh: lihat diagram Venn
 Tentukan A  B, AC, BC, Bc, (A  B)c, Ac  Bc?
AUB: {e1, e2, e3, e5, e6, e7}
AC: {e7}
BC : {} atau Ø
Bc: {e4, e6, e7, e8} Mutually exclusive/disjoint

(A  B)c : {e4, e8}

Ac  Bc : {e1, e2, e3, e4, e6, e7, e8}
Law of Complementation
P(Ac)=1-P(A)
General addition law

P(A  B)=P(A)+P(B)-P(AB)

Verbal statement Event operation

At least one of A or B AB
Both A and B AB
Not A Ac
Contoh
 Dalam wawancara stated preference yg
dilakukan thd penumpang angkutan mikrolet (6
png) ttg kesediaan utk pindah moda akan
memiliki 2 jawaban yaitu: Ya (Y) dan Tidak (T).
A. Berapa prob utk mendapatkan 1 jawaban
“Ya”?
B. Berapa prob 5 atau 6 menjawab “Ya”?
 S=2*2*2*2*2*2=64
A. Jawaban yg mengandung paling tidak satu “Ya”
adalah P(A)
Jawaban yg semua menyatakan “Tidak” adalah
P(Ac): {(TTTTTT}, so: P(Ac)=1/64 dan P(A)=1-
P(Ac)=1-1/64=63/64
B. 5 org jwb “Ya” P(A5): {(TYYYYY) (YTYYYY)
(YYTYYY) (YYYTYY) (YYYYTY) (YYYYYT)}
6 org jwb “Ya” P(A6): {(YYYYYY)}
P(A5)=6/64, P(A6)=1/64
P(5 atau 6 menjawab “Ya”)=P(A5  A6)
=P(A5)+P(A6)=6/64+1/64=7/64
Contoh:
Kualitas Bahan
Good Med Poor
Good 0.06 0.11 0.18
Kualitas Pengerjaan Moderate 0.12 0.18 0.10
Pooooor 0.16 0.05 0.04
1.00

Jika diambil salah satu produk/output dari sample di atas,

maka:
a. Berapakah probabilitas utk mendapatkan produk yg
paling tidak (at least) “good” dalam salah satu kategori
(pengerjaan atau Pengerjaan)
b. Berapakah probabilitas mendapatkan produk yng “tdk
Poor” dalam kualitas pengerjaan
A. Jika A adalah event kualitas pekerjaan “good”
dan B adalah event kualitas bahan “good”,
maka event dengan kondisi paling tidak salah
satu memliki kategori “good” adalah AB.
P(A)=0.06+0.11+0.18=0.35
P(B)=0.06+0.12+0.16=0.34
P(AB)=0.06
P(AB)=P(A)+P(B)-P(AB)=0.35+0.34-0.06
=0.63
atau dicari secara langsung: (lihat bold
shadowed
P(A)=0.06+0.12+0.16+0.11+0.18=0.63
B. Jika B adalah event yg menghasilkan kualitas
pengerjaan “poor”, maka
P(B)=0.16+0.05+0.04=0.25
Probability “tidak poor” adalah P(Bc), maka
P(Bc)=1-P(B)=1-0.25=0.75.
 Tugas 6
Latihan
<ijin >ijin
Curing Curing
Umur Y T Y T
<28hari 0.03 0.05 0.07 0.09
>28hari 0.05 0.1 0.55 0.06
1.00

Jika A adalah event >ijin

Jika B adalah event < 28hari
Jika C adalah event dilakukan Curing, maka:
A. Tentukan P(A), P(B), P(BC), P(AB) dan P(ABC)
B. Tentukan P(AcBc) dan P(AcBc)
Solusi:
Product Rule, Permutasi &
Kombinasi
 Jika sebuah eksperimen terdiri dari 2 bagian
dimana pada bagian pertama menghasilkan k
hasil dan bagian kedua menghasilkan l, maka
total kemungkinan hasilnya adalah k*l.
 Contoh 1. Jika 3 macam bahan aditive
dicampurkan dalam 2 jenis mortar semen, maka
akan ada 3*2 macam hasil.
PERMUTASI
 Contoh 2: Jika akan dilakukan 4 macam treatment
thd 10 jenis kayu dan hanya 4 jenis kayu yg
ditreatment, maka hasil yg mungkin adalah:
Tr 1 Tr 2 Tr 3 Tr 4
10 cara 9 cara 8 cara 7 cara

