P. 1
01-Probabilitas Dan Statistik

01-Probabilitas Dan Statistik

|Views: 20|Likes:
Published by Hendra Surya

More info:

Published by: Hendra Surya on May 23, 2012
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PPTX, PDF, TXT or read online from Scribd
See more
See less

07/10/2013

pdf

text

original

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 .e.Permainan kartu PAs = 4/52 = 1/13 Susah diterima para engineer Ø . dst . “priori judgement”) dalam suatu pengambilan keputusan contoh: .

Dari hasil uji tekan tersebut.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 . 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.

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 • a) Untuk mempresentasikan suatu peristiwa dalam bentuk grafis.

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 .

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. 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 .

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.n) a. maka PA  B = PA + PB n PAi  Ai+1  Ai+2  …  An =  PAi .….2.

4). Bila bersifat ME & CE c. Total peristiwa yang terjadi 36 peristiwa Peristiwa angka 3 muncul dari salah satu dadu adalah: Dadu A (3.3).3) PA  B = PA + PB .3). (3. (5. (2.3). (3.PA  B = 6/36 + 6/36 .3).1). (3.3).4) Dadu B (1. (6. (3. (4.KONSEP DASAR PROBABILITAS b. Bila bersifat Non-ME Contoh: lemparan 2 dadu. (3. (3.1/36 = 11/36 General Rule: PA  B = PA + PB .4).PA  B ME  PA  B = 0 Non-ME  PA  B  0 .3).2).

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

kondisi lingkungan sempurna .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 .

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 .5 + 0.

jadi: PA  B = PA + PB .4).3)  sama. (2.The Multiplication Law (Joint Probability) Ø Suatu seri yang merupakan “independent event” yang terjadi sebagai berikut: PA  B  C = PA . 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: (3.3). (4.3).PA  B = 1/6 + 1/6 .3). (3.3). (3.3). (3.4).4) (1.2).3).1/36 = 11/36 atau 12/36 -1/36 = 11/36 If A&B  ME.1). (5.3) Total 12 peristiwa dari seluruh 36 peristiwa  P3 = 12/36 (3. (6. (3. (3. PA  B = 0 . (3. PB .

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

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

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

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

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->