Upload
dinhdat
View
221
Download
0
Embed Size (px)
Citation preview
2
present futurepast
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
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 perilakudari faktor untung-untung-an
Dipengaruhi :
pemikiran teoritis & hasil observasi perjudian
cara pemecahan : harapan matematis
3Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
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
4Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Kondisi yang diketahui
tergantung dari OBYEK-nya, mis. pada obyeksederhana DADU, KARTU, MATA UANG.Obyek yang lebih komplek merk sepedamotor, merk mie instan, jumlah penduduksuatu wilayah, dll.
harus diketahui terlebih dulu, bila perlu harussurvai atau sensus.
5Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
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 terjadinyasuatu peristiwa
6Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Ada 3 Konsep Probabilitas1. Pendekatan Klasik2. Pendekatan Frekuensi Relatif
a) Newbold, P. (1995) dan Anderson (2002)
b) Walpole, RE. (1982)
3. Pendekatan Subyektif
7Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
KONSEP PROBABILITA1. Pendekatan Klasik : berbasis obyek-nya
Pendekatan ini menggunakan asumsi jika suatu percobaan memiliki n kemungkinan hasil, maka peluang masing-masingkejadian 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
8Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
KONSEP PROBABILITA2. Pendekatan Frekuensi Relatif : eksperimen
a. Newbold, P. (1995) dan Anderson (2002):
Jika NA merupakan banyaknya kejadian A munculdalam suatu percobaan berulang sebanyak N, makadengan konsep relative frequency, peluang bahwa Aakan terjadi adalah
N
NAP A)(
9Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
KONSEP PROBABILITA2. 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 ndiantara hasil percobaan itu menyusun suatu kejadian A, maka peluang kejadian A adalah
10
n
mEpatau
N
nAP
n lim)()(
Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Pada pelemparan dadu 1000 kali, m/n akan memilikitendensi/kecenderungan ke suatu NILAI KONSTAN (1/6)
p(E) Probabilitas Statistik /Probabilitas Empiris.
Bila n maka Probabilitas empiris akan mendekati
probabilitas teoritis
11
n
mEp
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 164/1000
Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
KONSEP PROBABILITA3. Pendekatan Subyektif
Contoh:Pemilihan calon Manajer Pemasaran di sebuahperusahaan berdasarkan keputusan Pimpinanperusahaan, umumnya menggunakan pendekatanini. Misalkan A yang memiliki pengalaman danprestasi kerja yang lebih baik daripada B, maka Aakan diberikan peluang yang lebih besardibandingkan B.
12Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Jadi, ...
Probabilitas dirumuskan sebagai RASIO atau
PROPORSI atau PERBANDINGAN
13Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
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 }
14Haryoso 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 dibedakan dan diberi batasan/rumusan/definisi yg tegas
– Definisi : Dorce, Mr. X
15Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
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 : [epsilon]
a S a merup. satu unsur dari kel. S
a S a bukan merup. satu unsur dari kel. S
16Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Diagram Venn & Ruang SampelAda 3 jenis kelompok :
1. Kelompok yg TERBATAS / Finite Set, jikasusunannya 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
17Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Diagram Venn & Ruang SampelPerincian 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 }
18Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Diagram Venn & Ruang SampelContoh
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 = { x2 : x merup. unsur dari S }
Jika HH = { a,i,u,e,o } maka
HH = { x : x ialah huruf hidup/vokal dari 26 abjad }
19Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Diagram Venn & Ruang SampelKelompok & Sub-Kelompok :
Keseluruhan obyek yg membentuk kelompok yg besar dan tetap = kelompok universil / universal set / populasi = disebut KELOMPOKsaja
Kelompok yg dipilih dan dibentuk dari kelompok universil = sub kelompok / sampel
20Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Diagram Venn & Ruang SampelKelompok & Sub-Kelompok :
• Kelompok A merup. sub-kelompok B, bila setiap unsur dari Ajuga 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
21Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Unsur Sub-kelompok• Bila n merup. bil. bulat positip, maka suatu
kelompok dg unsur sebanyak n, akan memiliki 2n sub-kelompok yg berbeda
• n=1 21 = 2 {a}, {}• n=2 22 = 4 {a}, {b}, {a,b}, {}• n=3 23 = 8 {a}, {b}, {c}, {a,b}, {a,c}, {b,c},
{a,b,c}, {}
22Haryoso 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
4. Mutually Exclusive Events23Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Interaksi Kelompok & Sub-Kelompok1. Komplemen suatu kejadian
Komplemen suatu kejadian A relatif terhadap S (semesta) adalah himpunan semua anggota S yang bukan anggota A, dilambangkan dengan Ac.