P  P  10 * 9 * 8 * 7  5040
r
n 10
4

Permutasi r terhadap n adalah:

n
Pr  n (n  1)(n  2).....(n  r  1)
Pnn  n !
 Contoh 3:Dari 12 kolom beton pada suatu bangunan
bertingkat, 8 diantaranya masih dalam kondisi baik
{B1, B2,….B8} sedangkan 4 sisanya dalam kondisi
rawan {R1, R2, R3, R4}.
a. Jika dipilih 3 kolom secara acak, berapa macam
possible distinct arrangements? (urutan
diperhatikan).
b. Berapa macam cara yg mungkin jika dua pemilihan
pertama menunjukkan kolom yg rawan (R) dan yang
ketiga menunjukkan kolom yang baik (B).
c. Berapa probability item b?
SOLUSI
a. Prn  P312  12 * 11 * 10  1320

b. P24
* P18
 (4 * 3) * 8  96

P24
* P18
96
c. P(x)  
P312 1320
KOMBINASI
Kombinasi Permutasi (arrangements)
1 ABC ABC, ACB, BAC, BCA, CAB, CBA =3!=6
2 ABD ABD, ADB, BAD, BDA, DAB, DBA =3!=6
3 ACD ACD, ADC, CAD, CDA, DAC, DCA =3!=6
4 BCD BCD, BDC, CBD, CDB, DBC, DCB =3!=6
24

 Kombinasi 3 thd 4=
P34
24
  4cara
3! 6

 n  Prn
Jadi : C rn    
r  r!
n   n  n!
     
 r   n  r  r ! (n  r )!
n n
   1,    n, 0!  1
n 1
Contoh 4, lihat contoh 3
 Jml unordered (kombinasi)sample yg mungkin adalah:
12  12x11x10
    220
3 1x 2x3
 kombinasi mengambil 2 R dan kombinasi mengambil 1
B adalah sbb:
 4  4x3 8 8
     
 2  1x 2 1 1
Product rule: ((4x3)/(1x2))x(8/1)=48
 Prob mendapatkan 2 R dan 1B adalah:48/220
Contoh 5
 15 sample tanah diuji CBR-nya. Hasil
menunjukkan 9 sample bagus, 4 sample jelek
dan 2 sample sedang. Jika diambil sample
secara random,
a. Berapakah prob paling tidak 2 dari 3 sample yg
diambil memiliki CBR yang bagus.?
B. Berapa prob. 2 sample pertama yg terpilih
bagus dan yg ketiga jelek.
Solusi:
A. 15 
   455 Product Rule
3
Jika A2: event bwh tepatnya memiliki 2 sample bagus
Jika A3: event bwh tepatnya memiliki 3 sample bagus
P(A2) memilih 3 dari 15 dimana yang 2 diambil dari 9 dan
yg 1 diambil dari sisanya (6)
 9  6  9x8 6 216
    x  216 P ( A 2) 
 2  1  1x 2 1 455
P(A3) memilih 3 dari 15 dimana yang 3 diambil dari 9 dan
yg 0 diambil dari sisanya (6)
 9  6  84
    84 P( A3) 
 3  0  455
P(paling tidak 2 bagus)=P(A2  A3), disjoint
P(A2  A3)=P(A2)+P(A3)
216 84 300
  
455 455 455

B. Mengunakan permutasi krn melibatkan urutan

pilihan. (ordered selection)
P315  15 *14 *13  2730
P29 * P14  (9 * 8)( 4)  288
P(2 pertama bagus dan yg ketiga jelek)=288/2730
 CONDITIONAL PROBABILITY
 P(A|B)=Prob of A given B.

