Proses Stokastik

(PS Matematika FMIPA UB, MAM 4816, 3 sks, P)

Pertemuan ke-1/7

Dr. Adji Achmad RF, S.Si, M.Sc

Statistika, FMIPA, Universitas Brawijaya Malang

1
 Pengantar (1)

Identitas Pengajar
• Nama: Dr. Adji Achmad Rinaldo Fernandes, S.Si, M.Sc
(Samarinda, 08-09-1981)
• Pendidikan: (SD,SMP,SMA di Balikpapan), (S1-
Statistika, UB, 2000-2004), (S2-Statistics, Univ Hasselt,
Belgium, 2006-2007), (S3-Statistika, ITS Surabaya,
2011-2016)
• Pekerjaan: Dosen UB (Jan 2005-Sekarang)
• Research Interest: Regresi Nonparametrik &
Semiparametrik, Pengembangan Metodologi di bidang
Manajemen, dan Jurimetri 2
 Pengantar (2)

Silabus MK
• Prasyarat: Persamaan Diferensial Biasa, Statistika
Matematika
• Deskripsi/Tujuan: Bagaimana mengklasifikasikan
permasalahan di bidang industri, sosial budaya,
finansial, dan life science serta menerapkan konsep-
konsep proses stokastik untuk menyelesaikannya
• Materi: Probability Review, proses stokastik, proses
menghitung, proses poisson: distribusi waktu antar
kedatangan, distribusi waktu tunggu, proses poission
majemuk; proses renewal (pembaruan); rantai markov,
proses percabangan, proses kelahiran dan kematian
3
 Pengantar (3)

Sistem Pengajaran dan Evaluasi

• Tatap Muka Dikelas (Sistem Cut and Clear)
• Tugas (Sifat Tugas Paperless, using IT)
• Quis (Jika diperlukan, bersifat online/offline)
• Absen tidak penting (yang penting mahasiswa
paham)
• Penilaian (Mengikuti aturan FMIPA UB, plus
keaktifan)
4
adjifern.lecture.ub.ac.id

5
 Motivation of Study

http://netralnews.com/news/kesra/read/19316/itb.teratas..kampus.anda.peringkat.berapa
 Motivation of Study

http://news.okezone.com/read/2016/08/04/65/1455063/universitas-brawijaya-optimis-juarai-pimnas-2016
Motivation of Study

http://www.infokampus.news/ini-passing-grade-univer
sitas-brawijaya-2016 8
/
http://
X (t ,  1 )

t1 t2 t3 tk t

X (t ,  2 )

t1 t2 t3 tk t

X (t ,  i )

t1 t2 t3 tk t

9
Beberapa realisasi dari proses stokastik
Membuat pusing kan?
Definisi Proses Stokastik
• Definisi :
Proses Stokastik : Keluarga variabel acak berindek
 X (t ,  ), t  I 
Biasanya X (t ,  ) ditulis sebagai X (t )

Grafik X (t ,  ) terhadap t untuk  yang tetap

disebut realisasi (fungsisampel) dari proses

10
 Contoh Kejadian Deterministik
(Non Stokastik)
• Contoh kejadian deterministic adalah persaingan
usaha laundry di sekitar kampus UB.
• Terdapat beberapa kriteria untuk mahasiswa
dalam menentukan laundry mana yang akan
dipilihnya. Beberapa kriteria tersebut antara lain:
jarak laundry, pelayanan  dan harga.
• Langkah pertama adalah memperkirakan
persebaran mahasiswa dalam memilih laundry,
dengan menggunakan gaya fisika:
11
Contoh Kejadian Deterministik
(Non Stokastik)

12
 Contoh Kejadian Stokastik
Kejadian stokastik adalah kebolehjadian yang hanya dapat ditentukan distribusi
frekuensinya.jadi kejadian stokastik ini tidak dapat ditentukan fungsinya dengan pasti,
namun hanya berupa kisaran fungsi yang nilainya belum dapat ditetapkan. Contoh dari
kejadian stokastik adalah jumlah daun yang berguguran setiap harinya. Helai-helai
daun  berguguran dari hari ke hari, namun belum dapat dipastikan berapa jumlahnya dan
fungsi seperti apa yang dapat menggambarkan proses bergugurnya daun-daun tersebut.
1.       Jumlah penumpang bus. Sebagai contoh jumlah penumpang ketika pagi hari,
mendekati jam kerja sangat banyak. Jumlah ini akan berangsur-angsur menurun ketika jam
kerja sudah dimulai dan menjelang jam istirahat. Jumlah penumpang akan kembali naik
ketika jam pulang kerja. Hal ini berlangsung hampir setiap hari, namun tidak dapat
dipastikan fungsi apa yang mendekatinya.
2.       Jumlah pengunjung Grojogan Sewu. Jumlah pengunjung Grojogan Sewu akan
meningkat tajam pada saat liburan sekolah maupun weekend. Namun setiap harinya juga
terdapat pengunjung yang jumlahnya tidak menentu. Dari jumlah pengunjung ini tidak
dapat ditentukan fungsi yang pasti, namun dapat didekati dengan suatu fungsi interval yang
bentuknya akan meningkat pada saat weekend ataupun liburan.
3.       Pengunjung warung makan. Pengunjung warung makan akan meningkat pada saat
jam-jam makan siang dan istirahat, dan akan berangsur-angsur berkurang ketika jam makan
sudah usai. Begitu seterusnya.
13
14
15
Himpunan I disebut ruang parameter (ruang indeks)
dari proses stokastik X(t).

