Dr. Agus Mohamad Soleh 1
Department of Statistics, IPB
PELUANG DAN PEUBAH ACAK
Materi 3 - STK511 Analisis Statistika
October 3, 2017
Okt, 2017
Dr. Agus Mohamad Soleh 2
Department of Statistics, IPB
Konsep Peluang
Dr. Agus Mohamad Soleh 3
Department of Statistics, IPB
Pendahuluan
• Kejadian di dunia: pasti (deterministik) atau tidak pasti (probabilistik)
• Contoh kejadian di dunia ini yang tidak pasti
Akankah besok hujan?
Akankah Persib akan menang pada pertandingan selanjutnya?
dll
• Nilai kejadian walaupun tidak pasti tetapi memiliki pola
• Pembelajaran pola kejadian memberikan informasi kemungkinan terjadinya kejadian
• ukuran kemungkinan disebut sebagai PELUANG
Dr. Agus Mohamad Soleh 4
Department of Statistics, IPB
Pendahuluan
• Peluang dapat diartikan sebagai ukuran kemungkinan terjadinya suatu kejadian
• Dalam hal ini: Ukuran kemungkinan dinyatakan dalam besaran numerik bernilai antara 0 (nol) sampai 1 (satu)
• 0 kejadian yang mustahil
• 1 kejadian yang pasti terjadi
Dr. Agus Mohamad Soleh 5
Department of Statistics, IPB
Teori Himpunan
• Himpunan merupakan gabungan dari unsur-unsur/objek- objek yang bisa berupa apa saja baik benda, manusia ataupun bilangan.
• Unsur/objek biasanya dituliskan dalam huruf kecil Yunani
• Himpunan biasanya dilambangkan dengan huruf besar latin
• Himpunan semesta dilambangkan dengan S.
• Himpunan biasanya dituliskan dalam kurung kurawal { }.
• Contoh himpunan :
A = { 1, 2, …, 10 } → Menyatakan himpunan bilangan bulat dari 1 – 10
Dr. Agus Mohamad Soleh 6
Department of Statistics, IPB
Teori Himpunan
• Dilihat dari cara penghitungannya, himpunan dapat dibedakan menjadi dua yaitu :
1. DISKRET (Countable) / Dapat dicacah a. Terhingga (finite)
Contoh : Bilangan bulat antara 1 dan 10.
b. Tak terhingga (Infinite)
Contoh : Bilangan bulat positif.
Contoh penulisan himpunan diskret :
A = { 1, 2, 3, …, 10 } = {x; x bilangan bulat 1 ≤ x ≤ 10 }
Dr. Agus Mohamad Soleh 7
Department of Statistics, IPB
Teori Himpunan
2. KONTINU (Uncountable) / Tak hingga Contoh :
• Bilangan antara 0 dan 1
B = {x; x himpunan bilangan 0 ≤ x ≤ 1 }
Dr. Agus Mohamad Soleh 8
Department of Statistics, IPB
Operasi Himpunan
• Ada tiga operasi himpunan yaitu :
a. Gabungan (U) b. Irisan (∩)
c. Komplemen (C)
• Contoh Operasi Himpunan
A = { 1, 2, 3 , 4, 5, 6, 7, 8, 9, 10 } , B = { 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20 } C = { 15, 16, 17, …, 40 }
A U B = { 1, 2, 3, …,10, 11, ….., 20 } A U C = { 1, 2, 3, …, 10, 15, 16, …, 40 } A ∩ B = { 8, 9, 10 } A ∩ C = { } = ϕ
AC = { 11, 12, 13, ….}
•E1
•E6
•E2
•E3
•E4
•E5
Dr. Agus Mohamad Soleh 9
Department of Statistics, IPB
Himpunan vs Peluang
Dr. Agus Mohamad Soleh 10
Department of Statistics, IPB
Ruang Contoh adalah suatu gugus yang memuat semua hasil yang berbeda, yang mungkin terjadi dari suatu percobaan.
