1
present
future
past
probabilitas,
peluang bisnis,
cita-cita & harapan
planning,
pengembangan,
mau nikah,
kredit motor, dll
sejarah,
masa lalu,
data time series,
Succes Story
Ada ketidakpastian, dg ilmu
peluang positip
Optimisme
Kita sekarang menjaga kesehatan,
untuk lebih sehat di masa datang
sdc/2 STMIK MI, SI & TI/_Statistik Dasar HW/
Manfaat : jarang lupa, tidak terkejut, Antisipatif,
Ber-alternatif, Improvisasi, Kreatif & Inovatif
Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Teori Probabilitas
Teori Probabilitas merup. Cabang dari Ilmu
Matematika Terapan
, dan mempelajari perilaku
dari faktor untung-untung-an
Dipengaruhi :
pemikiran teoritis & hasil observasi perjudian
Perumusan Probabilitas
•
Mis. ada 10 bola merah & 10 bola putih yg identik (kec.
warnanya), dimasukkan ke wadah tertutup. Bila diambil 1
bola maka : terambil BOLA MERAH atau BOLA PUTIH
•
Ada 2 macam kondisi :
–
Kondisi yang
diketahui
bola identik, kecuali warnanya ; bolanya
ada 10 MERAH & 10 PUTIH
–
Kondisi yang
tidak diketahui
posisi/kedudukan bola-2 tsb ;
tindakan pemilihan berdasarkan kemauan saja, tanpa
merencanakan ttg yg akan dipilih
3
Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Kondisi yang diketahui
tergantung dari
OBYEK
-nya, mis. pada obyek
sederhana DADU, KARTU, MATA UANG.
Obyek yang lebih komplek merk sepeda
motor, merk mie instan, jumlah penduduk
suatu wilayah, dll.
harus diketahui terlebih dulu, bila perlu harus
survai atau sensus.
4
Kondisi yang tidak diketahui
tergantung dari proses eksperimen
bisa ditentukan dg perhitungan
tidak dapat diduga dg PASTI, tapi dapat
dianalisa atas dasar logika ilmiah
Teori
Probabilitas
memberikan
cara
pengukuran KUANTITATIF ttg terjadinya
suatu peristiwa
5
Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Ada 3 Konsep Probabilitas
1.
Pendekatan Klasik
2.
Pendekatan Frekuensi Relatif
a)
Newbold, P. (1995) dan Anderson
(2002)
b)
Walpole, RE. (1982)
KONSEP PROBABILITA
1. Pendekatan Klasik : berbasis obyek-nya
Pendekatan ini menggunakan asumsi jika suatu percobaan
memiliki
n kemungkinan
hasil, maka peluang
masing-masing
kejadian adalah
1/n
.
Contoh: Pelemparan sebuah dadu bermata 6
Percobaan
: Pelemparan sebuah dadu
Ruang Sampel : S = {
1, 2, 3, 4, 5, 6
}
Probabilita
: Masing-masing kejadian munculnya mata
dadu memiliki peluang sama, yaitu
1/6
7
Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
KONSEP PROBABILITA
2. Pendekatan Frekuensi Relatif : eksperimen
a.
Newbold, P. (1995) dan Anderson (2002):
Jika N
A
merupakan banyaknya
kejadian A
muncul
dalam suatu
percobaan berulang
sebanyak
N
, maka
dengan konsep relative frequency, peluang bahwa A
akan terjadi adalah
N
N
A
P
(
)
A
8
KONSEP PROBABILITA
2. Pendekatan Frekuensi Relatif: (Lanjutan)
b.
Walpole, RE. (1982):
Bila suatu percobaan mempunyai
N hasil
percobaan
yg berbeda, dan masing-masing mempunyai
kemungkinan yg sama untuk terjadi, dan bila tepat
n
diantara
hasil percobaan
itu menyusun suatu
kejadian A, maka peluang kejadian A adalah
9
n
m
E
p
atau
N
n
A
P
n
(
)
lim
)
(
Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Pada pelemparan dadu 1000 kali, m/n akan memiliki
tendensi/kecenderungan ke suatu NILAI KONSTAN (1/6)
p(E) Probabilitas Statistik /Probabilitas Empiris.
Bila n
maka Probabilitas
empiris
akan mendekati
n
m
E
p
n
lim
)
(
x 1 2 3 4 5 6 m 166 169 165 167 169 164 m/n 166/1000 169/1000 165/1000 167/1000 169/1000 164/1000KONSEP PROBABILITA
3. Pendekatan Subyektif
Contoh:
Pemilihan calon Manajer Pemasaran di sebuah
perusahaan berdasarkan keputusan Pimpinan
perusahaan, umumnya menggunakan pendekatan
ini. Misalkan A yang memiliki pengalaman dan
prestasi kerja yang lebih baik daripada B, maka A
akan
diberikan
peluang
yang
lebih
besar
dibandingkan B.
11
Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Jadi, ...
Probabilitas dirumuskan
sebagai
RASIO
atau
PROPORSI
atau
PERBANDINGAN
12
Variabel Random :
Variation + able = berbeda/bervariasi + dapat, lawannya =
konstanta
Variabel yg nilainya merup. suatu bilangan yg ditentukan
oleh terjadinya hasil suatu percobaan
Variabel yg secara teoritis dapat menerima sembarang nilai
Terdiri atas :
Variabel Diskrit bil. bulat, pencacahan, { 1, 2, 3 }
Variabel Kontinu bil. pecahan, pengukuran, { 1 x 3 }
13
Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Diagram Venn & Ruang Sampel
•
Azas-azas Teori Kelompok :
–
Perumusan ttg Probabilitas Matematik menggunakan
istilah & pengertian ttg Teori Kelompok = Teori Himpunan
= Set Theory
•
Kelompok = set :
–
Kumpulan dari obyek, benda atau simbol yg dapat
Diagram Venn & Ruang Sampel
Tiap obyek secara kolektif membentuk suatu kelompok
dinamakan UNSUR (ELEMENT). Sehingga tiap unsur
merup. anggota dari kelompok tsb.
Jika a merup. suatu obyek, sedangkan S adalah suatu
Kelompok, maka :
a
S
a merup. satu unsur dari kel. S
a
S
a bukan merup. satu unsur dari kel. S
15
Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Diagram Venn & Ruang Sampel
Ada 3 jenis kelompok :
1.
Kelompok yg TERBATAS / Finite Set, jika
susunannya tertentu, dari awal sd akhir
2.
Kelompok yg TIDAK TERBATAS / Infinite Set,
jika susunannya tidak terbatas
3.