Himpunan semua nilai yang mungkin dari X(t)

disebut ruang keadaan dari proses stokastik X(t).

16
 Ruang keadaan

diskrit kontinu

Proses stokastik Proses disebut proses keadaan

 X (t ), t  I  rantai kontinu

I diskrit proses stokastik

waktu diskrit

I
I kontinu  proses stokastik
waktu kontinu
17
2.2 Klasifikasi dan contoh proses stokastik
1. Proses stokastik dengan ruang paramater diskrit,
ruang keadaan diskrit.
3
2

1 2 3 4 5 6 7 …

Contoh:
o Banyaknya HP terjual di suatu toko perhari.
o Banyaknya bakteri pada generasi ke-n
18
2. Proses stokastik dengan ruang paramater diskrit,
ruang keadaan kontinu.

Contoh:
oVolume curah hujan tiap hari dalam satu bulan.

19
3. Proses stokastik dengan ruang paramater kontinu,
ruang keadaan diskrit.

1 2 3 4 5

Contoh:
o Banyaknya call yang datang pada suatu sentral dalam
interval [0,t]
oBanyaknya pengunjung toko “P” dalam interval [0,t].
oBanyaknya kendaraan yang masuk gerbang Unpad 20

pada interval waktu t sebarang.

4. Proses stokastik dengan ruang paramater kontinu,
ruang keadaan kontinu.

Contoh:
oTemperatur udara di Bandung dalam interval (0,t).
oVolume susu formula yang diminum bayi A pada selang
waktu t sebarang.

21
 pendahuluan
• Model Stokastik adalah model matematika dimana gejala-gejala
dapat diukur dengan derajat kepastian yang tidak stabil.
• Pada Model Stokastik disebut juga model probabilistik peluang
dari masing-masing kejadian benar-benar di hitung, menyusun
sebuah model stokastik cenderung lebih sulit dari model
deterministik.
• Kaidah-kaidah peluang adalah alat matematika yang cukup vital
dalam menyusun model stokastik.
• Contoh model stokastik adalah teori antrian dan teori permainan,
dimana ini merupakan pengembangan dari riset operasi modern.

22
 Definisi
• Berkenaan dengan karakteristik persoalan yang hendak
diselesaikan dengan pendekatan OR, maka dibedakan dua jenis
permasalahan:
(1) Deterministik, dicirikan oleh nilai-nilai parameternya yang pasti
dan time-invariant,
(2) Stokastik, dicirikan oleh ketidakpastian nilai parameter-
parameternya dan time-variant. 
• Contoh penerapan pemodelan stokastik adalah : Rantai Markov
dengan Waktu Diskret, Proses Poisson, Rantai Markov dengan
Waktu Kontinu, Proses Bercabang Dan Proses Pembaruan dan
Penerapannya 23
 Contoh Model Stokastik
• Kejadian stokastik adalah kebolehjadian yang hanya dapat
ditentukan distribusi frekuensinya. jadi kejadian stokastik ini tidak
dapat ditentukan fungsinya dengan pasti, namun hanya berupa
kisaran fungsi yang nilainya belum dapat ditetapkan.
• Contoh dari kejadian stokastik adalah jumlah daun yang
berguguran setiap harinya. Helai-helai daun  berguguran dari hari
ke hari, namun belum dapat dipastikan berapa jumlahnya dan
fungsi seperti apa yang dapat menggambarkan proses bergugurnya
daun-daun tersebut.
• Kejadian stokastik ini dapat didekati dengan suatu fungsi interval
yang bentuknya akan menyerupai, yaitu pada saat-saat tertentu
mencapai nilai maksimal sedangkan saat yang lain mencapai 24
titik
minimal
 Contoh lain Stokastik
1.       Jumlah
penumpang bus
Sebagai contoh jumlah penumpang ketika pagi hari, mendekati jam kerja sangat
banyak. Jumlah ini akan berangsur-angsur menurun ketika jam kerja sudah
dimulai dan menjelang jam istirahat. Jumlah penumpang akan kembali naik
ketika jam pulang kerja. Hal ini berlangsung hampir setiap hari, namun tidak
dapat dipastikan fungsi apa yang mendekatinya.
2.       Jumlah pengunjung Grojogan Sewu
Jumlah pengunjung Grojogan Sewu akan meningkat tajam pada saat liburan
sekolah maupun weekend. Namun setiap harinya juga terdapat pengunjung yang
jumlahnya tidak menentu. Dari jumlah pengunjung ini tidak dapat ditentukan
fungsi yang pasti, namun dapat didekati dengan suatu fungsi interval yang
bentuknya akan meningkat pada saat weekend ataupun liburan.
3.       Pengunjung warung makan
Pengunjung warung makan akan meningkat pada saat jam-jam makan siang dan
istirahat, dan akan berangsur-angsur berkurang ketika jam makan sudah usai.
25
Begitu seterusnya.
 Tipe formulasi