Diagram Venn berikut mengilustrasikan Ac.
24
}:{ AxUxAA 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.
25
A B
Interaksi Kelompok & Sub-Kelompok
}:{ BxdanAxxBA Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Interaksi Kelompok & Sub-Kelompok3. Union/Gabungan dari 2 atau lebih kejadian
Paduan dua kejadian A dan B, dilambangkandengan A B, adalah kejadian yang mencakupsemua unsur anggota A atau B atau keduanya.
Diagram Venn berikut mengilustrasikan A B.
26
}:{ BxatauAxxBA 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.
27
BAS
BAHaryoso 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
Bc
A B =
A B =
29
A B
Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
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
Bc
Cc
A B =
A B =
30
A
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, sehatdan berpendidikan. Dengan survei 100 orang.
Berapa orang yang harus di PHK ? PHK =tidak rajin, tidak sehat & tidak berpendidikan.
31Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Contoh : Hasil survei :
32
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
CBA
BCA
ABC
CAB CBA
CAB
BCA5
1522
?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
11. = 100 – ( A B C )
33
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
CBA
BCA
ABC
CAB CBA
CABBCA5
1522
?17
8 10
22
ABC
CAB ABC
CBA ABC
BCA ABC
BCA CABABC CBA
CBA ABC CAB BCA
ABC CBA BCA
ABC CAB
Solusi :
Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Ruang Sampel Bila tiap hasil suatu percobaan sesuai dg
salah satu unsur suatu kelompok, makakelompok tsb Ruang Sampel
Atau, semua kemungkinan hasil percobaan
Termasuk, dalam KONDISI YG DIKETAHUI
Harus ditentukan terlebih dahulu, sebelummenentukan nilai probabilitas
34Haryoso 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 dariobyek yang akan ditentukan nilaiprobabilitasnya
35Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Ruang SampelObyek Ruang Sampel :
Uang Logam, bersisi 2 2keping K=kepala,
E=ekor
1 keping RS = 21 = 2 {K, E}
2 keping RS = 22 = 4 {KK, KE, EK, EE}
3 keping RS = 23 = 8 {KKK, KKE, KEK, KEE, EKK, EKE, EEK, EEE}
4 keping RS = 24 = 16 .........
36Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Ruang SampelObyek Ruang Sampel :
Dadu, bersisi 6 6keping
1 dadu RS = 61 = 6
2 dadu RS = 62 = 36
3 dadu RS = 63 = 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 }
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
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
40
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 darimenguraikan unsur-2 Ruang Sampel-nya. Obyeksederhana, misal. mata uang & dadu
Bila obyeknya lebih KOMPLEK, maka digunakan :ATURAN PENGHITUNGAN (COUNTING RULES)Terdiri :
Kaidah penggandaan (Multiplication rule) Permutasi (seluruhnya, sebagian & berbeda) Kombinasi
41Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
ATURAN PENGHITUNGAN1. Kaidah penggandaan (Multiplication rule).
Bila suatu operasi dapat dilakukan dalam n1 cara, bilauntuk setiap cara tersebut operasi kedua dapat dilakukan
dalam n2 cara, bila untuk setiap pasangan dua cara yang
pertama operasi ketiga bisa dilakukan dalam n3 cara, dandemikian seterusnya, maka k operasi dalam urutantersebut dapat dilakukan dalam n1×n2×…×nk cara.
