TUGAS II

STATISTIK PROBABILITAS
TEKNIK MESIN
( ONLINE CLASS)
 Probabilitas
Suatu percobaan adalah suatu proses yang
dibentuk dari sejumlah observasi. Nilai-nilai
observasi disebut “hasil percobaan (outcomes)”.
Kumpulan dari seluruh hasil percobaan disebut
“ruang sampel”.
Suatu ruang sampel dinotasikan sebagai S, dimana
elemen dari ruang sampel disebut “titik sampel”.
Ruang sampel untuk suatu percobaan dapat
dijelaskan dengan menggunakan “diagram venn”
atau “diagram pohon”.
 Probability Distribution
Distribusi Kemungkinan Teoretis adalah
merupakan distribusi (tingkat penyebaran) dari
suatu kejadian yang dapat diharapkan
berdasarkan pertimbangan – pertimbangan
teoretis, misalkan masalah probabilitas untuk
mendapatkan kesempatan menang atau kalah di
dalam suatu undian.
Sebagai ilustrasi agar semakin jelas mengenai
pemahaman distribusi kemungkinan teoretis ini
antara lain seandainya kita ingin mengetahui
apakah sebuah mata uang logam yang
mempunyai dua sisi permukaan (Gambar dan
Huruf) mempunyai bobot yang seimbangdiantara
kedua sisinya, untuk keperluan tersebut
selanjutnya dilakukan pelemparan (tos) sebanyak
200kali pelemparan dan ternyata hasilnya adalah
sebagai berikut:
·         Tampak huruf (H) = 120kali
·         Tampak gambar (G) = 80kali       
Harapan kita pada saat melakukan tos terhadap
mata uang tersebut adalah mempunyai bobot
yang seimbang (akan terjadi tampak tiap
permukaan mempunyai kesempatan yang sama),
sehingga dari 200 kali tos yang dilakukan akan
muncul peristiwa sebagai berikut:
Secara teoretis, jika tampaknya permukaan
gambar (G) diberi tanda 0 dan tidak tampaknya
permukaan gambar (tampak huruf) diberi tanda
1, maka Tabel 1 menjadi:
Untuk dua mata uang yang seimbang ditos 100x,
maka peristiwa yang akan terjadi pada setiap
pelemparan adalah tampak HH, tampak HG,
tampak GH dan tampak GG (H: huruf, G:
gambar), sehingga probabilitas yang akan terjadi
dalam setiap pelemparan adalah :
 HH = 1/4

