VARIABEL ACAK

VARIABEL ACAK

Untuk menggambarkan hasil-hasil percobaan sebagai nilai-nilai numerik secara sederhana, kita menggunakan apa yang disebut sebagai variabel acak. Jadi variabel acak dapat didefinisikan sebagai deskripsi numerik dari hasil percobaan.

Variabel acak biasanya menghubungkan nilai-nilai numerik dengan setiap kemungkinan hasil percobaan. Karena nilai-nilai numerik tersebut dapat bersifat diskrit(hasil perhitungan) dan bersifat kontinu(hasil pengukuran) maka variabel acak dapat dikelompokkan menjadi variabel acak diskrit dan variabel acak kontinu.

Variabel Acak Diskrit 

Varibel acak diskrit adalah variabel acak yang tidak mengambil seluruh nilai yang ada dalam sebuah interval atau variabel yang hanya memiliki nilai tertentu. Nilainya merupakan bilangan bulat dan asli, tidak berbentuk pecahan. Variabel acak diskrit jika digambarkan pada sebuah garis interval, akan berupa sederetan titik-titik yang terpisah.

Contoh :

1. Banyaknya pemunculan sisi muka atau angka dalam pelemparan sebuah  koin (uang logam).
2. Jumlah anak dalam sebuah keluarga.

Variabel Acak Kontinu

Varibel acak kontinu adalah variabel acak yang mengambil seluruh nilai yang ada dalam sebuah interval atau variabel yang dapat memiliki nilai-nilai pada suatu interval tertentu. Nilainya dapat merupakan bilangan bulat maupun pecahan. Varibel acak kontinu jika digambarkan pada sebuah garis interval, akan berupa sederetan titik yang bersambung membantuk suatu garis lurus.

Contoh :

1. Usia penduduk suatu daerah.
2. Panjang beberpa helai kain.

DISTRIBUSI PROBABILITAS VARIABEL ACAK DISKRIT

Distribusi probabilitas variabel acak menggambarkan bagaimana suatu probabilitas didistribusikan terhadap nilai-nilai dari variabel acak tersebut. Untuk variabel diskrit X, distribusi probabilitas didefinisikan dengan fungsi probabilitas dan dinotasikan sebagai p(x).

Fungsi probabilitas p(x) menyatakan probabilitas untuk setiap nilai variabel acak X.

Contoh :

           Jumlah mobil terjual dalam sehari menurut jumlah hari selama 300 hari

Jumlah mobil terjual dalam sehari	Jumlah hari
0 1 2 3 4 5	54 117  72  42  12     3
Total	300

                Distribusi Probabilitas Jumlah Mobil Terjual dalam Sehari

X	p(x)
0 1 2 3 4 5	0,18 0,39 0,24 0,14 0,04 0,01
Total	1,00

Dalam membuat suatu fungsi probabilitas untuk variabel acak diskrit, kondisi berikut harus dipenuhi.

1.    p(x) ³ 0 atau 0 £ p(x) £ 1

2.    S p(x) = 1

Kita juga bisa menyajika distribusi probabilitas dengan menggunakan grafik.

Fungsi Probabilitas Kumulatif Variabel Acak diskrit

Fungsi probabilitas kumulatif digunakan untuk menyatakan jumlah dari seluruh nilai fungsi probabilitas yang lebih kecil atau sama dengan suatu nilai yang ditetapkan. 

Secara matematis, fungsi probabilitas kumulatif dinyatakan sebagai berikut.

F(x) = P(X £ x) = X £ p(x)

Dimana

F(x) = P(X £ x) menyatakan fungsi probabilitas kumulatif pada titik X = x yang merupakan jumlah dari seluruh nilai fungsi probabilitas untuk nilai X sama atau kurang dari x.

Contoh :

               Probabilitas Kumulatif dari jumlah mobil terjual dalam sehari

X	F(x)
0 1 2 3 4 5	0,18 0,57 (= 0,18 + 0,39) 0,81 (= 0,18 + 0,39 + 0,24) 0,95 (= 0,18 + 0,39 + 0,24 + 0,14) 0,99 (= 0,18 + 0,39 + 0,24 + 0,14 + 0,04) 1,00 (= 0,18 + 0,39 + 0,24 + 0,14 + 0,04 + 0,01)

Kita bisa menyajikan fungsi probabilitas kumulatif dalam bentuk grafik

DISTRIBUSI PROBABILITAS VARIABEL ACAK KONTINU

Distribusi probabilitas variabel acak kontinu dinyatakan dengan fungsi f(x) dan sring disebut sebagai fungsi kepadatan atau fungsi kepadatan probabilitas dan bukan fungsi probabilitas. Nilai f(x) bisa lebih besar dari 1.

1. Distribusi Uniform

Suatu random variabel dikatakan terdistribusi secara uniform apabila

nilai probabilitanya proporsional terhadap panjang interval. Fungsi

Densitas Probabilita Uniform:

untuk a < x < b

= 0              untuk x lainnya

dimana a = batas bawah interval

b = batas atas interval

2. Distribusi normal / Gaussian

Distribusi Normal adalah salah satu distribusi teoritis dari variable

random kontinu. Distribusi Normal sering disebut distribusi Gauss.