Semua kemungkinan nilai yang muncul
S={1,2,3,4,5,6}
Semua kemungkinan nilai yang muncul S={GG, GA, AG, AA}
Ruang Contoh
Dr. Agus Mohamad Soleh 11
Department of Statistics, IPB
Ruang kejadian adalah anak gugus/himpunan bagian dari ruang contoh, yang memiliki karakteristik tertentu.
Percobaan : pelemparan 2 coin setimbang
Kejadian : munculnya sisi angka A={GA, AG, AA}
B = {11, 12, 13, 14, 15, 16, 31, 32, …., 56}
Percobaan : Pelemparan dua dadu sisi enam setimbang
Kejadian : munculnya sisi ganjil pada dadu I
Ruang Kejadian
Dr. Agus Mohamad Soleh 12
Department of Statistics, IPB
Peluang Suatu Kejadian
Dr. Agus Mohamad Soleh 13
Department of Statistics, IPB
Banyaknya Ruang Contoh/Ruang Kejadian
• Bagaimana cara menghitung banyaknya ruang contoh & ruang kejadian?
• Prinsip dasarnya adalah banyaknya cara mengambil r objek dari n objek, dalam hal ini r ≤ n.
Ingat kembali:
1.Faktorial 2.Penggandaan
3.Permutasi 4.Kombinasi
Dr. Agus Mohamad Soleh 14
Department of Statistics, IPB
Pencacahan (counting) Pengambilan r objek dari n objek
a. Tanpa Pemulihan (Without Replacement)
Tertata (ordered) (AB ≠ BA)
Tidak Tertata (unordered) (AB = BA)
b. Dengan Pemulihan (With Replacement) Tertata (ordered) (AB ≠ BA)
Tidak Tertata (unordered) (AB = BA)
Dr. Agus Mohamad Soleh 15
Department of Statistics, IPB
Pengambilan r objek dari n objek
Dr. Agus Mohamad Soleh 16
Department of Statistics, IPB
University of Wisconsin sedang melakukan percobaan untuk membandingkan obat herbal (echinacea) dengan plasebo untuk mengobati flu. Peubah respon adalah tingkat keparahan dan durasi flu terjadi. Sebuah klinik di Madison, Wisconsin, memiliki empat relawan, di antaranya dua orang adalah laki-laki (Jamal dan Ken) dan dua adalah perempuan (Linda dan Mei). Dua di antaranya relawan akan dipilih secara acak untuk menerima obat herbal, dan dua lainnya akan menerima plasebo.
Ruang Contoh :
{(Jamal,Ken), (Jamal, Linda), (Jamal,Mei), (Ken,Linda), (Ken, Mei), (Linda,Mei)}
1/6
Dr. Agus Mohamad Soleh 17
Department of Statistics, IPB
Beberapa prinsip dasar
12 Juri dipilih untuk memutuskan suatu perkara. Pengacara pembela mengklaim keputusan yang akan diambil akan berbias karena 50% penduduk dewasa kota adalah perempuan
Jika juri dipilih secara acak dari populasi, berapakah peluang bahwa tim juri akan terdiri dari (a) tidak ada perempuan, (b) setidaknya satu perempuan
Dr. Agus Mohamad Soleh 18
Department of Statistics, IPB
Beberapa prinsip dasar
Dr. Agus Mohamad Soleh 19
Department of Statistics, IPB
Beberapa prinsip dasar
Dr. Agus Mohamad Soleh 20
Department of Statistics, IPB
Peluang Bersyarat
Dr. Agus Mohamad Soleh 21
Department of Statistics, IPB
Konsep Peubah Acak
Dr. Agus Mohamad Soleh 22
Department of Statistics, IPB
Pendahuluan
• Pernahkah bertanya, mengapa dalam soal ujian penerimaan
mahasiswa baru, jika jawaban benar diberi nilai 4, salah dikurangi 1 dan tidak menjawab diberi nilai nol. Bagaimana jika pada satu soal kita tidak tahu jawaban yang benar tetapi mengetahui 2 pilihan yang salah?
• Dengan membayar Rp. 10rb di suatu permainan menebak 4 angka dengan tepat akan mendapatkan kesempatan mendapatkan
keuntungan 500 x lipat yaitu sebanyak Rp. 5jt. Apakah kita tertarik untuk ikut bermain?