 HG = 1/4

 HG = GH= ½

 GH = ¼

 GG = ¼
Untuk pengetosan s sebanyak 100x, tabelnya
adalah seperti pada tabel 3:
Untuk 3 buah mata uang logam yang ditos sekaligus,
peluangnya adalah: HHH, HHG, HGH, GHH, HGG,
GHG, GGH, GGG Secara umum frekuensi yang
diharapkan bisanya dinyatakan dengan notasi P(x) dan
peristiwanya itu sendiri dinyatakan dengan X,
sehingga tabel 4 menjadi: Distribusi kemungkinan
teoretis adalah merupakan suatu analisis pada
statistika untuk menentukan apa yang dapat
diharapkan, jika asumsi-asumsi yang dibuat itu benar.
Kemungkinan teoretis adalah sebuah distribusi
frekuensi yang didalam interval kelas-interval
kelasnya merupakan variable random, dan
distribusi ini sering pula dijadikan sebagai
pengganti distribusi sebenarnya (frekuensinya
adalah merupakan peluang terjadinya suatu
kejadian).
Discrete Random Variable
Variabel acak diskrit adalah deskripsi nilai - nilai
numerik dari hasil - hasil percobaan dan
menghubungkan keduanya namun tidak mengambil
seluruh nilai yang ada dalam sebuah interval.
Nilai variabel acak diskrit merupakan bilangan bulat
dan asli, tidak berbentuk pecahan. Dan jika
digambarkan pada sebuah garis interval, variabel ini
akan tampak berupa sederetan titik - titik yang terpisah.
Untuk distribusi probabilitasnya, untuk variabel diskrit
X didefinisikan dengan fungsi probabilitas dan
dinotasikan sebagai p(x).
 Continuous Random
Variable
Distribusi kontinu merupakan salah satu macam distribusi
probabilitas, yaitu model matematik yang menghubungkan
nilai variabel dengan probabilitas terjadinya nilai itu.
Dengan perkataan lain, kita dapat membayangkan
diameter cincin piston sebagai variabel random, karena
diameter itu menjalani nilai-nilai yang berbeda dalam
populasi itu menurut mekanisme random. Maka distribusi
probabilitas diameter cincin menggambarkan probabilitas
terjadinya setiap nilai diameter cincin di dalam populasi
itu. Dimana untuk distribusi kontinyu variabel yang
diukur dinyatakan dalam skala kontinyu. Oleh karena itu
distribusi probabilitasnya dinamakan distribusi kontinu.
 The Binomial Distribution
Perhatikan kembali setiap hasil percobaan statistik pada
pembahasan sebelumnya, dari semua percobaan hasil-hasil yang
ada dapat dibedakan menjadi 2 jenis, sebagaimana contoh
berikut ini. Pada pelemparan sebuah uang logam kita dapat
melemparakan sebanyak 10 kali atau 100 kali dan seterusnya
sesuai kepentingan. Kemudian hasil –hasil yang muncul
dibedakan menjadi 2 yaitu kejadian munculnya muka dan bukan
muka. Pada Pelemparan sebuah dadu sebanyak 100 kali akan
diperoleh hasil kemungkinan munculnya 6 dan bukan enam.
Secara singkat hasil-hasil yang muncul pada percobaan statistic
dapat dibedakan menjadi dua yaitu kejadian sukses dan kejadian
gagal. Selain itu kejadian sukses dan gagal dari satu percobaan
ke percobaan lainnya tersebut merupakan saling bebas.
Suatu percobaan statistik disebut percobaan
Binomial jika mempunyai ciri-ciri :
 Percobaan diulang sebanyak n kali
 Hasil percobaan dibedakan menjadi 2 yaitu kejadian
sukses (S) dan kejadian gagal (G)
 Probabilitas terjadinya kejadian sukses (S) dan gagal (G)
yaitu : P(S)= p dan P(G)=1-p = q adalah tetap pada tiap kali
percobaan diulang
 Semua hasil yang muncul bebas satu sama lain
 Distribusi Poisson
Dalam teori probabilitas dan statistika, distribusi
Poisson (dilafalkan [pwasɔ̃ ]) adalah distribusi
probabilitas diskret yang menyatakan peluang
jumlah peristiwa yang terjadi pada periode waktu
tertentu apabila rata-rata kejadian tersebut
diketahui dan dalam waktu yang saling bebas
sejak kejadian terakhir. (distribusi Poisson juga
dapat digunakan untuk jumlah kejadian pada
interval tertentu seperti jarak, luas, atau volume).
 Normal Distribution
Distribusi normal merupakan salah satu jenis
distribusi dengan variabel acak yang kontinu.
Pada distribusi normal terdapat kurva/grafik
yang digambarkan menyerupai bentuk lonceng.
Distribusi normal dapat disebut juga sebagai
distribusi Gauss. Persamaan yang terdapat dalam
distribusi normal salah satunya yaitu terkait
fungsi densitas.
Berikut merupakan fungsi densitas pada
distribusi normal.

Keterangan:
π : konstanta dengan nilai 3,14159. . .
e  : bilangan eksponensial dengan nilai 2,7183 . . .
µ  : rata-rata (mean) dari data
σ  : simpangan baku data berdistribusi normal
Bagaimana cara untuk menghitung nilai z? Nilai z
dapat dihitung dengan rumus berikut.
z = (x – µ)/σ

Keterangan:
µ  : rata-rata (mean) dari data
σ  : simpangan baku data berdistribusi normal
 Z-values
Distribusi normal sangat penting untuk dipelajari
terutama dalam melakukan analisis data statistika.
Dengan data yang diambil secara acak dan
berdistribusi normal akan memudahkan dalam
melakukan analisis dan meramalkan serta mengambil
kesimpulan untuk cakupan yang lebih luas.
Distribusi normal banyak diterapkan dalam berbagai
perhitungan statistika dan pemodelan yang berguna
dalam berbagai bidang.
Dalam menentukan distribusi probabilitas diperlukan
tabel z dari distribusi normal.
 Uniform Distribution
Dan
Exponential Distribution
 Distribusi Seragam
(Uninformly Distribution)
Distribusi seragam (uninformly distribution)
merupakan distribusi probabilitas yang paling
sederhana diantara distribusi-distribusi probabilitas
yang lain.
Dalam distribusi ini setiap nilai peubah acak
mempunyai probabilitas terjadi yang sama. Distribusi
seragam dapat pula didefinisikan seperti berikut. Bila
peubah acak X mempunyai nilai-nilai X1, X2, …Xk,
dengan probabilitas yang sama, distribusi seragam
diskrit dinyatakan sebagai 
Mean distribusi seragam adalah :

Variansinya adalah:
 Distribusi Probabilitas
Eksponensial
Distribusi probabilitas eksponensial merupakan pengujian
digunakanuntuk melakukan perkiraan atau prediksi
dengan hanya membutuhkan perkiraan rata-rata populasi,
karena dalam distribusi eksponensial memilikistandar
deviasi sama dengan rata-rata. Distribusi ini termasuk ke
dalamdistribusi kontinyu.
Ciri dari distribusi ini adalah kurvanya mempunyai
ekordi sebelah kanan dan nilai x dimulai dari 0 sampai tak
hingga. Sebuah sampel acak berukuran 64 yang diambil
dari populasi berdistribusi normal dengan rataan 51,4 dan
simpangan baku 6,8. Hitunglah peluang bahwa rataan
sampel bernilai lebih dari 52,9.