PROBABILITAS DAN STATISTIK

MUHAMMAD YUSUF Teknik Informatika - Universitas Trunojoyo Http://yusufxyz.wordpress.com Email : yusufxyz@gmail.com

PERANAN PROBABILITAS DAN STATISTIK Penjabaran informasi Pengolahan data berdasarkan analisa statistik Pengembangan dasar desain Pengambilan keputusan .

PROBABILITAS • • • Terjadinya suatu peristiwa A secara matematik ditulis P A Bila peristiwa A tidak mungkin terjadi  PA = 0 Bila peristiwa A terjadi 100%  PA = 1 – Klasifikasi probabilitas • • “Prior” Probability “Posterior” Probability .

Pelemparan dadu P1 = 1/6 .PRIOR PROBABILITY Ø Diperoleh secara subyektif atau tingkat kepercayaan yang melibatkan prediksi probabilitas berdasarkan pengalaman masa lalu dan keahlian sebagai “decision maker” (i. P2 = 1/6 .Permainan kartu PAs = 4/52 = 1/13 Susah diterima para engineer Ø . dst . “priori judgement”) dalam suatu pengambilan keputusan contoh: .e.

POSTERIOR PROBABILITY • • Diestimasi berdasarkan peninjauan peristiwa-peristiwa yang sudah terjadi sebelumnya Dengan menggunakan pendekatan frekuensi kejadian berdasarkan studi dari suatu rangkaian peristiwa yang telah terjadi contoh:berulang-ulang atau suatu pengujian 45 tes tekan untuk mengetahui kekuatan tekan beton.1 (1 sample) Ø . Dari hasil uji tekan tersebut. 5 sample beton ternyata dibawah spesifikasi (DS) kuat tekan beton yang disyaratkan ØKalau akan diakukan 10 uji tekan beton berikutnya maka berapa jumlah sample yang akan dibawah spesifikasi? PDS = 5/45 = 1/9 Jumlah sample DS pada uji berikutnya =10 * PDS = 10 * 1/9 = 1.

DIAGRAM VENN • a) Untuk mempresentasikan suatu peristiwa dalam bentuk grafis. Contoh: peristiwa yang terjadi dapat berupa : Mutually Exclusive  A  B = 0 S A B a) B adalah anggota A  B  ASAB S A B .

DIAGRAM VENN c) Union (gabungan) peristiwa A&B  A  B S A B c) Intersection (irisan) peristiwa A&B  A  B S A B c) Difference (perbedaan/selisih)  A – B S A B c) Complementary (komplementer) himpunan A  A = S – A S A .

banjir dan kekeringan pada suatu sungai pada saat bersamaan Peristiwa-peristiwa yang bersatu sempurna (Collectively Exhaustive Events) Dua atau lebih peristiwa adalah “CE” bila gabungan dari peristiwa-peristiwa tersebut membentuk ruang sample Contoh: kontraktor a dan b A  peristiwa kontraktor a memenangkan tender B  peristiwa kontraktor b memenangkan tender .KONSEP DASAR PROBABILITAS v v Peristiwa-peristiwa yang saling eksklusif (Mutually Exclusive Events) Terjadinya satu peristiwa tidak memungkinkan terjadinya peristiwa yang lain Contoh: .belok ke kiri atau ke kanan .

Perusahaan a dan b memasukkan tender pada proyek yang berlainan perusahaan a dan b keduanya dapat ruang (lihat irisan peristiwa A & B.KONSEP DASAR PROBABILITAS Jika: 1. A  B) tidak saling exclusive (Non Mutually Exclusive) S A B 2. Perusahaan a dan b kedua-duanya dapat menang Perusahaan a dan b memasukkan tender pada proyek yang sama dan terdapat lebih dari 2 penawar S A B kalau perusahaan a menang  perusahaan b dan lainnya kalah (dan sebaliknya) • Mutually Exclusive • Komplementer A  B berarti perusahaan a dan b kalah .

n) a. Mutually Exclusive. maka PA  B = PA + PB n PAi  Ai+1  Ai+2  …  An =  PAi .2.KONSEP DASAR PROBABILITAS 3. Perusahaan a dan b hanya merupakan 2 perusahaan yang bersaing untuk proyek yang sama A B perusahaan a menang  perusahaan b kalah (dan sebaliknya) peristiwa A&B membentuk ruang sample bersatu sempurna  B = S  Collectively Exhaustive § Darijuga peristiwa A&B saling eksklusif (Mutually Exclusive) sebagai contoh diatas dapat diilustrasikan hal-hal § A berikut Suatu peristiwa Ai (I=1.….

4). (3.PA  B ME  PA  B = 0 Non-ME  PA  B  0 . (3. (3. Bila bersifat ME & CE c. (3. Total peristiwa yang terjadi 36 peristiwa Peristiwa angka 3 muncul dari salah satu dadu adalah: Dadu A (3.3).PA  B = 6/36 + 6/36 .3).1). (3.4) Dadu B (1. (4. (5. (2. Bila bersifat Non-ME Contoh: lemparan 2 dadu. (3.4).3).3) PA  B = PA + PB .2).1/36 = 11/36 General Rule: PA  B = PA + PB .KONSEP DASAR PROBABILITAS b.3). (6.3).3).