• Pernahkah bertanya, mengapa dalam permainan judi, penjudi selalu mengeluarkan uang yang besar (kalah)?
Dr. Agus Mohamad Soleh 23
Department of Statistics, IPB
Pendahuluan
• Pada bagian sebelumnya telah dibahas mengenai
percobaan suatu proses yang menghasilkan data.
• Seringkali kita tidak tertarik dengan keterangan rinci hasil percobaan tersebut melainkan keterangan numeriknya.
• Sebagai teladan perhatikan percobaan melempar mata uang logam setimbang sebanyak tiga kali.
• Berikut adalah semua kemungkinan hasil pelemparan:
AAA, AAG, AGA, GAA, AGG, GAG, GGA, GGG,
yang masing-masing memiliki peluang yang sama untuk muncul atau sebesar 1/8.
Dr. Agus Mohamad Soleh 24
Department of Statistics, IPB
Pendahuluan
• Misalkan didefinisikan suatu peubah X di mana X adalah banyaknya sisi Angka yang muncul pada ketiga lemparan, maka peubah X ini mungkin bernilai 0, 1, 2, 3. Perhatikan tabel di bawah
Dr. Agus Mohamad Soleh 25
Department of Statistics, IPB
Pendahuluan
• Perhatikan bahwa peubah X memetakan setiap titik contoh ke suatu nilai tertentu.
• Peubah X tersebut selanjutnya disebut sebagai PEUBAH ACAK
• Setiap nilai yang mungkin diambil oleh P.A X ini memiliki peluang tertentu untuk muncul yang dapat diringkas
dalam suatu fungsi yang disebut FUNGSI PELUANG atau SEBARAN PELUANG
Dr. Agus Mohamad Soleh 26
Department of Statistics, IPB
Konsep Peubah Acak
• Peubah acak merupakan suatu fungsi yang memetakan ruang kejadian (daerah fungsi) ke ruang bilangan riil
(wilayah fungsi).
• Fungsi peubah acak merupakan suatu langkah dalam statistika untuk mengkuantifikasikan kejadian-kejadian alam.
• Pendefinisian fungsi peubah acak harus mampu
memetakan setiap kejadian dengan tepat ke satu bilangan riil.
Dr. Agus Mohamad Soleh 27
Department of Statistics, IPB
Konsep Peubah Acak Teladan:
• Percobaan pelemparan sebuah dadu bersisi enam yang seimbang. Ruang contohnya dapat disenaraikan sebagai berikut:
S = {S1,S2,S3,S4,S5,S6}
• Salah satu peubah acak yang dapat dibuat adalah:
X = munculnya sisi dadu yang bermata genap = {0, 1}
Dr. Agus Mohamad Soleh 28
Department of Statistics, IPB
Konsep Peubah Acak
S1 .S2 . S3 .S4 . S5 .S6.
X(e
i)
. 0 . 1
Dr. Agus Mohamad Soleh 29
Department of Statistics, IPB
Konsep Peubah Acak
• Jika didefinisikan peubah acak
a. Nilai yang diterima dalam menjawab 1 soal Ujian Penerimaan Mahasiswa Baru?
b. Uang yang diperoleh jika ikut bermain dalam menebak 4 angka?
Berapa nilai yang mungkin?
Dr. Agus Mohamad Soleh 30
Department of Statistics, IPB
Konsep Peubah Acak
• Jika didefinisikan peubah acak
a. Nilai yang diterima dalam menjawab 1 soal Ujian Penerimaan Mahasiswa Baru?
X = {-1, 0, 4}
b. Uang yang diperoleh jika ikut sekali bermain dalam menebak 4 angka?
X = {-10rb, 0, 4990rb}
Dr. Agus Mohamad Soleh 31
Department of Statistics, IPB
Konsep Peubah Acak
• Karena nilai peubah acak merupakan transformasi dari ruang contoh memiliki nilai peluang
• Berapa peluang X=0 atau X=1 ?
• Sebaran Peluang Peubah Acak X tergantung dari sebaran peluang kejadian aslinya.