Kelompok KOSONG/empty set/null set, jika
tidak memiliki unsur atau
16
Diagram Venn & Ruang Sampel
Perincian ttg KELOMPOK
•
Cara
DAFTAR
, semua unsur diuraikan.
mis. mata dadu S = { 1,2,3,4,5,6 }
•
Cara
KAEDAH
, dg menuliskan definisi atau
syaratnya.
mis. mata dadu S = { x : x adalah bil. bulat dan
1 x 6 }
17
Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Diagram Venn & Ruang Sampel
Contoh
Bila S = {
1,2,3,4,5,6
} dan N merup, kelompok yg
terdiri dari angka-angka
kuadrat
dari rumus S, maka
N = {
1,4,9,16,25,36
} atau
N = {
x
2
: x merup. unsur dari S }
Diagram Venn & Ruang Sampel
Kelompok & Sub-Kelompok :
Keseluruhan obyek yg membentuk kelompok
yg besar dan tetap =
kelompok universil
/
universal set
/
populasi
= disebut
KELOMPOK
saja
Kelompok yg dipilih dan dibentuk dari
kelompok universil =
sub kelompok
/
sampel
19
Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Diagram Venn & Ruang Sampel
Kelompok & Sub-Kelompok :
•
Kelompok A merup. sub-kelompok B, bila
setiap
unsur dari
A
juga merupakan unsur dari
B
, dan dinyatakan sbg
A B
dan
Kelompok Kosong
sbg sub-kelompok dari tiap kelompok
•
Mis.
{ 2,4 }
{ 1,2,4 }
{ 1,3 }
{ x : x 1 }
{ 1,5 }
{ 1,5 } kelompok dpt merup. sub-kelompok dari
dirinya sendiri. Bila kelompok A = kelompok B, maka A
B
dan B
A = kelompok identik
20
Unsur Sub-kelompok
•
Bila n merup. bil. bulat positip, maka suatu
kelompok dg unsur sebanyak
n
, akan memiliki
2
n
sub-kelompok yg berbeda
•
n=1
2
1
= 2 {a}, {}
•
n=2
2
2
= 4 {a}, {b}, {a,b}, {}
•
n=3
2
3
= 8 {a}, {b}, {c}, {a,b}, {a,c}, {b,c},
{a,b,c}, {}
21
Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Diagram Venn & Ruang Sampel
Interaksi Kelompok & Sub-Kelompok :
1. Komplemen atau yg bukan kel. tsb
2. Interseksi/Irisan
3. Gabungan/Union
Interaksi Kelompok & Sub-Kelompok
1. Komplemen suatu kejadian
Komplemen suatu kejadian A relatif terhadap S
(semesta) adalah himpunan semua anggota S yang
bukan anggota A, dilambangkan dengan A
c
.
Diagram Venn berikut mengilustrasikan A
c
.
23
}
:
{
x
U
x
A
A
A
C
Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
2. Interseksi/Irisan dari 2 atau lebih kejadian
Irisan dua kejadian A dan B dilambangkan dengan A
B, adalah kejadian yang mengandung semua unsur
persekutuan kejadian A dan B.
Diagram Venn berikut mengilustrasikan A B.
24
A B
Interaksi Kelompok & Sub-Kelompok
}
:
{
x
x
A
dan
x
B
B
A
Interaksi Kelompok & Sub-Kelompok
3. Union/Gabungan dari 2 atau lebih kejadian
Paduan dua kejadian A dan B, dilambangkan
dengan A B, adalah kejadian yang mencakup
semua unsur anggota A atau B atau keduanya.
Diagram Venn berikut mengilustrasikan A B.
25
}
:
{
x
x
A
atau
x
B
B
A
Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Interaksi Kelompok & Sub-Kelompok
4.
Kejadian yang saling meniadakan (Mutually Exclusive
Events)
adalah suatu kejadian yang meniadakan kejadian
lain untuk muncul dalam suatu ruang contoh.
B
A
S
27
Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Contoh :
Jika U = 26 abjad alfabet, A = sub-kelompok huruf
vokal { a,i,u,e,o }, dan B = sub-kelompok 3 huruf
pertama dari alfabet { a,b,c }.
Tentukan :
Ac
B
c
A
B =
A
B =
28A
B
Contoh :
Jika U = { 1,2,3,4,5,6,7 }, A = { 1,2,3 },
B = { 2,4,6 } & C = { 1,3,5,7 }
Tentukan :
Ac
B
c
C
c
A
B =
A
B =
29A
C
B
Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Contoh :
Sebuah perusahaan industri menggolongkan
pegawai A, B & C.
Gol. A = pegawai yg rajin
Gol. B = pegawai yg sehat
Gol. C = pegawai yg berpendidikan
dan mungkin saja seorang pegawai rajin, sehat
dan berpendidikan. Dengan survei 100 orang.
Contoh :
Hasil survei :
31
Golongan
Jumlah pegawai
A
50
B
52
C
40
A dan B
20
A dan C
13
B dan C
15
A dan B dan C
5
A
C
B
ABC C B A BC AABC
C AB ABC C AB BC A5
15
22
?
17
8
10
22
Diagram Venn menggambarkan secara sistimatis
jumlah pegawai yg termasuk ke dalam suatu
golongan saja TANPA pencatatan rangkap
Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Solusi :
1.
= 5
2.
= AB –
= 20 – 5 = 15
3.
= AC –
= 13 – 5 = 8
4.
= BC –
= 15 – 5 = 10
5.
= A – (
+
+
)
6.
= 50 – ( 5 + 15 + 8 ) = 22
7.
= B – (
+
+
)
8.
= 52 – ( 5 + 15 + 10 ) = 22
9.
= C – (
+
+
)
10.
= 40 – ( 5 + 8 + 10 ) = 17
32Golongan Jumlah pegawai
A 50 B 52 C 40 A dan B 20 A dan C 13 B dan C 15 A dan B dan C 5
A
C
B
ABC C B A BC AABC
C AB ABC C AB BC A5
15
22
?