pembuatan model & analisis matematis .evaluasi Metode  kompleks  meliputi: .TEORI PROBABILITAS DALAM BIDANG REKAYASA Ø Ø Ø Ø Ø Ø Alat-alat dalam bidang rekayasa modern: .metoda kuantitatif .teknik optimasi Walaupun kompleks (rumit)  model (laboratorium.analysis . model matematik)  didasarkan atas asumsi (anggapan) Anggapan  diidealisasi  mengakibatkan kondisi kuantitatif tersebut dapat mendekati atau menjauhi kondisi sebenarnya Pengambilan keputusan seringkali harus diambil tanpa memandang kelengkapan atau mutu informasi Rumusan  ketidakpastian  konsekuensi keputusan tidak dapat ditentukan dengan keyakinan yang sempurna .simulasi komputer .pembuatan model .

kondisi lingkungan berbeda Masalah dalam rekayasa  bersifat acak (random)  tak tentu  tidak dapat dijabarkan secara definitif Sehingga keputusan (planning dan design) perlu dilakukan walaupun penuh dengan ketidakpastian .TEORI PROBABILITAS DALAM BIDANG REKAYASA Ø Ø Ø Informasi  diturunkan dari  .kondisi lingkungan sempurna .

5 + 0. Contoh: pelemparan coin Pangka = 50% Pburung = 50% PA  B = 0.The Summation Law (Union Probability) Ø Ø Union Probability dapat dituliskan: P B C = PA + PB + PC A  = or (atau) Peristiwa yang ada diasumsikan ME dan/atau menyatakan bahwa suatu seri peristiwa-peristiwa yang terjadi adalah ME.5 = 1 .

PA  B = 1/6 + 1/6 . (6.1/36 = 11/36 atau 12/36 -1/36 = 11/36 If A&B  ME.4) (1. (3.4). (3. (3.3).3). (3.1). (4.3) Total 12 peristiwa dari seluruh 36 peristiwa  P3 = 12/36 (3.3)  sama. (3. PA  B = 0 .2).3).3).The Multiplication Law (Joint Probability) Ø Suatu seri yang merupakan “independent event” yang terjadi sebagai berikut: PA  B  C = PA . (2. (3. PC  = and (dan) Contoh: Pelemparan 2 dadu PA = angka 3 muncul dadu pertama = 1/6 PB = angka 3 muncul dadu kedua = 1/6 PA  B = 1/6 x 1/6 = 1/36 Catatan : untuk Union Probability dari contoh diatas: PA  B = PA + PB = 1/6 + 1/6 = 1/3 Subset dari Sampel Space: (3.4).3).3). jadi: PA  B = PA + PB . (5. PB .

kejadian probabilitas dari suatu peristiwa A adalah PA.(1PA)n Contoh: Tentukan probabilitas dari perolehan paling sedikit satu angka “3” setelah enam kali lemparan dadu yang lain. maka PA = 1 .PA dan probabilitas terjadinya A dalam n percobaan adalah: 1 .PA AA=1 P B = PA . maka: PA = 1/6 . Asumsikan P  A adalah probabilitas angka “3” dengan satu kali lemparan. kemudian probabilitas “tidak terjadinya” peristiwa A adalah PA = 1 .PA  B A Asumsi bahwa dalam satu percobaan.Complement Of Probability (Komplementer) § § Probabilitas Komlementer dari suatu pristiwa A diberikan dengan simbol PA Bila 0  PA  1.

Untuk 6 kali lemparan dari dadu tersebut. Oleh karena itu prosedur penyelesaian tersebut adalah tidak sesuai dan relevan.Complement Of Probability (Komplementer) Sepintas lalu terlihat bahwa kejadian dalam 6 kali lemparan memperoleh angka “3” berdasarkan probabilitas 1x lemparan setelah 6 kali lemparan dadu adalah 1/6 + 1/6 + 1/6 + 1/6 + 1/6 + 1/6 = 1 Hal ini tidak “sesuai” dengan kenyataan yang terjadi sebenarnya. Peristiwa-peristiwa dalam contoh ini adalah “independent” tetapi non-ME. Peristiwa munculnya angka “3” mungkin dapat terjadi sekali dalam setiap lemparan. sehingga dapat terjadi 6x peristiwa yang mungkin terjadi. probabilitas untuk memperoleh paling tidak satu kali angka ”3” muncul diberikan dengan ekspresi matematik sebagai berikut: P = PA  PA  PA  PA  PA  PA Dengan Hukum “Associative” dapat dikelompokkan sbb: P = PA  A  PA  A  PA  A = PB  PB  PB .

PA .5177 + 0.PB . PB = 1/36 + 1/36 – (1/36 . 1/6) = 11/36 = 0.ME maka: PB = PA  A = PA + PA .5177 Jadi P = PC  PB = PC + PB . 0. PB = 0.Complement Of Probability (Komplementer) Oleh karena non .3055 – (0.PC .3055 Dapat ditulis kembali P = PC  PB bila PB  B = PC • PC = PB  B = PB + PB . 1/36) = 22/36 – 121/36 = 0.3055) = 0.5177 . PA = 1/6 + 1/6 – (1/6 .6651 Cara singkat dapat diperoleh dengan menerapkan “prinsip probabilitas komplementer” .

jika terlambat nilai maksimal akan diturunkan menjadi 60 .com. Tidak boleh terlambat.00 ke email : yusufxyz@gmail.au. Tugas dikumpulkan max 9 september 2009 pukul 24.TUGAS 1 Sebutkan dan jelaskan 5 Contoh kegunaan/penerapan Probabilitas dan Statistik dalam jaringan Komputer.com dan yusuf_xy@yahoo.