Sisi yang muncul
Kejadian S1 S2 S3 S4 S5 S6 Peluang
kejadian 1/6 1/6 1/6 1/6 1/6 1/6
X 0 1 0 1 0 1
Dr. Agus Mohamad Soleh 32
Department of Statistics, IPB
Konsep Peubah Acak
• Sehingga sebaran peubah acak X dapat dijabarkan sebagai berikut:
• p(X=0) = p(S1)+p(S3)+p(S5) = 1/6 +1/6 +1/6 = 1/2
• p(X=1) = p(S2)+p(S4)+p(S6) = 1/6 + 1/6 + 1/6 = 1/2
• Atau dapat ditulis secara ringkas:
Dr. Agus Mohamad Soleh 33
Department of Statistics, IPB
Konsep Peubah Acak
• Bagaimana Sebaran Peluang untuk kasus:
a. Soal Ujian Penerimaan Mahasiswa Baru?
b. Soal Judi Permainan Menebak 4 Angka secara tepat?
Dr. Agus Mohamad Soleh 34
Department of Statistics, IPB
Klasifikasi Peubah Acak
• Berdasarkan nilainya peubah acak diklasifikasikan:
a. Peubah Acak Diskret: apabila nilai yang mungkin diambil berupa bilangan bulat
Contoh: Bernoulli, Binom, Hipergeometrik, Poisson, Geometrik, seragam diskret, dll
b. Peubah Acak Kontinu: apabila nilai yang mungkin diambil berupa bilangan real pada suatu selang nilai tertentu
Contoh: normal, lognormal, seragam kontinu, t, F, dll
Dr. Agus Mohamad Soleh 35
Department of Statistics, IPB
Ukuran Pemusatan dan Penyebaran Peubah Acak
• Ingat kembali!!! Peubah memiliki pusat dan keragaman
• Nilai Harapan (Mean/Nilai Tengah/μ) adalah pusat dari Peubah Acak E(X)
• Ragam (Variance/σ2) adalah ukuran penyebaran dari Peubah Acak Var(X)
Dr. Agus Mohamad Soleh 36
Department of Statistics, IPB
Nilai Harapan Peubah Acak
• Nilai harapan dari peubah acak adalah pemusatan dari nilai peubah acak jika percobaannya dilakukan secara berulang-ulang sampai tak berhingga kali.
• Secara matematis nilai harapan dapat dirumuskan sebagai berikut:
ïï î ïï í ì
= E
ò å
¥
¥ -
=
kontinu p.a
X jika ,
) (
diskret p.a
X jika ),
( )
( 1
dx x
f x
x p x X
i i
n
i i i
Dr. Agus Mohamad Soleh 37
Department of Statistics, IPB
Nilai Harapan Peubah Acak Sifat-sifat nilai harapan:
• Jika c konstanta maka E(c ) = c
• Jika p.a. X dikalikan dengan konstanta c maka E(cX) = c E(X)
• Jika X dan Y peubah acak maka E(X Y) = E(X) E(Y)
Dr. Agus Mohamad Soleh 38
Department of Statistics, IPB
Nilai Harapan Peubah Acak
• Pada teladan sebelumnya:
• Nilai Harapan/Nilai Tengah/Mean/μ dari X
• Jika percobaan dilakukan 10 kali dan saling bebas, berapa Nilai Harapannya?
Dr. Agus Mohamad Soleh 39
Department of Statistics, IPB
Nilai Harapan Peubah Acak
• Bagaimana Nilai Harapan untuk kasus:
a. Soal Ujian Penerimaan Mahasiswa Baru?
b. Soal Judi Permainan Menebak 4 Angka secara tepat?
Dr. Agus Mohamad Soleh 40
Department of Statistics, IPB
Nilai Harapan Peubah Acak
• Bagaimana Nilai Harapan untuk kasus:
a. Soal Ujian Penerimaan Mahasiswa Baru?
Jika ada 100 soal, berapa nilai harapan nilai skornya?
b. Soal Judi Permainan Menebak 4 Angka secara tepat?