– Dapat dijabarkan secara mudah dengan bantuandiagram pohon (tree diagram)
42Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
ATURAN PENGHITUNGANCONTOH: INVESTASI BRADLEY Bradley menginvestasikan uangnya pada 2 saham, yaitu Markley Oil dan
Collins Mining. Bradley telah menghitung kemungkinan hasilnya selama3 bulan dari sekarang. Berikut kemungkinannya :
Keuntungan (+)/kerugian (–) investasi dalam 3 bulan ($000)Markley Oil Collins Mining
10 8
5 -2
0
-20
43Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
ATURAN PENGHITUNGAN Diagram Pohon
Markley Oil Collins Mining Hasil(Stage 1) (Stage 2) Percobaan
Untung 5Untung 5
Untung 8Untung 8
Untung 10Untung 10
Rugi 20RugiRugi 20
Rugi 2Rugi 2
ImpasImpas
(10, 8) (10, 8) UntungUntung $18,000$18,000
(10, (10, --2) 2) UntungUntung $8,000$8,000
(5, 8) (5, 8) UntungUntung $13,000$13,000
(5, (5, --2) 2) UntungUntung $3,000$3,000
(0, 8) (0, 8) UntungUntung $8,000$8,000
(0, (0, --2) 2) RugiRugi $2,000$2,000
((--20, 8) 20, 8) RugiRugi $12,000$12,000
((--20, 20, --2)2) RugiRugi $22,000$22,000
Untung 8Untung 8
Untung 8Untung 8
Untung 8Untung 8Rugi 2Rugi 2
Rugi 2Rugi 2
Rugi 2Rugi 2
Untung 5Untung 5
Untung 8Untung 8
Untung 10Untung 10
Rugi 20RugiRugi 20
Rugi 2Rugi 2
ImpasImpas
(10, 8) (10, 8) UntungUntung $18,000$18,000
(10, (10, --2) 2) UntungUntung $8,000$8,000
(5, 8) (5, 8) UntungUntung $13,000$13,000
(5, (5, --2) 2) UntungUntung $3,000$3,000
(0, 8) (0, 8) UntungUntung $8,000$8,000
(0, (0, --2) 2) RugiRugi $2,000$2,000
((--20, 8) 20, 8) RugiRugi $12,000$12,000
((--20, 20, --2)2) RugiRugi $22,000$22,000
Untung 8Untung 8
Untung 8Untung 8
Untung 8Untung 8Rugi 2Rugi 2
Rugi 2Rugi 2
Rugi 2Rugi 2
44Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
ATURAN PENGHITUNGAN2. 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
)!(
!
rn
nPrn
45Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
ATURAN PENGHITUNGANContoh :
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}
46
61
3.2.1
!0
!3
)!33(
!333
P
12!2
4.3!.2
!2
!4
)!24(
!424
P
Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Contoh :
Dua kupon lotere diambil dari 20 kupon untukmenentukan hadiah pertama dan kedua, makabanyaknya titik contoh [ruang sampel / samplespace] adalah
47
38020.19!18
20.19!.18
!18
!20
)!220(
!20
)!(
!220
rn
nP
Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
ATURAN PENGHITUNGAN
ATURAN PENGHITUNGAN3. Banyaknya permutasi yang berbeda dari n benda yang n1
diantaranya berjenis pertama, n2 berjenis kedua, …, nk
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
!!...!
)!...(
!!...!
)!(
21
21
2 k
k
ki
i
nnn
nnn
nnn
n
48
1260!2!4!3
!9
!2.!4.!3
)!243(
Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
ATURAN PENGHITUNGAN4. Banyaknya kombinasi r benda dari n benda yang berbeda
adalah
Contoh:
Jika dari 4 orang anggota partai X akan dipilih 2 oranguntuk menjadi anggota suatu tim Pansus, makabanyaknya kombinasi adalah
)!(!