17
8
10
22
ABC C AB ABC C B A ABC BC A ABC BC A ABC ABC ABC C B A ABC ABC ABC ABC ABC ABCABC
ABCSolusi :
Ruang Sampel
Bila tiap hasil suatu percobaan sesuai dg
salah satu unsur suatu kelompok, maka
kelompok tsb Ruang Sampel
Atau, semua kemungkinan hasil percobaan
Termasuk, dalam KONDISI YG DIKETAHUI
Harus ditentukan terlebih dahulu, sebelum
menentukan nilai probabilitas
33
Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Ruang Sampel
Sebuah ruang sampel S merup. sebuah
kelompok yg :
tiap unsur dari S menyatakan satu hasil
percobaan
Tiap hasil percobaan harus sesuai dg satu dan
hanya satu dari unsur S
Ruang sampel sangat khas, tergantung dari
obyek
yang
akan
ditentukan
nilai
probabilitasnya
Ruang Sampel
Obyek Ruang Sampel :
Uang Logam, bersisi 2 2
keping
K=kepala,
E=ekor
1 keping RS = 2
1
= 2 {K, E}
2 keping RS = 2
2
= 4 {KK, KE, EK, EE}
3 keping RS = 2
3
= 8 {
K
KK,
K
KE,
K
EK,
K
EE,
E
KK,
E
KE,
E
EK,
E
EE}
4 keping RS = 2
4
= 16 ...
35
Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Ruang Sampel
36
Ruang Sampel : 52 kartu bridge
37
Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Ruang Sampel
Obyek Ruang Sampel :
Dadu, bersisi 6 6
keping
1 dadu RS = 6
1= 6
2 dadu RS = 6
2= 36
3 dadu RS = 6
3= 216
Bila dadu MERAH & dadu PUTIH dilempar bersama, maka JUMLAH
MATA DADU-nya mempunyai Ruang Sampel
S = { 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12 }
x , y 1 2 3 4 5 6 1 ( 1 , 1 ) ( 1 , 2 ) ( 1 , 3 ) ( 1 , 4 ) ( 1 , 5 ) ( 1 , 6 ) 2 ( 2 , 1 ) ( 2 , 2 ) ( 2 , 3 ) ( 2 , 4 ) ( 2 , 5 ) ( 2 , 6 ) 3 ( 3 , 1 ) ( 3 , 2 ) ( 3 , 3 ) ( 3 , 4 ) ( 3 , 5 ) ( 3 , 6 ) 4 ( 4 , 1 ) ( 4 , 2 ) ( 4 , 3 ) ( 4 , 4 ) ( 4 , 5 ) ( 4 , 6 )Ruang Sampel
Ruang Sampel pelemparan 2 dadu tsb bisa ditulis :
S = { (x,y) | 1 x 6 ; 1 y 6 }
Maka :
Ruang Sampel terdiri atas 36 titik sampel
Probabilitas terwujudnya tiap titik sampel = 1/36
Contoh :
Buktikan probabilitas x = y sebesar 1/6
Buktikan probabilitas y x + 3 sebesar 1/6
39 x , y 1 2 3 4 5 6 1 ( 1 , 1 ) ( 1 , 2 ) ( 1 , 3 ) ( 1 , 4 ) ( 1 , 5 ) ( 1 , 6 ) 2 ( 2 , 1 ) ( 2 , 2 ) ( 2 , 3 ) ( 2 , 4 ) ( 2 , 5 ) ( 2 , 6 ) 3 ( 3 , 1 ) ( 3 , 2 ) ( 3 , 3 ) ( 3 , 4 ) ( 3 , 5 ) ( 3 , 6 ) 4 ( 4 , 1 ) ( 4 , 2 ) ( 4 , 3 ) ( 4 , 4 ) ( 4 , 5 ) ( 4 , 6 ) 5 ( 5 , 1 ) ( 5 , 2 ) ( 5 , 3 ) ( 5 , 4 ) ( 5 , 5 ) ( 5 , 6 ) 6 ( 6 , 1 ) ( 6 , 2 ) ( 6 , 3 ) ( 6 , 4 ) ( 6 , 5 ) ( 6 , 6 )
Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
RS ATURAN PENGHITUNGAN
Bila obyek masih sederhana (bisa diuraikan
unsur-2-nya), maka Ruang Sampel bisa di tentukan dari
menguraikan unsur-2 Ruang Sampel-nya. Obyek
sederhana, misal. mata uang & dadu
Bila obyeknya lebih KOMPLEK, maka digunakan :
ATURAN PENGHITUNGAN (COUNTING RULES)
Terdiri :
Kaidah penggandaan (Multiplication rule)
Permutasi (seluruhnya, sebagian & berbeda)
Kombinasi
40
ATURAN PENGHITUNGAN
1.
Kaidah penggandaan (Multiplication rule).
Bila suatu operasi dapat dilakukan dalam
n
1
cara
, bila
untuk setiap cara tersebut operasi kedua dapat dilakukan
dalam
n
2
cara
, bila untuk setiap pasangan dua cara yang
pertama operasi ketiga bisa dilakukan dalam
n
3
cara
, dan
demikian seterusnya, maka k operasi dalam urutan
tersebut dapat dilakukan dalam
n
1
×n
2
×…×n
k
cara
.