Karakterisik Distribusi Probabilitas Normal :

1. Kurva normal berbentuk lonceng

2. Simetris

3. Asimtotis

4. Kurva berbentuk genta (μ= Md= Mo)2. Kurva berbentuk simetris

5. Kurva normal berbentuk asimptotis

6. Kurva mencapai puncak pada saat X= μ

7. Luas daerah di bawah kurva adalah 1; ½ di sisi kanan

nilai tengah dan ½ di sisi kiri.

3.  Distribusi Eksponensial

memainkan peranan penting yangmerupakan kasus distribusi gamma.

distribusi ini banyak digunakan dalam bidang teknik.

rumus:

PROBABILITAS

1. Pengertian Probabilitas 

adalah suatu nilai yang digunakan untuk mengukur tingkat terjadinya suatu kejadian yang acak. Kata probabilitas itu sendiri sering disebut dengan peluang atau kemungkinan. Probabilitas secara umum merupakan peluang bahwa sesuatu akan terjadi.

2. Konsep probabilitas 

memiliki peranan yang penting dalam kehidupan sehari-hari, mulai dari bidang ilmiah, bidang pemerintahan, bidang usaha atau industri, sampai pada masalah-masalah kecil seperti masuk kantor atau tidak karena awan tebal yang kemungkinan akan hujan deras dan banjir.

 

Dalam mempelajari probabilitas, ada tiga kata kunci yang harus diketahui yaitu eksperimen, hasil (outcome) dan kejadian atau peristiwa (even). Sebagai contoh, sebuah eksperiman dilakukan dengan menanyakan kepada 100 orang pembaca, apakah mereka akan mengambil mata kuliah statistik atau kalkulus. Dari eksperimen ini akan terdapat beberapa kemungkinan hasil. Contohnya kemungkinan hasil pertama ialah sebanyak 58 orang akan mengambil mata kuliah apapun. Kemungkinan hasil lain adalah bahwa 75 orang mengambil mata kuliah kalkulus dan sisanya mengambil mata kuliah statistik. Contoh lain dari eksperimen adalah pelemparan sebuah dadu. Hasil (outcome) dari pelemparan sebuah dadu tersebut kemungkian akan keluar biji satu atau biji dua atau biji tiga dan seterusnya. Kumpulan dari beberapa hasil tersebut dikenal sebagai kejadian (even).

 

Probabilitas biasanya dinyatakan dengan bilangan desimal (seperti 0,50, 0,20 atau 0,89) atau bilangan pecahan seperti 5/100, 20/100, 75/100. Nilai dari probabilitas berkisar antara 0 sampai dengan 1. Jika semakin dekat nilai probabilitas ke nilai 0, maka semakin kecil juga kemungkinan suatu kejadian akan terjadi. Jika semakin dekat nilai probabilitas ke nilai 1, maka semakin besar peluang suatu kejadian akan terjadi.

3. Rumus Probabilitas

Probabilitas merupakan suatu perhitungan untuk mendapatkan nilai antara 0 s/d 1, yang menunjukkan seberapa besar peluang kemungkinan terjadinya suatu peristiwa atau suatu kejadian.

• Probabilitas disimbolkan dengan huruf P (Probability)
• Suatu kejadian atau Peristiwa disimbolkan dengan huruf E (Event)
• Seberapa banyak kejadian yang diinginkan terjadi disimbolkan dengan X
• Jumlah seluruh kemungkinan yang akan terjadi disimbolkan dengan Huruf N

        

                                             P(E)= X/N

4. Perhitungan Nilai Peluang Hukum Probabilitas

Asas perhitungan probabilitas dengan berbagai kondisi yang harus diperhatikan:

A. Hukum Pertambahan

terdapat 2 kondisi yang harus diperhatikan yaitu:

• Mutually Exclusive (saling meniadakan)

Rumus: P (A U B) = P (A atau B)= P (A) + P (B)

Contoh:

Probabilitas untuk keluar mata 2 atau mata 5 pada pelemparan satu kali sebuah dadu adalah:

P(2 U 5) = P (2) + P (5) = 1/6 + 1/6 = 2/6

• Non Mutually Exclusive (dapat terjadi bersama)

Peristiwa Non Mutually Exclusive (Joint) dua peristiwa atau lebih dapat terjadi bersama-sama (tetapi tidak selalu bersama. Contoh penarikan kartu as dan berlian

P (A U B) =P(A) + P (B) – P(A ∩B)

Peristiwa terjadinya A dan B merupakan gabungan antara peristiwa A dan peristiwa B. Akan tetapi karena ada elemen yang sama dalam peristiwa A dan B, gabungan peristiwa A dan B perlu dikurangi peristiwa di mana A dan B memiliki elemen yang sama.

Dengan demikian, probabilitas pada keadaan di mana terdapat elemen yang sama antara peristiwa A dan B maka probabilitas A atau B adalah probabilitas A ditambah probabilitas B dan dikurangi probabilitas elemen yang sama dalam peristiwa A dan B.

