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 .

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

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 = 1.1 (1 sample) Ø .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. Dari hasil uji tekan tersebut.

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 .belok ke kiri atau ke kanan .KONSEP DASAR PROBABILITAS v v Peristiwa-peristiwa yang saling eksklusif (Mutually Exclusive Events) Terjadinya satu peristiwa tidak memungkinkan terjadinya peristiwa yang lain Contoh: .

A  B) tidak saling exclusive (Non Mutually Exclusive) S A B 2.KONSEP DASAR PROBABILITAS Jika: 1. Perusahaan a dan b memasukkan tender pada proyek yang berlainan perusahaan a dan b keduanya dapat ruang (lihat irisan peristiwa A & B. 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 .

maka PA  B = PA + PB n PAi  Ai+1  Ai+2  …  An =  PAi .….n) a.2. 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. Mutually Exclusive.KONSEP DASAR PROBABILITAS 3.

3).PA  B ME  PA  B = 0 Non-ME  PA  B  0 . (5.1).PA  B = 6/36 + 6/36 . (4. (3. (2.KONSEP DASAR PROBABILITAS b.3). (3.3). Bila bersifat Non-ME Contoh: lemparan 2 dadu.4) Dadu B (1. Bila bersifat ME & CE c.4).3).3). (3. (3.3) PA  B = PA + PB .2). Total peristiwa yang terjadi 36 peristiwa Peristiwa angka 3 muncul dari salah satu dadu adalah: Dadu A (3.4).1/36 = 11/36 General Rule: PA  B = PA + PB . (3.3). (3. (6.

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 .metoda kuantitatif .pembuatan model .simulasi komputer .pembuatan model & analisis matematis .analysis .TEORI PROBABILITAS DALAM BIDANG REKAYASA Ø Ø Ø Ø Ø Ø Alat-alat dalam bidang rekayasa modern: .teknik optimasi Walaupun kompleks (rumit)  model (laboratorium.evaluasi Metode  kompleks  meliputi: .

TEORI PROBABILITAS DALAM BIDANG REKAYASA Ø Ø Ø Informasi  diturunkan dari  .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 .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 .

(3. PB .1/36 = 11/36 atau 12/36 -1/36 = 11/36 If A&B  ME. (5. (3.3). PA  B = 0 .3) Total 12 peristiwa dari seluruh 36 peristiwa  P3 = 12/36 (3. (2.4). (3.3).4).PA  B = 1/6 + 1/6 .3). (3.3).4) (1. (3. (4.3).3).1). 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: (3.2). jadi: PA  B = PA + PB .The Multiplication Law (Joint Probability) Ø Suatu seri yang merupakan “independent event” yang terjadi sebagai berikut: PA  B  C = PA . (3. (6.3)  sama.

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

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 .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. Untuk 6 kali lemparan dari dadu tersebut. Oleh karena itu prosedur penyelesaian tersebut adalah tidak sesuai dan relevan. sehingga dapat terjadi 6x peristiwa yang mungkin terjadi. Peristiwa munculnya angka “3” mungkin dapat terjadi sekali dalam setiap lemparan.

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

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

Sign up to vote on this title
UsefulNot useful