Contoh 6: Lebih awal on-time Terlambat Total

(bus kota) Penuh 0.10 0.08 0.02 0.20
Tdk Penuh 0.15 0.45 0.20 0.80
Total 0.25 0.53 0.22 1.00
A: Event Bus Penuh
B: Event bus datang lebih awal
P(A):0.2, P(B)=0.25
Probability mengalami penuh pada bus yang datang lebih awal

adalah: 0.1/0.25=0.4=Jadi P(A|B)  P(AB)=0.1

Sehingga:
 P(A|B) 
P(AB)
P(B)

P(AB)=P(B).P(A|B)
P(ABC)=P(A).P(B| A).P(C|AB)
Contoh 7.
 Dalam perusahaan kontraktor yang sedang
membangun gedung terdapat 30 pekerja, 5 di
antara perkerja tersebut memiliki skill yang
bagus (B), Jika pinpinan kontraktor memanggil
secara acak 3 pekerjanya, berapa probability 2
pekerja pertama yg dipanggil skillnya bagus (B)
dan pekerja yang ketiga skillnya jelek (J)?
 Event: B1, B2, J3.
P(B1B2J3)=P(B1) P(B2|B1) P(J3|B1B2)
P(B1)=5/30,
P(B2|B1)=4/29,
P(J3|B1B2)=25/28
P(B1B2J3)=(5/30)(4/29)(25/28)=25/1218
Atau pakai permutasi:
P25 * P125 5 * 4 * 25 25
P(B1, B2, J3)   
P330
30 * 29 * 28 1218
Dua event independent jika:
1. P(A|B)=P(A), atau
2. P(B|A)=P(B), atau
3. P(AB)=P(A)*P(B)
 Contoh 8
 Mengamati mobil yang ada di jalan, mencatat 2 mobil pertama yg
dilihat, apakah mobil tsb parkir (P) atau tidak (T). Space: {PP, PT,
TP, TT)
Event A: pengamatan pertama “parkir”{PP, PT}
Event B: pengamatan ke dua “parkir”.{PP, TP}
Event C: kedua hasil menunjukkan “parkir” atau “Tidak”{PP,TT}
 Manakah ang merupakan pasangan independent??? AB, AC atau
BC?
Solusi
 P(A)=1/2, P(B)=1/2, P(C)=1/2
 P(AB)=1/4, P(AC)=1/4, P(BC)=1/4

CHECK syarat no 3! PP A
PT
 P(A)P(B)=1/4=P(AB)
 P(A)P(C)=1/4=P(AC) TP
TT
B C
 P(B)P(C)=1/4=P(BC)
Jadi, AB, AC dan BC independent
Lihat Contoh 6
 P(A)=0.2
 P(A|B)=P(AB)/P(B)=0.1/0.25=0.4, tdk
memenuhi syarat 1 atau 2, jadi A dan B tdk
independent.
Perbedaan Disjoint dan
independent event
 P(A)0
P(B)0, krn disjoint maka P(AB)=0
Jika independent hrs memenuhi syarat sbb:
P(A) P(B)=P(AB)
Non zero*non zero 0
LATIHAN
 Jika pada suatu halte jumlah kedatangan bus
adalah 90 bus per hari, 30 diantaranya dalam
keadaan penuh sedangkan 10 diantaranya
datangnya terlambatselain itu diketahui bwh bus
yg datang dalam keadaa terlambat dan penuh
adalah 5 bus, maka berapakah probability bus
datang terlambat dalam kondisi penuh?
P(p)=30/90, P(t)=10/90, P(pt)=5/90
P(p|t)=P(pt)/P(t)=(5/90)/(30/90)=0.5
Latihan
 Event A, B,C. A dan B independent, B dan C disjoint,
P(A)=0.5, P(B)=0.3 dan P(C)=0.1. Tentukan notasi
dan hitung probabilitynya!
A. A dan B terjadi
B. Salah satu dari A atau B terjadi
C. B tidak terjadi
D. Ketiga kejadian di atas tdk terjadi
Lanjutan Conditional Prob.
 Korosi menyerang pondasi tiang pancang baja pada
struktur dermaga sebanyak 2% dengan skala serius,
10% ringan dan sisanya tdk terserang jamur. Uji lab
terhadap tiang pancang menghasilkan akurasi 90% dlm
mendeteksi yang serius, 60% untuk yang ringan,
sedangkan uji terhadap tiang yg tdk terserang
menunjukkan 10% yg terserang (positif). Jika sebuah
tiang diuji menghasilkan kesimpulan positf (terserang),
maka berapa prob. tiang tersebut terkena serangan
korosi yang serius?
Serius: S test positif : +
Ringan: L test negatif : -
Non-korosi: N