B. HUKUM PERKALIAN

Terdapat dua kondisi yang harus diperhatikan apakah kedua peristiwa tersebut saling bebas atau bersyarat.

• Peristiwa Bebas (Independent)

Apakah kejadian atau ketidakjadian suatu peristiwa tidak mempengaruhi peristiwa lain. Contoh: Sebuah coin dilambungkan 2 kali maka peluang keluarnya H pada lemparan pertama dan pada lemparan kedua saling bebas.

P(A ∩B) = P (A dan B) = P(A) x P(B)

Contoh soal 1:

Sebuah dadu dilambungkan dua kali, peluang keluarnya mata 5 untuk kedua kalinya adalah:

P (5 ∩ 5) = 1/6 x 1/6 = 1/36

Contoh soal 2:

Sebuah dadu dan koin dilambungkan bersama-sama, peluang keluarnya hasil lambungan berupa sisi H pada koin dan sisi 3 pada dadu adalah:

P (H) = ½, P (3) = 1/6

P (H ∩ 3) = ½ x 1/6 = 1/12

• Peristiwa tidak bebas (Hk. Perkalian)

Peristiwa tidak bebas > peristiwa bersyarat (Conditional Probability).

Dua peristiwa dikatakan bersyarat apabila kejadian atau ketidakjadian suatu peristiwa akan berpengaruh terhadap peristiwa lainnya.

Contoh: Dua buah kartu ditarik dari set kartu bridge dan tarikan kedua tanpa memasukkan kembali kartu pertama, maka probabilitas kartu kedua sudah tergantung pada kartu pertama yang ditarik.

Simbol untuk peristiwa bersyarat adalah P (B│A) -> probabilitas B pada kondisi A

P(A ∩B) = P (A) x P (B│A)

Contoh :

Dua kartu ditarik dari satu set kartu bridge, peluang untuk yang tertarik keduanya kartu as adalah sebagai berikut: Peluang as I adalah 4/52 -> P (as I) = 4/52

Peluang as II dengan syarat as I sudah tertarik adalah 3/51

P (as II │as I) = 3/51

P (as I ∩ as II) = P (as I) x P (as II│ as I) = 4/52 x 3/51 = 12/2652 =1/221

UKURAN VARIASI

• Pengertian ukuran variasi atau dispers                                 Ukuran dispersi atau ukuran variasi atau ukuran penyimpangan adalah ukuran yang menyatakan seberapa jauh penyimpangan nilai-nilai data dari nilai-nilai pusatnya atau ukuran yang menyatakan seberapa banyak nilai-nilai data yang berbeda dengan nilai-nilai pusatnya.

Terdapat beberapa macam ukuran variasi atau dispersi, misalnya nilai jarak (range), rata-rata simpangan (mean deviation), varians, simpangan baku (standard deviation), dan koefisien variasi (coefficient of variation).

A. Pengukuran Dispersi Data Tidak Dikelompokkan

1.Nilai Jarak (Range)
Diantara ukuran variasi yang paling sederhana dan paling mudah dihitung adalah nilai jarak (range). Jika suatu himpunan data sudah disusun menurut urutan yang terkecil (X1) sampai dengan yang terbesar (Xn), maka untuk menghitung range digunakan rumus berikut:

Range = Xn - X1

2.Rata-rata Simpangan (Mean Deviation)

Rata-rata simpangan (RS) adalah rata-rata hitung dari nilai absolut simpangan yang dirumuskan:

3. Varians

Varians merupakan rata-rata hitung dari kuadrat simpangan setiap pengamatan terhadap rata-rata hitungnya. Varians terbagi dua berdasarkan data yang digunakan, apakah data populasi ataukah data sampel.

4.Simpangan Baku (Standard Deviation)

Simpangan baku merupakan akar kuadrat positif dari varians. Diantara ukuran dispersi atau variasi, simpangan baku adalah yang paling banyak digunakan sebab memiliki sifat-sifat matematis yang sangat penting dan berguna sekali untuk pembahasan teori dan analisis. Simpangan baku digunakan untuk mengukur penyimpangan atau deviasi masing-masing nilai individu dari suatu himpunan data terhadap rata-rata hitungnya. Satuan simpangan baku mengikuti data aslinya. Seperti pada varians, simpangan baku juga dibagi menjadi simpangan baku populasi dan simpangan baku sampel.

B. Pengukuran Dispersi Data Berkelompok

1.Nilai Jarak (Range)

Untuk data berkelompok, range dapat dihitung dengan dua cara yaitu:

Range =  Nilai Tengah Kelas Akhir - Nilai Tengah Kelas Pertama

atau:

 Range =  Tepi Atas Kelas Akhir - Tepi Bawah Kelas Pertama

Kedua cara di atas akan memberikan hasil yang berbeda. Cara pertama cenderung menghilangkan kasus-kasus ekstrim.

2.Varians

Untuk data yang berkelompok dan sudah disajikan dalam tabel frekuensi, rumus varians adalah sebagai berikut:

 

3.Simpangan Baku (Standard Deviation)

Untuk data yang berkelompok dan sudah disajikan dalam tabel frekuensi, rumus simpangan baku adalah sebagai berikut: