1. Pendahuluan: Runtuhnya Intuisi “Acak Seragam” pada Tahun 1889

Dalam ruang diskrit berhingga, frasa “dipilih secara acak” tampak sangat jelas: saat melempar dadu seimbang, masing-masing dari enam sisi memiliki probabilitas \(1/6\). Namun, begitu kita melangkah ke ruang geometris kontinu, intuisi ini runtuh. Pada tahun 1889, matematikawan Prancis Joseph Bertrand (1822–1900) dalam bukunya Calcul des probabilités mengajukan teka-teki geometri sederhana yang kini dikenal sebagai Paradoks Bertrand.

Tinjau sebuah lingkaran satuan \(S^1 = \{(x,y) \in \mathbb{R}^2 : x^2 + y^2 = 1\}\) berjari-jari \(R = 1\) dan sebuah segitiga sama sisi \(\triangle ABC\) yang dilukis di dalamnya. Panjang sisi segitiga tersebut adalah \(L = 2R\sin(\pi/3) = \sqrt{3} \approx 1.732\), dan jari-jari lingkaran dalamnya (jarak tegak lurus dari pusat \(O\) ke setiap sisi) adalah \(r_{\text{in}} = R\cos(\pi/3) = 1/2\).

[Masalah Bertrand (1889)] Sebuah tali busur \(c\) pada lingkaran satuan dipilih “secara acak”. Berapakah probabilitas \(P(c > \sqrt{3})\) bahwa panjang tali busur tersebut melebihi panjang sisi \(L = \sqrt{3}\) dari segitiga sama sisi dalam?

Bertrand menyajikan tiga metode konstruksi geometris yang sama-sama alami dan simetris, namun menghasilkan tiga jawaban eksak yang saling bertentangan: \(P_1 = 1/3\), \(P_2 = 1/2\), dan \(P_3 = 1/4\).

  flowchart TD
    Q["Pertanyaan Bertrand (1889)<br/>Sebuah tali busur lingkaran satuan dipilih secara acak:<br/>berapakah probabilitas P(c > √3)?"]
    
    Q --> M1["Metode 1: Titik Ujung Acak pada S¹<br/>Sudut pusat θ ~ Uniform(0, π)"]
    Q --> M2["Metode 2: Jarak Radial Acak<br/>Jarak dari pusat r ~ Uniform(0, 1)"]
    Q --> M3["Metode 3: Titik Tengah Acak di Cakram D²<br/>Koordinat (x, y) ~ Uniform(D²)"]
    
    M1 --> D1["Densitas Radial<br/>f₁(r) = 2 / (π√(1 - r²))"]
    M2 --> D2["Densitas Radial<br/>f₂(r) = 1"]
    M3 --> D3["Densitas Radial<br/>f₃(r) = 2r"]
    
    D1 --> P1["Probabilitas P₁ = 1/3 ≈ 0.3333"]
    D2 --> P2["Probabilitas P₂ = 1/2 = 0.5000"]
    D3 --> P3["Probabilitas P₃ = 1/4 = 0.2500"]

2. Penurunan Ketat Tiga Solusi Klasik dan Fungsi Densitas Probabilitasnya

Misalkan \(\theta \in [0, \pi]\) adalah sudut pusat tali busur, \(r \in [0, 1]\) adalah jarak tegak lurus dari pusat \(O\) ke titik tengah tali busur \(M(x,y) = (r\cos\phi, r\sin\phi)\), dan \(c\) adalah panjang tali busur. Berdasarkan teorema Pythagoras:

Kejadian \(E = \{c > \sqrt{3}\}\) ekuivalen di ketiga sistem koordinat dengan:

2.1 Metode 1: Titik Ujung Acak pada Keliling Lingkaran (\(P_1 = 1/3\))

Berdasarkan simetri rotasi \(SO(2)\), tetapkan titik ujung pertama \(A\) pada salah satu titik sudut segitiga (\(\theta = 0\)) dan pilih titik ujung kedua \(B\) secara seragam pada keliling lingkaran: \(\theta \sim \text{Uniform}(0, 2\pi)\). Tali busur memenuhi \(c(\theta) > \sqrt{3}\) jika dan hanya jika \(B\) jatuh pada busur di hadapannya \(\theta \in (2\pi/3, 4\pi/3)\) yang panjangnya \(2\pi/3\) dari total keliling \(2\pi\):

Dengan transformasi \(r = \cos(\theta/2)\) (\(\theta \in [0, \pi]\), \(f_\Theta(\theta) = 1/\pi\)) dan determinan Jacobian \(\left|\frac{d\theta}{dr}\right| = \frac{2}{\sqrt{1 - r^2}}\), diperoleh:

2.2 Metode 2: Jarak Radial Acak Sepanjang Jari-Jari Tetap (\(P_2 = 1/2\))

Pilih arah jari-jari \(\phi \sim \text{Uniform}(0, 2\pi)\) lalu pilih jarak titik tengah tali busur dari pusat \(r \sim \text{Uniform}(0, 1)\) secara seragam. Karena sisi segitiga sama sisi berjarak \(r_{\text{in}} = 1/2\) dari pusat, maka \(c > \sqrt{3} \iff 0 \le r < 1/2\):

2.3 Metode 3: Titik Tengah Acak Secara Seragam di Dalam Cakram (\(P_3 = 1/4\))

Setiap tali busur (\(r > 0\)) ditentukan secara unik oleh titik tengahnya \(M(x, y) \in D^2\). Jika \(M\) dipilih secara seragam terhadap luas \(dx\,dy\) pada cakram satuan \(D^2\) (\(f_{X,Y}(x,y) = 1/\pi\)), maka \(c > \sqrt{3}\) jika dan hanya jika \(M\) jatuh di dalam cakram lingkaran dalam konsentris \(D_{1/2}\) berjari-jari \(1/2\):

Mengapa Metode 2 dan Metode 3 berbeda? Karena elemen luas dalam koordinat polar memuat faktor Jacobian \(J = r\), yaitu \(dx\,dy = r\,dr\,d\phi\). Mengintegralkan terhadap \(\phi \in [0, 2\pi)\) menghasilkan densitas marginal radial yang linier:

3. Krisis Prinsip Ketidakpedulian Laplace dan Paradoks Anggur-Air Keynes (1921)

Probabilitas klasik Pierre-Simon Laplace bertumpu pada Prinsip Alasan yang Tidak Memadai, yang dinamai ulang menjadi Prinsip Ketidakpedulian (Principle of Indifference) oleh John Maynard Keynes (1921) dalam A Treatise on Probability. Dalam ruang kontinu, menetapkan densitas konstan \(f_X(x) = \frac{1}{b-a}\) pada parameter \(x \in [a, b]\) di bawah transformasi nonlinier \(y = g(x)\) akan mengalikan densitas dengan determinan Jacobian \(\left|\frac{dx}{dy}\right|\):

Dalam Paradoks Anggur-Air Keynes (1921):

• Sebuah gelas berisi campuran anggur dan air dengan rasio \(x = W_{\text{anggur}}/W_{\text{air}}\) di antara \(1/3\) dan \(3\). Jika \(x \sim \text{Uniform}(1/3, 3)\), mediannya adalah \(x_{\text{med}} = 5/3\) dan \(P_X(x \le 2) = \frac{2 - 1/3}{3 - 1/3} = \frac{5}{8} = 0.625\).
• Namun premis yang sama berarti rasio kebalikannya \(y = 1/x = W_{\text{air}}/W_{\text{anggur}}\) juga berada di \([1/3, 3]\). Jika \(y \sim \text{Uniform}(1/3, 3)\), mediannya adalah \(y_{\text{med}} = 5/3\) (bertentangan dengan \(x \cdot y = 1\)!) dan kejadian yang sama \(x \le 2 \iff y \ge 1/2\) memiliki probabilitas \(P_Y(y \ge 1/2) = \frac{3 - 1/2}{3 - 1/3} = \frac{15}{16} = 0.9375 \neq \frac{5}{8}\).

4. Tiga Resolusi Matematika dan Fisika Modern

  flowchart TD
    Crisis["Krisis Prinsip Ketidakpedulian Laplace<br/>Reparameterisasi nonlinier y = g(x) memunculkan Jacobian |dx/dy|"]
    
    Crisis --> R1["Resolusi 1: Kolmogorov (1933)<br/>Aksioma Teori Ukuran (Ω, F, P)"]
    Crisis --> R2["Resolusi 2: Jaynes (1973) & Geometri Integral<br/>Ukuran Kinematik Invarian-E(2)"]
    Crisis --> R3["Resolusi 3: Jeffreys (1946) & Geometri Informasi<br/>Elemen Volume Metrik Fisher"]
    
    R1 --> R1D["Tanpa menentukan ukuran probabilitas P secara eksplisit, masalah tidak terdefinisi;<br/>setiap mekanisme fisik mewujudkan ruang probabilitas yang berbeda."]
    R2 --> R2D["Invariansi terhadap grup gerak kaku Euklides E(2) secara unik memilih<br/>ukuran kinematik dμ = dp dφ (Metode 2, P = 1/2, rumus Cauchy-Crofton)."]
    R3 --> R3D["Prior Jeffreys p(θ) ∝ √det I(θ) atau ukuran Haar dx/x<br/>menjamin invariansi eksak di bawah reparameterisasi."]

4.1 Aksiomatisasi Teori Ukuran Kolmogorov \((\Omega, \mathcal{F}, \mathbb{P})\) (1933)

Pada tahun 1933, Andrei Kolmogorov menegaskan bahwa setiap masalah probabilitas menuntut spesifikasi eksplisit ruang probabilitas \((\Omega, \mathcal{F}, \mathbb{P})\). Tanpa menentukan ukuran probabilitas \(\mathbb{P}\), frasa “memilih tali busur secara acak” tidak terdefinisi secara matematis (ill-posed).

4.2 Invariansi Grup Transformasi E. T. Jaynes (1973) dan Geometri Integral

Dalam makalah “The Well-Posed Problem” (1973), fisikawan Edwin T. Jaynes membuktikan bahwa ketika kita melempar sedotan lurus panjang ke arah lingkaran di lantai, distribusi garis lurus \(x\cos\phi + y\sin\phi = p\) dengan ukuran \(h(p, \phi)\,dp\,d\phi\) harus invarian terhadap:

1. Rotasi \(SO(2)\): \(h(p, \phi) = g(p)/(2\pi)\);
2. Perubahan skala (pembatasan pada sub-lingkaran konsentris berjari-jari \(a < 1\));
3. Translasi \(\mathbb{R}^2\) (grup gerak kaku Euklides \(E(2) = \mathbb{R}^2 \rtimes O(2)\)): menggeser titik asal sebesar \((x_0, y_0)\) mengubah parameter menjadi \(p' = p - x_0\cos\phi - y_0\sin\phi\) dan \(\phi' = \phi\), dengan determinan Jacobian bernilai identik \(1\): \(J = \det\frac{\partial(p', \phi')}{\partial(p, \phi)} = \det\begin{pmatrix} 1 & x_0\sin\phi - y_0\cos\phi \\ 0 & 1 \end{pmatrix} = 1\) Invariansi translasi \(g(p') = g(p)\) secara unik memaksa \(g(p) = \text{const.}\)

Inilah ukuran kinematik Poincaré–Santaló dalam geometri integral:

Berdasarkan rumus Cauchy–Crofton (yang juga mengatur masalah Jarum Buffon), ukuran himpunan garis yang memotong benda cembung \(K \subset \mathbb{R}^2\) sama dengan kelilingnya \(\text{Perimeter}(\partial K)\). Rasio keliling lingkaran dalam (\(\pi\)) terhadap lingkaran satuan (\(2\pi\)) langsung memberikan Metode 2 (\(P = 1/2\)).

4.3 Prior Non-Informatif Jeffreys (1946)

Dalam statistika Bayes, Harold Jeffreys (1946) menggunakan akar kuadrat determinan matriks informasi Fisher \(I_{ij}(\theta) = -\mathbb{E}\left[\frac{\partial^2 \ln p(X\mid\theta)}{\partial\theta_i\partial\theta_j}\right]\):

Untuk paradoks anggur-air, ukuran Haar grup multiplikatif \((\mathbb{R}_{>0}, \times)\), \(d\mu(x) = \frac{dx}{x}\) dengan densitas \(f(x) = \frac{1}{2\ln 3 \cdot x}\) pada \([1/3, 3]\), bersifat invarian di bawah \(y = 1/x\) dan menghasilkan median yang konsisten \(x_{\text{med}} = y_{\text{med}} = 1\).

5. Simulasi Monte Carlo dengan Python

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36

import numpy as np

def simulate_bertrand(n: int = 1_000_000, seed: int = 42) -> None:
    rng = np.random.default_rng(seed)
    limit = np.sqrt(3.0)

    # Metode 1: Titik ujung acak pada S^1 (P = 1/3)
    t1 = rng.uniform(0, 2 * np.pi, n)
    t2 = rng.uniform(0, 2 * np.pi, n)
    c1 = 2.0 * np.sin(np.abs(t1 - t2) / 2.0)

    # Metode 2: Jarak radial acak r ~ U(0, 1) (P = 1/2)
    r2 = rng.uniform(0.0, 1.0, n)
    c2 = 2.0 * np.sqrt(1.0 - r2**2)

    # Metode 3: Titik tengah acak u = r^2 ~ U(0, 1) (P = 1/4)
    r3 = np.sqrt(rng.uniform(0.0, 1.0, n))
    c3 = 2.0 * np.sqrt(1.0 - r3**2)

    # Metode 4: Eksperimen fisik Jaynes (Lingkaran bergeser di (3.5, -2.0))
    phi = rng.uniform(0, 2 * np.pi, n * 5)
    p = rng.uniform(-10.0, 10.0, n * 5)
    r_shifted = np.abs(p - (3.5 * np.cos(phi) - 2.0 * np.sin(phi)))
    hits = r_shifted[r_shifted <= 1.0]
    c_jaynes = 2.0 * np.sqrt(1.0 - hits**2)

    for name, arr, exact in [
        ("Method 1 (Endpoints)", c1, 1/3),
        ("Method 2 (Radius)", c2, 1/2),
        ("Method 3 (Midpoint)", c3, 1/4),
        ("Jaynes Off-Center Toss", c_jaynes, 1/2),
    ]:
        print(f"{name:<24}: P(c > √3) = {np.mean(arr > limit):.5f} (Exact: {exact:.5f})")

if __name__ == "__main__":
    simulate_bertrand()