P(S): 0.02 P(+S) : 0.9

P(L): 0.1 P(-L) : 0.6
P(N): 0.88 P(+N) : 0.1

P(S+)= P(S+)/P(+) P(S+)= P(S).P(+S)=0.02*0.9=0.018

P(L+)= P(L).P(+L)=0.01*0.6=0.06
P(N+)= P(N).P(+N)=0.88*0.1=0.088

P(+)= P(S+) + P(L+) + P(N+)

=0.018+0.06+0.088=0.166

P(S+)= 0.018/0.166=0.11
Binomial Distribution
 Ada dua kemungkinan saja eg: ya (p) dan tidak
(1-p)
n  x
P (X  x )   p 1  p 
n x For X=0,1,2,….n

x 
Dimana:
n  n!
  
 x  x ! n  x !
0!=1

n
E (X )   xP (x )  n .p Var(X)=E(X-)2=np(1-p)
x 0
Contoh A
Jika 10% dari produk tiang pancang suatu pabrik
adalah “cacat” dan jika 12 tiang diambil dari
populasi tersebut, berapakah prob:
A.exactly 2 tiang pancang cacat
B.utmost 2 tiang pancang cacat
C.at least 3 tiang pancang cacat
 Solusi
12  2
A. P( X  2)   0.1 1  0.1
12 2
 0.23
2
B. P(X<2)=P(X=0)+P(X=1)+P(X=2)
12  0 12  1
P(X  2)   0.1 1  0.1   0.1 1  0.1
12 0 121
   0.23
0 1
P(X<2)=1*1*0.0282+12*0.1*0.3138+0.23=0.89
C. P(X>2)=P(X=3)+P(X=4)+…..
=1-P(X<2)=1-0.89=0.11
Poisson Dist
P(X  x) 
e  λt
λt 
x
For X=0,1,2,….n

x!
n
E(x)   xP(x)  λt
x 0

Var(x)  E(X  μ)2  λt

Contoh B
 Dalam sebuah antrian check in counter, terdapat
25/1000 orang yang membawa tiket lebih dari
satu. Jika akan diambil sampel sebanyak 100
sample orang yang antri, berapakah probability
mendapatkan paling tidak 2 orang yang
membawa tiket lebih dari satu?
Solusi
=25, t=100/1000=0.1, t=2.5
P(x>2)=P(2)+P(3)+…….
=1-P(x<1)
e 2.5 2.5
0