–
Dapat dijabarkan secara mudah dengan bantuan
diagram pohon (tree diagram)
41
Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
ATURAN PENGHITUNGAN
CONTOH: INVESTASI BRADLEY
Bradley menginvestasikan uangnya pada 2 saham, yaitu Markley Oil dan
Collins Mining. Bradley telah menghitung kemungkinan hasilnya selama
3 bulan dari sekarang. Berikut kemungkinannya :
Keuntungan (+)/kerugian (–) investasi dalam 3 bulan ($000)
Markley Oil Collins Mining
10 8
5 -2
ATURAN PENGHITUNGAN
Diagram Pohon
Markley Oil
Collins Mining
Hasil
(Stage 1)
(Stage 2)
Percobaan
U n tu n g 5 U n tu n g 5 U n tu n g 8 U n tu n g 8 U n tu n g 1 0 U n tu n g 1 0 R u g i 2 0 R u g i R u g i 2 0 R u g i 2 R u g i 2 Im p a s Im p a s (1 0 , 8 ) (1 0 , 8 ) U n tu n gU n tu n g $ 1 8 ,0 0 0$ 1 8 ,0 0 0 (1 0 , (1 0 , --2 )2 ) U n tu n gU n tu n g $ 8 ,0 0 0$ 8 ,0 0 0 (5 , 8 ) (5 , 8 ) U n tu n gU n tu n g $ 1 3 ,0 0 0$ 1 3 ,0 0 0 (5 , (5 , --2 )2 ) U n tu n gU n tu n g $ 3 ,0 0 0$ 3 ,0 0 0 (0 , 8 ) (0 , 8 ) U n tu n gU n tu n g $ 8 ,0 0 0$ 8 ,0 0 0 (0 , (0 , --2 )2 ) R u g iR u g i $ 2 ,0 0 0$ 2 ,0 0 0 ( (--2 0 , 8 )2 0 , 8 ) R u g iR u g i $ 1 2 ,0 0 0$ 1 2 ,0 0 0 ( (--2 0 ,2 0 ,--2 )2 ) R u g iR u g i $ 2 2 ,0 0 0$ 2 2 ,0 0 0 U n tu n g 8 U n tu n g 8 U n tu n g 8 U n tu n g 8 U n tu n g 8 U n tu n g 8 R u g i 2 R u g i 2 R u g i 2 R u g i 2 R u g i 2 R u g i 2 U n tu n g 5 U n tu n g 5 U n tu n g 8 U n tu n g 8 U n tu n g 1 0 U n tu n g 1 0 R u g i 2 0 R u g i R u g i 2 0 R u g i 2 R u g i 2 Im p a s Im p a s (1 0 , 8 ) (1 0 , 8 ) U n tu n gU n tu n g $ 1 8 ,0 0 0$ 1 8 ,0 0 0 (1 0 , (1 0 , --2 )2 ) U n tu n gU n tu n g $ 8 ,0 0 0$ 8 ,0 0 0 (5 , 8 ) (5 , 8 ) U n tu n gU n tu n g $ 1 3 ,0 0 0$ 1 3 ,0 0 0 (5 , (5 , --2 )2 ) U n tu n gU n tu n g $ 3 ,0 0 0$ 3 ,0 0 0 (0 , 8 ) (0 , 8 ) U n tu n gU n tu n g $ 8 ,0 0 0$ 8 ,0 0 0 (0 , (0 , --2 )2 ) R u g iR u g i $ 2 ,0 0 0$ 2 ,0 0 0 ( (--2 0 , 8 )2 0 , 8 ) R u g iR u g i $ 1 2 ,0 0 0$ 1 2 ,0 0 0 ( (--2 0 ,2 0 ,--2 )2 ) R u g iR u g i $ 2 2 ,0 0 0$ 2 2 ,0 0 0 U n tu n g 8 U n tu n g 8 U n tu n g 8 U n tu n g 8 U n tu n g 8 U n tu n g 8 R u g i 2 R u g i 2 R u g i 2 R u g i 2 R u g i 2 R u g i 2 43
Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
ATURAN PENGHITUNGAN
2.
Permutasi (berbeda sama & berbeda n & r-nya) :
Banyaknya permutasi akibat pengambilan r benda dari n
benda yang berbeda adalah
dimana
n! = n.(n-1).(n-2) … (2).(1)
(n-r)! = (n-r).(n-r-1).(n-r-2) … (2).(1)
0! = 1
)!
(
!
r
n
n
P
r
n
44ATURAN PENGHITUNGAN
Contoh :
Permutasi Seluruhnya : bila n = r
Dalam berapa cara 3 buku A, B & C yg berbeda dapat diletakkan secara
teratur di rak buku ? ABC,ACB,BAC,BCA,CAB,CBA
Permutasi Sebagian : bila n > r
Dalam berapa carakah 2 huruf yg berbeda dari kata “ l a u t “ dapat diatur
atau dipilih dalam suatu urutan tertentu ? {l,a}, {l,u}, {l,t}, {a,l}, {a,u},
{a,t}, {u,l}, {u,a}, {u,t}, {t,l}, {t,a} & {t,u}
45
6
1
3
.
2
.
1
!
0
!
3
)!
3
3
(
!
3
3 3
P
12
!
2
4
.
3
!.
2
!
2
!
4
)!
2
4
(
!
4
2 4P
Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Contoh :
Dua kupon lotere diambil dari 20 kupon untuk
menentukan hadiah pertama dan kedua, maka
banyaknya titik contoh [ruang sampel / sample
space] adalah
380
20
.
19
!
18
20
.
19
!.
18
!
18
!
20
)!
2
20
(
!
20
)!
(
!
2
20
r
n
n
P
ATURAN PENGHITUNGAN
ATURAN PENGHITUNGAN
3. Banyaknya permutasi yang berbeda dari n benda yang n
1
diantaranya berjenis pertama, n
2
berjenis kedua, …, n
k
berjenis ke-k adalah
Contoh:
Banyak susunan yang berbeda bila kita ingin membuat
sebuah rangkaian lampu hias yang terdiri dari 3 lampu
merah, 4 kuning, dan 2 biru adalah
!
!...
!
)!
...
(
!
!...
!
)!
(
2 1 2 1 2 k k k i in
n
n
n
n
n
n
n
n
n
471260
!
2
!
4
!
3
!
9
!
2
.
!
4
.
!
3
)!
2
4
3
(
Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
ATURAN PENGHITUNGAN
4. Banyaknya kombinasi r benda dari n benda yang berbeda
adalah
Contoh:
Jika dari
4
orang anggota partai X akan dipilih
2
orang
untuk menjadi anggota suatu tim Pansus, maka
banyaknya kombinasi adalah
)!
(
!
!
r
n
r
n
C
r
n
r
n
486
2
12
2
!.
2
4
.
3
!.
2
!
2
!.
2
!
4
)!
2
4
!.(
2
!
4
2
4
2 4
C
ATURAN PENGHITUNGAN
Contoh:
Berapa jumlah kombinasi sebanyak 3 unsur yg diambil dari
kelompok {a,b,c,d,e} ?
{
a,b
,c}, {
a,b
,d}, {
a,b
,e}, {
a,c
,d}, {
a,c
,e}, {
a,d
,e}, {
b,c
,d}, {
b,c
,e}, {
b,d
,e},
{
c,d
,e}
Probabilitas untuk memilih sebuah sampel yg terdiri dari 3 orang
dari populasi yg terdiri 30 orang adalah :
49
10
2
20
2
.
1
!.
3
5
.
4
!.
3
!
2
!.
3
!
5
)!
3
5
!.(
3
!
5
3
5
3 5
C
4060 1 3 . 2 . 1 30 . 29 . 28 1 ! 27 . 3 . 2 . 1 30 . 29 . 28 !. 27 1 ! 27 . ! 3 ! 30 1 )! 3 30 !.( 3 ! 30 1 1 ) 3 ( 3 30 C orang pHaryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Perhitungan dalam Probabilitas
1.Probabilitas suatu Peristiwa :
Bila suatu percobaan dapat menimbulkan sejumlah n (ruang
sampel) hasil yg berbeda & memiliki kesempatan terwujud
yg sama (var. random), dan bila m (suatu kejadian tertentu)
dari hasil diatas merup. peristiwa A, maka Probabilitas
peristiwa A adalah :
Probabilitas peristiwa bukan A adalah :
sampel
ruang
tertentu
kejadian
kejadian
seluruh
tertentu
kejadian
n
m
A
p
(
)
m
n
Perhitungan dalam Probabilitas
1.Probabilitas suatu Peristiwa :
Contoh :
Sebutir dadu empat sisinya dicat MERAH, dua sisinya dicat PUTIH.