Jika ikut main 100 kali, berapa nilai harapan mendapatkan uang?
Dr. Agus Mohamad Soleh 41
Department of Statistics, IPB
Ragam Peubah Acak
• Ragam peubah acak X didefinisikan sebagai
• Sifat Ragam
• Jika c konstanta maka Var(c) = 0
• Jika p.a. X dikalikan dengan konstanta c maka Var(cX) = c2 Var(X)
• Jika X dan Y peubah acak maka,
Var(X Y) = Var(X) + Var(Y) - Cov(X,Y)
dalam hal ini Cov(X,Y) = E{[X-E(X)][Y-E(Y)]}, Jika X dan Y saling bebas maka Cov(X,Y) = 0
Dr. Agus Mohamad Soleh 42
Department of Statistics, IPB
Ragam Peubah Acak
• Pada teladan sebelumnya:
• Ragam X adalah:
• Jika percobaan dilakukan 10 kali dan saling bebas, berapa Ragamnya?
Dr. Agus Mohamad Soleh 43
Department of Statistics, IPB
Ragam Peubah Acak
• Bagaimana Ragam untuk kasus:
a. Soal Ujian Penerimaan Mahasiswa Baru?
Jika ada 100 soal, berapa Ragam nilai skornya?
b. Soal Judi Permainan Menebak 4 Angka secara tepat?
Jika ikut main 100 kali, berapa ragam mendapatkan uang?
Dr. Agus Mohamad Soleh 44
Department of Statistics, IPB
Peubah Acak Diskret
Peubah acak yang nilai outcome-nya diperoleh dengan cara mencacah (counting)
Dr. Agus Mohamad Soleh 45
Department of Statistics, IPB
Peubah Acak Bernoulli
• Kejadian yang diamati merupakan kejadian biner yaitu sukses atau gagal
• Peubah acaknya (X) bernilai 1 jika kejadian sukses dan 0 jika kejadian gagal
• Misal, p=p(sukses) dan q=1-p(sukses) maka fungsi peluang Bernoulli dapat dituliskan sebagai:
• Fungsi peluang tersebut tergantung oleh besarnya
parameter p, sehingga peubah acak X yang menyebar Bernoulli dituliskan X ~ Bernoulli (p)
Dr. Agus Mohamad Soleh 46
Department of Statistics, IPB
Peubah Acak Binomial
• Terdiri dari n kejadian Bernoulli yang saling bebas dengan p yang sama
• Peubah acak Binomial merupakan jumlah dari kejadian sukses, X = {0,1, 2, ... , n}
• Fungsi peluang dari kejadian Binomial dapat dituliskan sebagai:
• Fungsi peluang ini dipengaruhi oleh dua parameter, yaitu n dan p. Sehingga peubah acak X yang menyebar
binomial dituliskan X ~ Binom (n,p)
Dr. Agus Mohamad Soleh 47
Department of Statistics, IPB
Peubah Acak Binomial Teladan:
• Dari suatu hasil survei diketahui bahwa suatu produk
minuman suplemen digunakan oleh 6 dari 10 orang. Dari 15 orang konsumen yang kita temui, berapakah peluang
• tepat 5 orang yang mengunakan produk tersebut
• paling sedikit 10 orang diantaranya menggunakan produk tersebut
• ada 3 sampai 8 orang yang menggunakan produk tersebut
Dr. Agus Mohamad Soleh 48
Department of Statistics, IPB
Peubah Acak Poisson
• Kejadian binomial pada selang waktu atau luasan tertentu
• Jika rataan banyaknya kejadian sukses dalam selang tersebut adalah µ, maka:
• Jika X peubah acak menyebar poisson maka ditulis X ~ Poisson(µ)
Dr. Agus Mohamad Soleh 49
Department of Statistics, IPB
Peubah Acak Poisson Teladan
Rata-rata kecelakaan di jalan tol diketahui terjadi 4 kali dalam sebulan. Berapa peluang bahwa terjadi
kecelakaan sebanyak 6 kali dalam suatu bulan?
