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 .

e.Pelemparan dadu P1 = 1/6 . P2 = 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. “priori judgement”) dalam suatu pengambilan keputusan contoh: . dst .Permainan kartu PAs = 4/52 = 1/13 Susah diterima para engineer 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 = 1.1 (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 .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 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 . A  B) tidak saling exclusive (Non Mutually Exclusive) S A B 2. 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.

…. Mutually Exclusive. 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=1.2.KONSEP DASAR PROBABILITAS 3. maka PA  B = PA + PB n PAi  Ai+1  Ai+2  …  An =  PAi .n) a.

(2.3) PA  B = PA + PB .1).3).3).3). (5.4) Dadu B (1.4).KONSEP DASAR PROBABILITAS b. (3. (3.3).4). Bila bersifat ME & CE c. Bila bersifat Non-ME Contoh: lemparan 2 dadu.PA  B ME  PA  B = 0 Non-ME  PA  B  0 .3).PA  B = 6/36 + 6/36 .2). (3.1/36 = 11/36 General Rule: PA  B = PA + PB . (4. (3. (3. (3. (6.3). Total peristiwa yang terjadi 36 peristiwa Peristiwa angka 3 muncul dari salah satu dadu adalah: Dadu A (3.

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

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 .

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 + 0. Contoh: pelemparan coin Pangka = 50% Pburung = 50% PA  B = 0.5 = 1 .

3).4).3). (3.3) Total 12 peristiwa dari seluruh 36 peristiwa  P3 = 12/36 (3. (2. PA  B = 0 . (3.The Multiplication Law (Joint Probability) Ø Suatu seri yang merupakan “independent event” yang terjadi sebagai berikut: PA  B  C = PA . jadi: PA  B = PA + PB . (3.3)  sama. PB . (3. (4.4) (1. (3.1/36 = 11/36 atau 12/36 -1/36 = 11/36 If A&B  ME. (5. (3.4).PA  B = 1/6 + 1/6 .1).2).3).3). (6.3). 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: (3.3).

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

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

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

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

Sign up to vote on this title
UsefulNot useful