1. Formulasi statis, termasuk persamaan aljabar atau

fungsi dengan satu atau lebih variabel random,
dapat berupa skalar atau vektor, berniali diskrit
atau kontinyu dan berkendala atau tidak
berkendala
2. Formulasi dinamis, termasuk proses stokastik
dengan variabel benas t yang mewakili waktu
jika digunakan untuk model dinamis tak pasti

26
 Teori Peluang

• Peluang adalah harapan terjadinya suatu kejadian

yang dikuantitatifkan. 
• Peluang berhubungan dengan gagasan atau konsep
kesempatan atau kemungkinan. 
• Kita katakan peluangnya besar artinya kesempatan
atau kemungkinan terjadinya besar, sebaliknya
peluang kecil artinya kesempatan terjadinya kecil.

27
 Definisi Peluang
Definisi Klasik = Jika suatu percobaan mempunyai k hasil
percobaan yang berbeda dan masing-masing mempunyai
kemungkinan yang sama untuk terjadi maka :
–> peluang masing-masing kejadian tersebut adalah 1/k
–> peluang kejadian E = P(E) = m/k dimana m adalah hasil
percobaan yang menyusun kejadian tersebut
Menurut definisi klasik, peluang dapat ditentukan sebelum
percobaan dilakukan.
Definisi Modern / Frekuensi Relatif
Peluang Kejadian E = P(E) = lim n–> tak hingga n e / n, dimana
ne = jumlah kejadian E dalam percobaan
28
Menurut definisi modern, peluang dapat ditentukan setelah
percobaan dilakukan.
 Definisi peluang
Definisi Subjektif
Peluang Subjektif artinya ialah peluang yang disampaikan oleh para pakar /
experts
Konsep dasar Peluang :
Ruang Contoh = himpunan semua kemungkinan hasil suatu percobaan
(dilambangkan dengan S) = kumpulan dari semua titik contoh
Misal : ruang contoh S bagi pengambilan kartu
S = { Diamond, Club, Heart, Spade}
S1 = {Merah, Hitam}
Kejadian = himpunan bagian dari ruang contoh
E = {Diamond}
E1 = {Merah}
29
Kejadian dibagi dua :
- Kejadian Sederhana = kejadian yang hanya memuat satu titik contoh
 DATA

• D a t a adalah bentuk jamak dari kata datum

(Bahasa Latin) yang artinya kurnia atau pemberian
atau penyajian. Dalam kontek statistika, data
diartikan sebagai berikut :
• Data adalah kumpulan angka, fakta, fenomena atau
keadaan atau lainnya yang merupakan hasil
pengamatan, pengukuran, atau pencacahan dan
sebagainya terhadap variabel dari suatu obyek kajian,
yang berfungsi dapat digunakan untuk membedakan
obyek yang satu dengan lainnya pada variabel yang
sama. 30
JENIS DATA BERDASARKAN SIFAT
KEKONTINYUANNYA

• Data diskrit, adalah data yang hanya dapat

menempati titik-titik tertentu pada sebuah garis
bilangan.
• Misal : jumlah anak
• Data kontinyu, adalah data yang dapat menempati
seluruh titik pada sebuah garis.
• Misal : Data Pendapatan
150.000-2.000.000

31
 JENIS DATA BERDASARKAN
SKALA UKURNYA
Jenis Sifat Contoh
Nominal Nama Agama, Jenis Kelamin
Ordinal + Peringkat Rasa, Pangkat kepolisian
Interval + Jarak (nol tidak mutlak) Suhu, IP
Rasio + Rasio (nol mutlak) Berat badan, Tinggi, Panen

32