Bila dadu dilempar sekali, maka :
berapakah probabilitas muncul sisi MERAH ?
berapakah probabilitas muncul sisi PUTIH ?
Jawab :
Prob (Merah) :
Prob (Putih) :
atau
51667
,
0
3
2
6
4
)
(
n
m
merah
p
merah333
,
0
3
1
6
2
)
(
n
m
putih
p
putih3
1
3
2
1
)
(
1
)
(
1
)
(
putih
p
putih
p
merah
p
Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Perhitungan dalam Probabilitas
2.Peristiwa yg
Eksklusif
: tidak ada yg
sama
satu sama lain
Bila A & B EKSKLUSIF secara Bersama dan merup. peristiwa,
dalam sebuah ruang sampel terbatas, maka :
dimana A
B =
dan p (
A B) = 0
Mis. Sebutir dadu dilempar sekali,
Berapakah probabilitas timbulnya mata dadu 1
ATAU
mata dadu 5
?
Jawab : p (A B) = p (A) + p(B) = 1/6 + 1/6 = 1/3
Berapakah probabilitas timbulnya mata dadu 1
ATAU
3
ATAU
5
ATAU
6 ? 1/6 + 1/6 + 1/6 + 1/6 = 4/6 = 2/3
52)
(
)
(
)
(
A
B
p
A
p
B
p
Perhitungan dalam Probabilitas
3.Peristiwa yg
BUKAN Eksklusif
: ada yg sama/kembar
Bila peristiwa A & B merup. suatu gabungan (union) dan TIDAK
EKSKLUSIF secara bersama dan terdapat pada sebuah ruang
sampel terbatas, maka :
Contoh :
Kelompok
brigade
tempur
sukarela,
½-nya
adalah
SUKARELA
WAN
&
½-nya
adalah SUKARELA
WATI
.
20%
dari
SUKARELA
WATI
adalah
MAHA
SISWI
,
dan
60%
dari
SUKARELA
WAN
adalah MAHA
SISWA.
Bila dipilih secara random seorang dari brigade tsb, berapakah
probabilitas seorang
WANITA
atau seorang
Mahasiswa
terpilih ?
53
)
(
)
(
)
(
)
(
A
B
p
A
p
B
p
A
B
p
Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Perhitungan dalam Probabilitas
3.Peristiwa yg
BUKAN
Eksklusif :
Bila digambar Diagram Pohon-nya (Tree Diagram) :
N
½ N Sukarelawan
60%
Mahasiswa 40% bukanMahasiswa
½ N Sukarelawati
20%
Perhitungan dalam Probabilitas
3.Peristiwa yg
BUKAN
Eksklusif :
Jawab :
•
Bila A = peristiwa
WANITA
terpilih =
0,5
SUKARELAWATI
•
Pengertian Mahasiswa PEREMPUAN & LAKI-LAKI.
Bila B = peristiwa MAHASISWA terpilih ada 2 asal MAHASISWA =
yg
Perempuan
+
yg Laki-laki
= (20% x ½) + (60% x ½) = 10% + 30% = 40%
= 0,4
•
Yang RANGKAP = p (AB) = 20% x ½ = 0,1 ada mahasiswi yg WANITA
sekaligus Kuliah (mahasiswa).
•
Maka :
p (A B) = p (A) + p(B) - p (A B)
= 0,5 + 0,4 – 0,1
= 0,8 N.
55 0,4 0,3A
B
S
0,1Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Perhitungan dalam Probabilitas
4.Peristiwa yg
KOMPLIMENTER
:
Bila terdapat peristiwa A dan peristiwa A dalam
sebuah ruang sampel yg sama dan bila A meliputi
semua unsur kecuali A, maka A merup. peristiwa
KOMPLIMENTER bagi A
Notasi : p (A) = 1 – p(A)
Contoh lihat Perhitungan
no. 1
56
_
_
_
_
Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
57
Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Perhitungan dalam Probabilitas
Perhitungan dalam Probabilitas
5.Peristiwa yg
INDEPENDEN
:
Bila dan hanya bila terjadi atau tidak terjadinya peristiwa PERTAMA,
tidak mempengaruhi terjadi atau tidak terjadinya peristiwa KEDUA.
Peristiwa Pertama
TIDAK TERKAIT
dengan peristiwa Kedua.
Notasi : p (A B) = p (A) . p(B)
Contoh :
Pada pelemparan
dua
butir dadu MERAH & PUTIH, tentukan probabilitas
DADU MERAH
X 3
dan DADU PUTIH
Y 5
!
Jawab :
Siapkan Ruang Sampelnya
Perhitungan dalam Probabilitas
5.Peristiwa yg
INDEPENDEN
:
Probabilitas dadu MERAH
X 3
= 18/36 = 1/2
Probabilitas dadu PUTIH
Y 5
= 12/36 = 1/3
p (A B) = p (A) . p(B) = 1/2 . 1/3 = 1/6
59 x , y 1 2 3 4 5 6 1 ( 1 , 1 ) ( 1 , 2 ) ( 1 , 3 ) ( 1 , 4 ) ( 1 , 5 ) ( 1 , 6 ) 2 ( 2 , 1 ) ( 2 , 2 ) ( 2 , 3 ) ( 2 , 4 ) ( 2 , 5 ) ( 2 , 6 ) 3 ( 3 , 1 ) ( 3 , 2 ) ( 3 , 3 ) ( 3 , 4 ) ( 3 , 5 ) ( 3 , 6 ) 4 ( 4 , 1 ) ( 4 , 2 ) ( 4 , 3 ) ( 4 , 4 ) ( 4 , 5 ) ( 4 , 6 ) 5 ( 5 , 1 ) ( 5 , 2 ) ( 5 , 3 ) ( 5 , 4 ) ( 5 , 5 ) ( 5 , 6 ) 6 ( 6 , 1 ) ( 6 , 2 ) ( 6 , 3 ) ( 6 , 4 ) ( 6 , 5 ) ( 6 , 6 )Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Perhitungan dalam Probabilitas
6.Probabilitas
BERSYARAT
:
Probabilitas mengenai
sebagian
dari ruang sampel TERKADANG lebih
penting dibandingkan
seluruh
dari ruang sampel
Mempersempit
Ruang
Sampel
Misal :
Penderita JANTUNG KOTA BANDUNG RS HS.