Jawab:
Dr. Agus Mohamad Soleh 50
Department of Statistics, IPB
Peubah Acak Kontinu
Peubah acak yang nilai outcome-nya diperoleh dengan menggunakan alat ukur
Dr. Agus Mohamad Soleh 51
Department of Statistics, IPB
Peubah Acak Normal
• Bentuk sebaran simetrik
• Mean, median dan modus berada pada nilai yang sama
• Peluang merupakan luasan dibawah kurva kepekatan normal
0.0000 0.0500 0.1000 0.1500 0.2000 0.2500 0.3000 0.3500 0.4000 0.4500
X
2
2 1 2
2 ) 1
, ,
( = - çèæ -s ÷øö
m
s s p
m
e xx f
Dr. Agus Mohamad Soleh 52
Department of Statistics, IPB
Peubah Acak Normal
• Merupakan P.A kontinu yang menjadi dasar bagi sebagian besar inferensia statistika
• Persamaan matematis bagi sebaran ini dipengaruhi oleh dua parameter, yaitu μ dan σ, yang masing-masing
merupakan nilai tengah dan simpangan bakunya.
• Sehingga peubah acak X yang menyebar normal dituliskan
X ~ Normal (μ , σ2)
Dr. Agus Mohamad Soleh 53
Department of Statistics, IPB
Peubah Acak Normal
• Beberapa sebaran normal
Dr. Agus Mohamad Soleh 54
Department of Statistics, IPB
Peubah Acak Normal
s m
= X - Z
Dr. Agus Mohamad Soleh 55
Department of Statistics, IPB
Cara penggunaan tabel normal baku
Nilai z, disajikan pada kolom pertama (nilai z sampai
desimal pertama) dan baris pertama (nilai z desimal kedua)
Nilai peluang didalam tabel normal baku adalah peluang peubah acak Z kurang dari nilai k (P(Z<k)).
Nilai Z 0.00 0.01 0.02 0.03 -2.6 0.005 0.005 0.004 0.004
-2.5 0.006 0.006 0.006 0.006
-2.4 0.008 0.008 0.008 0.008
P(Z<-2.42)=0.008
55
Peubah Acak Normal
Dr. Agus Mohamad Soleh 56
Department of Statistics, IPB
Peubah Acak Normal Teladan
• Curah hujan dikota Bogor diketahui menyebar normal dengan rata-rata tingkat curah hujan 25 mm dan ragam 25 mm2. Hitunglah peluang:
Curah hujan di kota Bogor kurang dari 15 mm?
Curah hujan di kota Bogor antara 10 mm sampai 20 mm?
Curah hujan di kota Bogor di atas 40 mm?
Dr. Agus Mohamad Soleh 57
Department of Statistics, IPB
Peubah Acak Normal Teladan
• Sebuah perusahaan alat listrik memproduksi bohlam yang umurnya menyebar normal dengan nilai tengah 800 jam dan simpangan baku 40 jam.
Hitunglah peluang sebuah bohlam hasil produksinya akan mencapai umur antara 778 dan 834 jam.
Jika ada 10% bohlam yang tidak layak jual karena umurnya terlalu pendek, berapa batas umur bohlam layak jual?
Dr. Agus Mohamad Soleh 58
Department of Statistics, IPB
Peubah Acak Normal
Pendekatan Acak Normal terhadap Peubah Acak Binomial
• Untuk ulangan n yang besar dan peluang sukses p sekitar 0.5
• µ = np dan σ = √ np(1-p)
• Untuk menghitung peluang digunakan angka koreksi kekontinuan sebesar 0.5
• Contoh : P(X > x) = P(Z>[(x+0.5)-np]/ √np(1-p))
Dr. Agus Mohamad Soleh 59
Department of Statistics, IPB
Peubah Acak Normal Teladan
• Dalam suatu populasi lalat buah diketahui 25%
diantaranya memiliki mata merah. Jika dipilih secara acak 500 ekor lalat buah, berapakah peluang didapatnya lalat buah yang bermata merah:
Kurang dari 100 ekor?
Lebih dari 150 ekor?
Kurang dari 150 tetapi lebih dari 100?
Dr. Agus Mohamad Soleh 60
Department of Statistics, IPB