SI-2102 Analisis Statistik dan

Probabilitas
Agustus 2008 (Mg1)

Tujuan Perkuliahan
Mahasiswa menguasai dasar-dasar statistik dan
probabilitas dan dapat mengambil keputusan
dalam ketidakpastian serta mengerti perencanaan
berdasarkan probabilitas terutama berkaitan
dengan bidang teknik sipil.

Activity (hour/week)

Assessment/Penilaian

References/Bibliography

Course = 3
Tutorial = 1
Mandiri = 5
UTS
= 30 %
UAS
= 40 %
Tugas/Latihan = 20 %
Absensi
= 10%
1.

2.
3.

Ang, A.H.S, and Tang,

W.H.,Probability Concepts in
Engineering Planning and Design,
Vol-I, McGraw-Hill.
Cornell, A.J,Probability, Statistic,
and Decision for Civil Engineers,
McGraw-Hill.
Wurjanto, A,Analisis Statistik dan
Probabilitas, Departemen Teknik
Sipil, ITB.

Rincian Kuliah
Mg 1 Pendahuluan

Pengamatan, fenomena alam

yang tidak pasti, perlunya ilmu
Probabilitas, tampilan grafis, besaran
Statistik: nilai harapan, nilai sentral, nilai
sebaran

Mg 2-3 Teori Dasar

Probabilitas

Definisi probabilitas: fungsi massa

probabilitas, fungsi distribusi
komulatif, fungsi kerapatan
Probabilitas

Mg 4-5 Fungsi Distribusi

Probabilitas

Distribusi Normal, distribusi normal

Standar, distribusi rayleigh, distribusi
rayleigh tak berdimensi, distribusi
binomial

Mg 6-7 Uji Kecocokan

Rata2 persentase error, deviasi,

chi-kuadrat, Kolmogorov-Smirmov

Mg 8 UTS
Mg 9-11 Analisis Harga
ekstrim

Distribusi normal
Distribusi Gumbel
Distribusi Log Pearson Type III
Distrbusi Log Normal
Penentuan Fungsi Distribusi

Mg 12-15 Analisis
Regresi

Model Linier
Model Logaritmik
Model Eksponensial
Model Polynomial
Metode Linier untuk dua variabel
bebas

Mg 16 UAS

Pendahuluan

Kebanyakan fenomena atau proses yang berkaitan dengan ilmu rekayasa

mengandung ketidakpastian dimana hasil sesungguhnya adalah tidak
dapat diramalkan.

Dilain pihak dalam pengambilan keputusan sangat dipengaruhi oleh

kualitas dan kuantitas data yang dimiliki. Yang mana pada ujungnya
berkaitan dengan biaya.

Oleh karena itu pengaruh ketidakpastian dalam suatu desain dan

perencanaan dalam ilmu rekayasa adalah penting dan evaluasi
pengaruhnya pada kemampuan dan desain sistem rekayasa semestinya
memasukkan konsep dan metode kemungkinan atau probabilitas.

Untuk mengerti ketidakpastian pada data dan perbedaan yang ada dapat
menggunakan alat bantu tampilan grafis. Tampilan grafis ini dapat berupa
line diagram/bar chart, dot diagram, histogram, frequency polygon,
duration curve dan lain-lain.

Contoh: Data Intensitas Hujan Tahunan

DAS Esopus Creek (1918 1946)

Karakteristik data pada tabel

dapat dilihat secara grafis dalam
bentuk histogram atau diagram
frekuensi.

Untuk tujuan membandingkan

dengan fungsi kerapatan
probabilitas (Probability Density
Function) teori diperlukan
diagram frekuensi.

Diagram frekuensi

Histogram atau diagram frekuensi, memberikan gambar grafis dari

frekuensi relatif berbagai pengamatan atau pengukuran.

Untuk tujuan rekayasa secara umum, ringkasan dari sekelompok

pengamatan lebih berguna dibandingkan histogram yang lebih detail. Ini
termasuk didalamnya nilai rata-rata (mean-value) dan pengukuran
dispersi.

Kuantitas seperti ini dapat dievaluasi dari histogram yang diberikan dimana
secara statistik selalu ditetapkan dalam bentuk rata-rata sample (sample
mean) dan standar deviasi standar (sample standard deviation).

Jika data yang tercatat dari sebuah variabel menunjukan suatu

penyebaran, seperti yang digambarkan sebelumnya, nilai dari variabel
tidak dapat diperkirakan dengan kepastian. Variabel seperti ini disebut
suatu variabel acak (random variable) dan nilainya (atau selang nilai)
dapat diperkirakan hanya dengan suatu probabilitas yang sesuai.

Jika dua (atau lebih) variabel acak terlibat, karakteristik satu variabel
bergantung pada nilai variabel lain.

Contoh: Hubungan Debit rata2 tahunan terhadap area draenase daerah

Honolulu: Todd dan Meyer (1971)

Statistik

Ringkasan sekelompok data pengukuran atau pengamatan mewakili

beberapa sifat utama dari histogram atau diagram frekuensi. Secara
umum terdapat tiga tipe yang berbeda: nilai sentral, dispersi
(penyebaran), asymmetry.

Nilai sentral
Secara umum data hasil pengamatan, cenderung mengelompok sekitar
beberapa nilai variabel. Suatu nilai tertentu, disebut sebagai nilai sentral
dapat mewakili dari sample. Terdapat tiga pengukuran yang dikenal:
mean, mode dan median.
Mean ditentukan dari sample acak x1, x2, , xn sebagai
n

xr = (1/n)

i=1

xi

Nilai Dispersi (sebaran) - standard deviasi

Nilai sebaran mewakili tingkat penyebaran yang ditunjukkan dari hasil
pengamatan. Dispersi juga menunjukkan akurasi dari data. Biasa yang
digunakan adalah standar deviasi yang didefinisikan sebagai
Sd= square root (1/(n-1) [(x1-xr)2+(x2-xr)2+ + (xn-xr)2])
Untuk membandingkan data terhadap set data yang berbeda terhadap
nilai tengah dan dispersi digunakan koefisien variasi sample sebagai
berikut
Cv = Sd/xr

Nilai asymmetry
Sifat penting lain dari histogram atau diagram frekuensi adalah bentuknya
terhadap kesimetrian. Disini digunakan koefisien skewness sample untuk
menentukan kesimetrian data terhadap meannya sebgai berikut:
Cs = n/((n-1)(n-2))

n
i=1

(xi xr)3)/(s3)

Latihan:
Coba saudara hitung:
Xr, Sd, Cv dan Cs untuk data diatas
- genap in
- ganjil mm

Contoh Penerapan Probabilitas:

Sebuah Kontraktor akan membeli 3
buldozer untuk mengerjakan
proyek2nya. Hitung kemungkinan
yang terjadi bila setelah enam bulan
hanya 1 alat yang masih dapat
beroperasi.

 Kemungkinan jumlah alat yang dapat

beroperasi setelah enam bulan:
0, 1, 2 dan 3
Kemungkinan kondisi alat setelah
enam bulan:
G (good), B (bad)

 Sehingga dapat disusun

kemungkinan kondisi alat setelah
enam bulan:
GGG (semua alat good)
GGB (alat ke 1 & 2 baik, alat ke 3 bad)
lanjutkan
Jadi berapa kemungkinan 1 buldozer baik?