Daerah rawan KEBAKARAN KOTA BANDUNG Padat penduduk &
industri
Terdapat perbedaan pengertian antara probabilitas peristiwa dlm
SUB-KELOMPOK & probabilitas ruang sampel ASAL (kelompok) diperlukan
syarat tambahan
Probabilitas yg berhubungan dg peristiwa dalam sub-kelompok dinamakan
PROBABILITAS BERSYARAT.
60
Perhitungan dalam Probabilitas
6.Probabilitas
BERSYARAT
:
•
Pada pelemparan dadu MERAH (x) & PUTIH (y), bila x + y < 4,
berapakah probabilitas x = 1 ?
1.
Hasil x + y < 4 B = {
(1,1), (1,2)
, (2,1)} dari RS semula 36,
dipersempit menjadi 3 saja. Dari RS = 3, hanya 2 dari 3 yg
memenuhi x = 1 prob. x = 1 dengan syarat x + y < 4 = p(B) =
2/3.
2.
Bila prob. x = 1 TANPA SYARAT x + y < 4 A = {
(1,1), (1,2)
, (1,3),
(1,4), (1,5), (1,6)} p(A) = 6/36 = 1/6
3.
Interseksi (yg rangkap) antara peristiwa A & B = A
B :
p(A) = 1/6 & p(B) = 3/36 p (A B) = 2/36
61
Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Perhitungan dalam Probabilitas
6.Probabilitas
BERSYARAT
:
4.
Bila prob. peristiwa x = 1 dengan syarat peristiwa x+y<4
dinotasikan dg p(A|B) = 2/3, maka :
p (A B) = p (B) . p (A|B)
2/36 = (3/36) . (2/3)
atau :
5.
Bila probabilitas peristiwa B dg syarat peristiwa A, maka :
)
(
)
(
)
|
(
B
p
B
A
p
B
A
p
)
(
)
(
B
A
p
A
B
p
Variabel Random
Definisi :
Variabel = variatif + able = dapat bervariasi
Random = acak, tidak beraturan, tidak diketahui
Variabel yg nilainya merupakan suatu bilangan
yg ditentukan oleh terjadinya hasil suatu
percobaan
Or, Outcomes of an experiment expressed
numerically
63
Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Variabel Random
Terdiri :
V.R.
diskrit
/discrete :
dinyatakan dg nilai-nilai atau harga-harga yg terbatas
jumlahnya, atau dinyatakan dg bilangan bulat
{-2, -1,
0, 1, 2}
V.R.
kontinu
/continous :
dinyatakan dg sembarang nilai atau harga-harga yg
terdapat dalam suatu interval atau kelompok interval
tertentu, atau dinyatakan dg bilangan pecahan
{-2
x 2}
64
Variabel Random DISKRIT
Mis. :
Histogram distribusi frekuensi relatif dari hasil
pengukuran/observasi variabel random X yg DISKRIT
dalam suatu percobaan sebanyak 100 kali, yg juga
merup. DISTRIBUSI EMPIRIS
•
Apa bedanya percobaan 100 dg 1000 kali ?
–
Bila n=100 ukuran histogram renggang
–
Bila n=1000 ukuran histogram lebih rapat
–
Bila n=
mendekati kurva kontinu distribusi
67
Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Variabel Random DISKRIT
Contoh :
Distribusi frekuensi timbulnya
JUMLAH MATA DADU sebagai
hasil percobaan sebanyak 100
kali EKSPERIMEN
Bagaimana bila dibandingkan
dg frekuensi relatif TEORITIS
kalau
yg
TEORITIS
dirumuskan
dari
RUANG
SAMPEL yg memenuhi.
68
69
Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Variabel Random DISKRIT
Meskipun histogram frekuensi relatif TEORITIS tidak sama dg
yg EMPIRIS (eksperimen), tapi jika percobaan diulang sampai
TAK HINGGA, maka frekuensi relatif EMPIRIS akan mendekati
histogram TEORITIS-nya.
Ada dua jenis Fungsi Probabilitas :
f (x) = p (X = x) ; f (x)
0 ;
f (x) = 1
F (x) = p (X x) ; lim F(x) = 1 untuk x
; lim F(x) = 0 untuk x
-
Distribusi Kumulatif.
71
Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Variabel Random DISKRIT
Dari Ruang Sampel : Pelemparan 2 dadu
Ruang Sampel di atas : S = { (x,y) | 1 x 6 ;
1
y 6 }
Fungsi probabilitas Jumlah Mata Dadu, X= 2, 3, ..., 12.
72 x , y 1 2 3 4 5 6 1 ( 1 , 1 ) ( 1 , 2 ) ( 1 , 3 ) ( 1 , 4 ) ( 1 , 5 ) ( 1 , 6 ) 2 ( 2 , 1 ) ( 2 , 2 ) ( 2 , 3 ) ( 2 , 4 ) ( 2 , 5 ) ( 2 , 6 ) 3 ( 3 , 1 ) ( 3 , 2 ) ( 3 , 3 ) ( 3 , 4 ) ( 3 , 5 ) ( 3 , 6 ) 4 ( 4 , 1 ) ( 4 , 2 ) ( 4 , 3 ) ( 4 , 4 ) ( 4 , 5 ) ( 4 , 6 ) 5 ( 5 , 1 ) ( 5 , 2 ) ( 5 , 3 ) ( 5 , 4 ) ( 5 , 5 ) ( 5 , 6 ) 6 ( 6 , 1 ) ( 6 , 2 ) ( 6 , 3 ) ( 6 , 4 ) ( 6 , 5 ) ( 6 , 6 )
VR Diskrit
Jika X menyatakan variabel random yang harganya bagi
sembarang unsur dalam S (ruang sampel) ialah JUMLAH mata
dadu dari sepasang dadu dalam percobaan maka fungsi
probabilitas f(x) adalah :
f(x) = p( X = x ) ; f(x) 0 ; f(x) = 1.
Dalam pengambilan keputusan, selain X = x, juga probabilitas X
x atau X x. Maka probabilitas untuk X 100 atau X 100
dinyatakan dg :
F(100) = p( X 100 ) atau F(100) = p( X 100 ).
F (x) = fungsi probabilitas
kumulatif
73
Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Variabel Random DISKRIT
Tentukan : ada perbedaan antara f(x) & F(x)
f(5) =
f(7) =
F(3) =
F(6) =
Variabel Random DISKRIT
75
Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Metode Teoritis
Variabel Random DISKRIT
76
Variabel Random DISKRIT
77
Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
79
Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Contoh :
Tentukan Rata-rata & Standart Deviasi untuk Jumlah Mata Dadu
yg timbul sebagai hasil pelemparan sepasang dadu.