=1-[P(0)+P(1)] P(0)   0.082

0!
=1-(0.082+0.205)
P(1) 
e 2.5
2.5
1
 0.205
=0.712 1!
 Latihan (poisson/binomial)
1. Jml mobil yg tiba dlm carpark selama interval 5 detik dlm dist poisson.
Berikut ini adalah observasi yang dilakukan pada pukul 8.30-8.55
No of car 0 1 2 3 4 5+
Freq 25 38 21 10 6 0
a.Hitung sample mean, tentukan 
b.Hitung prob at least 2 mobil dalam 10 detik interval
2. Data dari JASA RAHARJA menyebutkan bahwa 1% kecelakaan mobil
terdapat korban jiwa. Jika secara acak dipilih 10 kejadian kecelakaan.
Maka berapa prob bahwa maksimum 1 kejadian kecelakaan mobil
mengalami korban jiwa
3. Mata kayu terjadi pada pengerjaan kayu lapis secara random dan
independent dengan rate sebesar 1 mata kayu per m2 kayu lapis. Berapa
probability kayu lapis yang berukuran 1.5x2m memiliki paling tidak satu
mata kayu?
Solusi
1.A. Mean=1.34
1.34= t,
=1.34/t=1.34/5=0.268
B. t=10det
P(x>2)=1-P(x<1)=1-P(0)-P(1)
=1-0.0685-0.1837=0.7478
2.Binomial, n=10, p=0.01
10 
P (0)   0.010 1  0.01
10 0
P(x<1)=P(0)+P(1)  0.904
0
P(x<1)=0.995 10 
P (1)   0.011 1  0.01
101
 0.091
1
3. =1/m2
t=1.5x2=3m2
t=3
P(x>1)=1-P(x=0)

P(0) 
e 3
3
0
 0.05
0!
P(x>1)=1-0.05
=0.95
Distribusi Normal
 Prob. Density Function (pdf)
 1 2
exp  2 x  μ  ,  x  
1
f(x) 
σ 2π  2σ 
 Commulative dist function (fdf)
x x 1   t  μ 2 
F(x)   f ( t )dt   exp  2 dt
 
2ππ  2σ 

Dimana:
: mean
: variance
X~N(,2)
Bentuk Normal Dist. (bell shaped)
Var=1
4
Var=4

-3.5 0 3.5
Normal Dist Standard
 Random Variable dgn mean=0 dan Var=1,
Z~N(,2)
Important properties:

I) P(Z<a)=(a)
II) P(Z>a)=1-(a)
III) P(a<Z<b)= (b)-(a)
IV) (-a)= 1-(a)
Contoh 1:
 Z~N(0,1), hitung P(-1<Z<1)
Solusi:
(1)-(-1) = (1)-[1-(1)]
= 2(1)-1, (1): lihat tabel
= 2(0.841)-1
= 0.682
Bagaimana jika bentuk tdk
standard?
 x~N(,2) instead of Z~N(0,1).
Maka: X μ Z~N(0,1)
Z
σ
Sehingga,
 x μ 
I. P(X  x)  φ 
 σ 
 x μ 
II.P(X  x)  1  φ 
 σ 
 bμ   a μ 
III.P(a  X  b)  φ   φ 
 σ   σ 
Contoh 2
 Jika: x~N(10,4), tentukan P(X<7)?
Solution:
 7  10 
φ   φ 1.5  1  φ1.5
 2 
 1  0.933  0.067
 Tugas 7

Latihan:
 Pengukuran tebal lantai beton pada beberpa titik
menunjukkan bahwa datanya berdistribusi
Normal dengan mean: 10cm dan standard
deviasi 0.03.
A. Tentukan prob tebal plat >10.05
B. Berapa prob tebal plat antara 9.97 dan 10.03
Statistical inference
Population Parameter Point estimates
Mean  x
Variance 2 s2
SD  s

 Central Limit Theorem (hal 213 Bhattacharya)

Jika {Xi} adl random sample dgn jml sample n yg memiliki
dist tertentu dgn mean= dan variance=2. Apabila n+,
maka akan dianggap N(0,1)
x μ
σ n

Hal ini akan cocok jika jml n meningkat >30, namun jika
populasinya sdh berdist normal, maka dgn jml n yg <30 pun
sdh bisa dianggap normally distributed
Populasi
x1,x2,x3,…..,xn  x
beda
x’1,x’2,x’3,…..,x’n x’


x ~ N μ, σ 2 n 

σ 
n  standard error of mean
Contoh:
 Diameter lubang baut dari hasil pengeboran
berdistribusi normal dgn =2.5cm dan =0.009cm
a. Tentukan distribusi sample mean dari sembilan lubang
baut
b. Hitung prob. Lubang yg melebihi 2.505cm

Solusi:
a. n=9, standard error=0.009/(90.5)=0.03.
Jadi dist samplenya adl: 
x ~ N 2.5,0.0032 
b. Px  2.505  1  Φ x  μ 
 σ 

   2.505  2.5 
P x  2.505  1  Φ   0.048
 0.003 
Confidence interval for µ ( known)
 P(-za/2<z<za/2)=1-a, utk a=1%, 5%, 10%
dimana: x μ
z
σ n
shg:  x μ 
P  z α/2   z α/2   1  α
 σ n 
 σ σ 
P x  z α/2  μ  x  z α/2   1 α
 n n

Jadi, (1-a)x100% confidence interval utk 

adalah: σ σ
x  z α/2  μ  x  z α/2
n n
Langkah Mencari Conf. Interval utk 

 Considered as normally distributed atau n>30, 

known
 tentukan za/2
 tentukan n dan tentukan x.
σ σ
 Buat CI antara x  z α/2 sampai x  z α/2
n n
Contoh:
 CBR agregat kasar dgn  3%. Dari hasil test thd 40
sample diperoleh CBR 148%. Hitung 95% confidence
interval kekuatan agregat tsb!
SOLUSI:
95%=1-a  a =0.05  a/2 =0.025
za/2=z0.025=1.96
x=148
CI: 148+1.96*[3/(400.5)]  (147,149)
147 x=148 149
Jadi, 95% yakin bwh rata2x berada di antara 147 dan 149.
Confidence interval for µ ( Unknown)

 Varians dan SD populasi tdk diketahui

 N<30

x μ Dimana:
T ~ t n 1
s n tn-1 adl dst t dengan derajat
kebebasan (n-1)
Formula:

s s
x  t n 1;α 2  μ  x  t n 1;α 2
n n
Contoh
 Lama waktu menunggu bus terdistribusi secara
normal, sepuluh calon penumpang secara
random disurvey lama waktu menunggunya.
Hasil survey sbb: 108,138, 124,163,124,159,
106, 134,115,139. Buat confidence interval mean
waktu tunggu bus tersebut.
Solusi:
 Step 1; a=0.05, 1- a =0.95, a /2=0.025
n-1=10-1=9, t9;0.025=2.262
 Step 2; x=131, s=19.54
 Step 3; confidence interval
s
x  t n 1;α 2
n
19.54 19.54
131  2.262  μ  131  2.262
10 10
117.02  μ  144.98

 Jadi, 95% yakin bahwa rata-rata waktu tunggunya

berada di antara 117.02-144.98
Resume

 diketahui  tidak diketahui, diganti s

N>30 N<30
Sampling x μ x μ xμ
Distribution Z ~: N(0,1) ~: t n 1
σ n s n s n

(1-a)x100%
σ s s
confidence x  z α/2 x  z α/2 x  t n 1;α 2
n n n
interval
 Tugas 8

Latihan
 Sebuah alat speed gun akan digunakan utk mengukur
kecepatan kendaraan. Untuk itu akan dilakukan
kalibrasi terhadap alat tersebut. Kalibrasi dilakukan
dengan ‘menembakkan’ speed gun pada obyek yang
bergerak dengan kecepatan tetap yaitu 40 km/j. Hasil
‘tembakan’ speed gun menunjukkan hasil sbb: 39.5,
38.8, 40.1, 40.05, 40.01, 42.0, 41.2, 39.8, 38.2, 40.02,
41.2, 41.3, 40.05, 39.4, dan 41.02. Jika a sebesar 5%,
maka tentukan apakah speed gun tersebut akurat atau
tidak!
Hypothesis Test
 Untuk menguji apakah sekelompok data tertentu
memiliki karakteristik tertentu. Misal: akan
menguji apakah mean dari kuat tarik serat fibre
adalah 150psi atau bukan.
H0:  =150, H1:  150
Hubungan Test Hipotesa dengan
Confident Interval
 H0:  =  0, H1:    0

Pada significance level a, H0 tidak akan ditolak jika

 0 berada dalam (1-ax100% confidence
interval untuk . Sebaliknya null hypothesis (H0)
akan ditolak jika  0 tidak berada dalam (1-a
x100% confidence interval untuk .
Contoh CI-3, Lihat Contoh CI-1
 Ujilah apakah 150psi, jika a0.05!
H0:  =150, H1:  150
Pada a=0.05, confidence interval antara 147-
149. Karena 150(147-149), maka H0 ditolak
atau H1 diterima dan  150
Confidence interval untuk (xy),
x & y diketahui
 Sampling dist of differences in means of 2 population
(xy)
Jika 2 independent samples ditarik (nx&ny) secara
random dari 2 populasi yang berbeda dimana sample
tersebut memiliki x & y, maka distribusi x-y adalah
normal dengan mean x-y dan variance
(x2/nx)+(y2/ny), shg:

x  y μ x  μy 
 N0,1
 2
x

nx   y ny
2

Confidence interval untuk (xy),
x & y diketahui

σ σ σ σ
2 2

X - Y- z  
2 2

 μ x  μ y  X - Y  zα 2
x y x y
α2
nx ny nx ny
Contoh CI-4
 2 macam admixture dicampurkan dalam campuran beton semen,
kuat tekan (’) yg dihasilkan adl sbb: (nx=ny=50)
Admixture Sample Mean Sample Standard Deviation
() ()
A 78.3mpa 5.6
B 87.2mpa 6.3
Buat 95% confidence interval mean dari populasi!
x-y = 78.3-87.2= -8.9
1-a=0.95, a=0.05, a/2=0.025, za/2=1.96

σ σ
2 2
5.6 2 6.32
   1.19
x y

nx ny 50 50

CI: -8.9-1.96*1.19<x-y< -8.9+1.96*1.19 x-y

CI: -11.23 s.d. -6.57 -6.57 0
-11.23
 Resume
Unknown x and y (replaced by sx and sy respectively)
Known x and y nx<30 or ny<30
nx>30 and ny>30
x=y xy
Sampling X  Y    x  y  X  Y    x  y  X  Y    x  y  X  Y    x  y 
distribution  x2  y2 sx
2
sy
2
1 1  sx
2
sy
2

  s p  
2

n 
nx ny nx ny  x ny  nx ny

 N(0,1) : N(0,1)  tm : tv
(1-a)x100% X  Y  X  Y  X  Y  X  Y 
confidence
2 2 2 2 2 2
sx sy 1 1 sx sy
interval  za   za   t m:a s p   t v: a 
2 nx ny 2 nx ny 2 nx n y 2 nx ny

Dimana:

s 2
/n x  s y /n y
2

2
n x  1s x 2  n y  1s y 2
υ
s  sp 
x 2

x
2
 
/n x / n x  1  s y /n y / n y  1
2 2

2
nx  ny  2
m=nx+ny-2
 Data
Plastic A Plastic B
Contoh CI-5 Sample size
Sample standard dev. (psi)
10
0.8
12
1.2
Sample mean (psi) 162.6 160
 Normally dist, Buat 95% CI utk mean difference, apakah kedua
jenis plastik tsb mean kekuatannya berbeda?
x-y = 162.6-160= 2.6 s2x s2y 0.82 1.22
    0.43
nx ny 10 12

s 2
/n x  s y /n y
2

2
0.43  2 2
υ
s  /n  1 0.8 /10  /10  1  1.2 /12  /12  1
  19
x

x
2

/n x / n x  1  s y /n y
2
 2 2
y
2 2 2 2

2 2

X - Y- t  
2 2
s s x y
 μ x  μ y  X - Y  t υ:α 2 s s
x y

x-y
υ:α 2
nx ny nx ny

CI: 1.7 s.d. 3.5

0 1.7 3.5

Jadi, 95% yakin bwh perbedaan meannya berada di antara 1.7 dan 3.5,
shg, pada 5% level kepercayaan data menunjukkan mean yg beda.