ܴܽݐܽ െ ݎܽݐܽߤ
ଷ
ଵ
ଷ
ଶ
ଷ
ଷ
ଷ
ସ
ଷ
ହ
ଷ
ହ
ଷ
ସ
ଷ
ଷ
ଷ
ଶ
ଷ
ଵ
ଷ
7
80Contoh :
ܸܽݎ݅ܽ݊ݏ݅(ߪ
ଶ) :
ߪ
ଶൌ ȭሺݔ
െߤሻ
ଶǤ݂ ݔ
= (2 − 7)
ଶ.
ଷଵ+ (3 − 7)
ଶ.
ଷଶ+ (4 − 7)
ଶ.
ଷଷ+
(5 − 7)
ଶ.
ସ ଷ+ (6 − 7)
ଶ.
ହ ଷ+ (7 − 7)
ଶ.
ଷ+ (8 − 7)
ଶ.
ହ ଷ+
(9 − 7)
ଶ.
ସ ଷ+ (10 − 7)
ଶ.
ଷ ଷ+ (11 − 7)
ଶ.
ଶ ଷ+ (12 − 7)
ଶ.
ଵ ଷ= 5.833
Maka, Standart Deviasi = = VAR = (5.833) = 2.415
81
X
i2
3
4
5
6
7
8
9
10
11
12
Jumlah
f(x
i)
1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36
1
X
i. f(x
i)
2/36 6/36 12/36 20/36 30/36 1 6/36 1 4/36
1
30/36 22/36 12/36
7
(X
i- m)
2. f(x
i) 0.694 0.889 0.750 0.444 0.139
0
0.139 0.444 0.750 0.889 0.694 5.833
Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Contoh :
Jika 4 (empat) keping uang logam di
lempar, berapakah rata-rata & standar
deviasi munculnya K (kepala) ?
Uang Logam mempunyai
2 sisi (Kepala & Ekor)
Fungsi Probabilitas :
ܴܽݐܽ െ ݎܽݐܽ ߤ ൌ ȭݔ
Ǥ݂ ݔ
= 2.00
ܸܽݎ݅ܽ݊ݏ݅ߪ
ଶ= 1.00
KKKK
KEKK
EKKK
EEKK
KKKE
KEKE
EKKE
EEKE
KKEK
KEEK
EKEK
EEEK
KKEE
KEEE
EKEE
EEEE
X
i0
1
2
3
4
Jumlah
f(x
i)
1/16
4/16
6/16
4/16
1/16
1.00
X
i. f(x
i)
0
4/16
12/16
12/16
4/16
2.00
(X
i- m)
2. f(x
i)
0.250
0.250
0
0.250
0.250
1.00
Harapan Matematis
Bila peristiwa A
1
, A
2
, A
3
, ..., A
k
merupakan peristiwa
independen yg lengkap terbatas, sedangkan p
1
, p
2
, p
3
, ..., p
k
merupakan probabilitas terjadinya masing-2 peristiwa di
atas. Maka, andaikan seseorang memenangkan sejumlah
uang U
1
bila peristiwa A
1 ,
uang U
2
bila peristiwa A
2 ,
dst.
terjadi maka :
Harapan Matematis memperoleh kemenangan A(U) :
A(U) = U
1
.p
1
+ U
2
.p
2
+ ... + U
k
.p
k
Diterapkan dalam pertaruhan (konsep judi) & asuransi
83
Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Harapan Matematis [contoh]
Pada permainan judi/taruhan/games of chance pelemparan 2
(dua) uang logam dilakukan oleh si X & Y. Si X akan menerima
sejumlah uang dari Y. X akan menerima :
Rp 1,000,- bila hasil pelemparan memperoleh 2K.
Rp 500,- bila hasil pelemparan memperoleh 1K.
Rp 0,- bila hasil pelemparan TIDAK memperoleh K (0K).
Berapakah yg harus dibayar oleh X kepada Y untuk setiap
permainan agar taruhan dikatakan seimbang ?
84
Harapan Matematis [contoh]
Pada permainan judi/taruhan/games of chance pelemparan 2 (dua) uang logam
dilakukan oleh si X & Y. Si X akan menerima sejumlah uang dari Y. X akan
menerima :
Rp 1,000,- bila hasil pelemparan memperoleh 2K.
Rp 500,- bila hasil pelemparan memperoleh 1K.
Rp 0,- bila hasil pelemparan TIDAK memperoleh K (0K).
Berapakah yg harus dibayar oleh X kepada Y untuk setiap permainan agar taruhan
dikatakan seimbang ?
Soal di atas memiliki 3 peristiwa :
85
Pelemparan 2 keping Uang Logam :
KK 2K --> 1 peristiwa dari 4 peristiwa = 1/4 --> Rp 1,000,-KE 1K --> 1 peristiwa dari 4 peristiwa = 1/4
EK 1K --> 1 peristiwa dari 4 peristiwa = 1/4
EE 0K --> 1 peristiwa dari 4 peristiwa = 1/4 --> Rp 0,- (kalah) --> Rp
500,-Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Harapan Matematis [contoh]
Soal di atas memiliki 3 peristiwa :
Kemenangan rata-rata tiap permainan (nilai taruhan
tiap pengundian) :
Pelemparan 2 keping Uang Logam :
X
i0
1
2
Jumlah
f(x
i) = p
k1/4
2/4
1/4
1
U
k0
500
1000
1500
Harapan Matematis [contoh]
Pada Jasa Asuransi, dari tabel Mortalita diketahui bahwa seseorang usia 25
tahun dapat hidup selama setahun adalah 0.992 (992/1000), yang berarti
probabilitas mortalitanya (kematiannya) adalah 0.008 (8/1000). Bila
perusahaan asuransi akan menjual Polis kepada seseorang usia 25 tahun
untuk jangka waktu setahun dg Premi Rp 10,000,- Berapakah keuntungan
dari perusahaan asuransi tsb ? Dengan polis asuransi sebesar Rp
1,000,000,-Ada 2 peristiwa : [Prob.Kecil x UangBesar] vs [Prob.Besar x UangKecil]
Peristiwa pertama/meninggal dalam setahun p
1= 0.008
Peristiwa kedua/tidak meninggal dalam setahun p
2= 0.992
Peristiwa pertama mengeluarkan uang U
1= (1,000,00010,000) =
-990,000
Peristiwa kedua menerima uang U
2= + 10,000
87
Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Harapan Matematis [contoh]
Pada Jasa Asuransi, dari tabel Mortalita diketahui bahwa seseorang usia
25 tahun dapat hidup selama setahun adalah 0.992 (992/1000), yang
berarti probabilitas mortalitanya (kematiannya) adalah 0.008 (8/1000).
Bila perusahaan asuransi akan menjual Polis kepada seseorang usia 25
tahun untuk jangka waktu setahun dg Premi Rp 10,000,- Berapakah
keuntungan dari perusahaan asuransi tsb ? Dengan polis asuransi sebesar
Rp
1,000,000,-Maka harapan matematisnya :
A(U) = U
1.p
1+ U
2.p
2= [- 990,000 x 0.008 ] + [10,000 x 0,992]
=
2,000,-dan selama positip, pihak asuransi masih
memperoleh keuntungan.
88
Konsep Integral
89
Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Konsep Integral
91
Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Konsep Integral
92
Konsep Integral
93
Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Variabel Random Kontinu
Pengukuran-2 berat badan, panjang, diameter, dsb,
dinyatakan
dg
variabel
kontinu.
Variabel
kontinu
menyatakan sembarang nilai dalam suatu interval.
Fungsinya dinamakan Fungsi Kepadatan Probabilitas
(probability density function).
Jika X merupakan variabel random kontinu yg bernilai - ~
s/d + ~ maka Fungsi Kepadatan yang menggambarkan
probabilitas X dalam interval a s/d b dimana a b ialah :
V.R. Kontinu – Contoh #1
Variabel random X memiliki Fungsi Kepadatan sbb. :
݂ ݔ ൌ ͲǢݔ ʹ
݂ ݔ ൌ
ଵ
ଵ଼
. ͵ ʹǤݔ Ǣʹ ൏ ݔ ൏ Ͷ
݂ ݔ ൌ ͲǢݔ Ͷ
Jika x = 2 dan x’ = 3, berapakah p( x < X < x’ ) atau berapakah p ( a <
X < b ) ?
Jawab :
ᇱ
ଷ
ଶ
95
Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
96 no x f(x) 1 2,00 0,3889 2 2,10 0,4000 3 2,20 0,4111 4 2,30 0,4222 5 2,40 0,4333 6 2,50 0,4444 7 2,60 0,4556 8 2,70 0,4667 9 2,80 0,4778 10 2,90 0,4889 11 3,00 0,5000 12 3,10 0,5111 13 3,20 0,5222 14 3,30 0,5333 15 3,40 0,5444 16 3,50 0,5556 17 3,60 0,5667 18 3,70 0,5778 19 3,80 0,5889 20 3,90 0,6000 21 4,00 0,6111 VAR00001 4.5 4.0 3.5 3.0 2.5 2.0 1.5 V A R 0 0 0 0 2 .7 .6 .5 .4 .3
)
.
2
3
.(
18
1
)
(
x
x
f
V.R. Kontinu – Contoh #1
Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Luas Segitiga=½ x alas x tinggi = ½ x 1 x 0,1111 = 0,0556
Luas Persegi Panjang = panjang x lebar = 1 x 0,3889 = 0,3889 0.1111
0.3889
Luas Total = L.Segitiga + L.Persegi Panjang = 0,0566 + 0,3889 = 0,4445 = 4/9
V.R. Kontinu – Contoh #2
Variabel random X memiliki Fungsi Kepadatan sbb. :
݂ ݔ ൌ ʹǤݔǢͲ ൏ ݔ ൏ ͳ
݂ ݔ ൌ ͲǢ݈ܽ݅݊݊ݕܽǤ
a. Berapakah ሺ
ଵଶ൏ ܺ ൏
ଷସ) ?
b. Berapakah ሺെ
ଵଶ൏ ܺ ൏
ଵଶ) ?
Jawab :
a.
ଵଶ൏ ܺ ൏
ଷସ= ∫ ʹǤݔ݀ݔ ൌ
యర ଵହ భ మb. −
ଵଶ< ܺ <
ଵଶ= ∫ 2. ݔ݀ݔ = ∫ 2. ݔ݀ݔ+ ∫ 2. ݔ݀ݔ = 0 +
భమ ଵସ =
ଵସ ିభమ భ మ ିభమ 97Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
V.R. Kontinu – Contoh #2 Grafik
No x f(x) 1 0.00 0.00 2 0.05 0.10 3 0.10 0.20 4 0.15 0.30 5 0.20 0.40 6 0.25 0.50 7 0.30 0.60 8 0.35 0.70 9 0.40 0.80 10 0.45 0.90 11 0.50 1.00 12 0.55 1.10 13 0.60 1.20 14 0.65 1.30 15 0.70 1.40 16 0.75 1.50 17 0.80 1.60 18 0.85 1.70 f(x) = 2.x. Luas Segitiga = = ½ x alas x tinggi = ½ x ¼ x ½ = 1/16Luas Persegi Panjang =
Luas Total =
= L.Segitiga + L.Persegi Panjang = 1/16 + 4/16 = 5/16
99 No x f(x) 1 0.00 0.00 2 0.05 0.10 3 0.10 0.20 4 0.15 0.30 5 0.20 0.40 6 0.25 0.50 7 0.30 0.60 8 0.35 0.70 9 0.40 0.80 10 0.45 0.90 11 0.50 1.00 12 0.55 1.10 13 0.60 1.20 14 0.65 1.30 15 0.70 1.40 16 0.75 1.50 17 0.80 1.60 18 0.85 1.70 19 0.90 1.80 20 0.95 1.90 21 1.00 2.00 f(x) = 2.x.
Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
VRK – Rata-rata & Standart Deviasi
100
#1
#2
Variabel random X memiliki fungsi kepadatan probabilitas sbb. :
݂ ݔ ൌ ͲǢݔ Ͳ
݂ ݔ ൌ
ଷ଼
Ǥሺݔെ ʹሻ
ଶǢͲ ൏ ݔ ൏ 2
݂ ݔ ൌ ͲǢݔ ʹ
Tentukan Rata-rata, Varians & Standart Deviasi-nya !
Jawab :
101
Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
VRK – Rata-rata & Standart Deviasi
Jawab :
VRK – Rata-rata & Standart Deviasi
Jawab :
103
Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Info UAS & TUGAS PraUAS
UAS boleh OpenBook, waktu 80-90 menit, Perhitungan
&/ Teoritis, materi : Probabilitas s/d Dist.Kontinu
Soal Tugas PraUAS :
di PUSTAKA-MAYA di folder:
192.168.1.10 - /ebook/1_MK_DASAR/STATISTIK
DASAR & STAT EKO BISNIS
1/Haryoso_Wicaksono/3_Stat.Dasar STMIK pra
UAS/
104
105
107