!
rnr
nC
r
nrn
49
62
12
2!.2
4.3!.2
!2!.2
!4
)!24!.(2
!4
2
424
C
Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
ATURAN PENGHITUNGANContoh:
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 :
50
102
20
2.1!.3
5.4!.3
!2!.3
!5
)!35!.(3
!5
3
535
C
4060
1
3.2.1
30.29.28
1
!27.3.2.1
30.29.28!.27
1
!27.!3
!30
1
)!330!.(3
!30
11)3(
330
C
orangp
Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Perhitungan dalam Probabilitas
1.Probabilitas suatu Peristiwa :
Bila suatu percobaan dapat menimbulkan sejumlah n (ruangsampel) hasil yg berbeda & memiliki kesempatan terwujudyg sama (var. random), dan bila m (suatu kejadian tertentu)dari hasil diatas merup. peristiwa A, maka Probabilitasperistiwa A adalah :
Probabilitas peristiwa bukan A adalah :
51
sampelruang
tertentukejadian
kejadianseluruh
tertentukejadian
n
mAp )(
n
mnApAp
)(1)(
Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Perhitungan dalam Probabilitas1.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
52
667,03
2
6
4)(
n
mmerahp merah
333,03
1
6
2)(
n
mputihp
putih
3
1
3
21)(1)(1)( merahpputihpputihp
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 = 1/3Berapakah probabilitas timbulnya mata dadu 1 ATAU 3 ATAU 5ATAU 6 ? 1/6 + 1/6 + 1/6 + 1/6 = 4/6 = 2/3
53
)()()( BpApBAp
Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
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 ruangsampel terbatas, maka :
Contoh :Kelompok brigade tempur sukarela, ½-nya adalahSUKARELAWAN & ½-nya adalah SUKARELAWATI. 20% dariSUKARELAWATI adalah MAHASISWI, dan 60% dariSUKARELAWAN adalah MAHASISWA.Bila dipilih secara random seorang dari brigade tsb, berapakahprobabilitas seorang WANITA atau seorang Mahasiswa terpilih ?
54
)()()()( BApBpApBAp
Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Perhitungan dalam Probabilitas3.Peristiwa yg BUKAN Eksklusif :
Bila digambar Diagram Pohon-nya (Tree Diagram) :
55
N
½ N Sukarelawan
60% Mahasiswa
40% bukan Mahasiswa
½ N Sukarelawati
20% Mahasiswi
80% bukan Mahasiswi
mahasiswaHaryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
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 = ygPerempuan + 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 WANITAsekaligus Kuliah (mahasiswa).
• Maka :p (A B) = p (A) + p(B) - p (A B)
= 0,5 + 0,4 – 0,1= 0,8 N.
56
0,4 0,3
A
B
S0,1
Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Perhitungan dalam Probabilitas
4.Peristiwa yg KOMPLIMENTER :
Bila terdapat peristiwa A dan peristiwa A dalamsebuah ruang sampel yg sama dan bila A meliputisemua unsur kecuali A, maka A merup. peristiwaKOMPLIMENTER bagi A
Notasi : p (A) = 1 – p(A)
Contoh lihat Perhitungan no. 1
57
_
_
Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
_
_
Perhitungan dalam Probabilitas5.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 probabilitasDADU MERAH X 3 dan DADU PUTIH Y 5 !
Jawab :
Siapkan Ruang Sampelnya
tentukan P(X 3)
tentukan P(Y 5)
59Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Perhitungan dalam Probabilitas5.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
60
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 Probabilitas6.Probabilitas BERSYARAT :
Probabilitas mengenai sebagian dari ruang sampel TERKADANG lebih penting dibandingkan seluruh dari ruang sampel Mempersempit Ruang Sampel
Misal :
Penderita SAKIT 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.
61Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
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
62Haryoso 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 :
63
)(
)()|(
Bp
BApBAp
)(
)(
)(
)()|(
Ap
BAp
Ap
ABpABp
Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Variabel Random
Definisi :
Variabel = variatif + able = dapat bervariasi
Random = acak, tidak beraturan, tidak diketahui
Variabel yg nilainya merupakan suatu bilanganyg ditentukan oleh terjadinya hasil suatupercobaan
Or, Outcomes of an experiment expressednumerically
64Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Variabel RandomTerdiri :
V.R. diskrit/discrete :
dinyatakan dg nilai-nilai atau harga-harga yg terbatasjumlahnya, atau dinyatakan dg bilangan bulat {-2, -1,0, 1, 2}
V.R. kontinu/continous :
dinyatakan dg sembarang nilai atau harga-harga ygterdapat dalam suatu interval atau kelompok intervaltertentu, atau dinyatakan dg bilangan pecahan {-2
x 2}65Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Variabel Random DISKRITMis. :
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
teoritis 66Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Variabel Random DISKRITContoh :
Distribusi frekuensi timbulnyaJUMLAH MATA DADU sebagaihasil percobaan sebanyak 100kali EKSPERIMEN
Bagaimana bila dibandingkandg frekuensi relatif TEORITIS kalau yg TEORITISdirumuskan dari RUANGSAMPEL yg memenuhi.
69Haryoso 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.
72Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Variabel Random DISKRITDari 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.
73
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
VR Diskrit Jika X menyatakan variabel random yang harganya bagi
sembarang unsur dalam S (ruang sampel) ialah JUMLAH matadadu dari sepasang dadu dalam percobaan maka fungsiprobabilitas 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 100dinyatakan dg :
F(100) = p( X 100 ) atau F(100) = p( X 100 ). F (x) = fungsi probabilitas kumulatif
74Haryoso 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) =
75Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Variabel Random DISKRIT
76Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Metode Teoritis
79
Rata-rata & Standart Deviasi untuk VR Diskrit
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.
𝑅𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎 𝜇 ∶
𝜇 = Σ 𝑥𝑖 . 𝑓 𝑥𝑖 = 2.1
36+ 3.
2
36+ 4.
3
36+ 5.
4
36+ 6.
5
36+
7.6
36+ 8.
5
36+ 9.
4
36+ 10.
3
36+ 11.
2
36+ 12.
1
36= 7
81Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Contoh : 𝑉𝑎𝑟𝑖𝑎𝑛𝑠𝑖 (𝜎2) :
𝜎2 = Σ (𝑥𝑖−𝜇)2. 𝑓 𝑥𝑖 = (2 − 7)2.
1
36+ (3 − 7)2.
2
36+ (4 − 7)2.
3
36+
(5 − 7)2.4
36+ (6 − 7)2.
5
36+ (7 − 7)2.
6
36+ (8 − 7)2.
5
36+
(9 − 7)2.4
36+ (10 − 7)2.
3
36+ (11 − 7)2.
2
36+ (12 − 7)2.
1
36= 5.833
Maka, Standart Deviasi = = VAR = (5.833) = 2.415
82
Xi 2 3 4 5 6 7 8 9 10 11 12 Jumlah
f(xi) 1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36 1
Xi . f(xi) 2/36 6/36 12/36 20/36 30/36 1 6/36 1 4/36 1 30/36 22/36 12/36 7
(Xi - m)2 . f(xi) 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 dilempar, berapakah rata-rata & standardeviasi munculnya K (kepala) ? Uang Logam mempunyai
2 sisi (Kepala & Ekor) Fungsi Probabilitas :
𝑅𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎 ∶ 𝜇 = Σ 𝑥𝑖 . 𝑓 𝑥𝑖 = 2.00 𝑉𝑎𝑟𝑖𝑎𝑛𝑠𝑖 ∶ 𝜎2 = 1.00 Maka, Standart Deviasi = = VAR = (1.00) = 1.00
83
KKKK KEKK EKKK EEKK
KKKE KEKE EKKE EEKE
KKEK KEEK EKEK EEEK
KKEE KEEE EKEE EEEE
Xi 0 1 2 3 4 Jumlah
f(xi) 1/16 4/16 6/16 4/16 1/16 1.00
Xi . f(xi) 0 4/16 12/16 12/16 4/16 2.00
(Xi - m)2 . f(xi) 0.250 0.250 0 0.250 0.250 1.00
Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Harapan Matematis Bila peristiwa A1, A2, A3, ..., Ak merupakan peristiwa
independen yg lengkap terbatas, sedangkan p1, p2, p3, ..., pk
merupakan probabilitas terjadinya masing-2 peristiwa diatas. Maka, andaikan seseorang memenangkan sejumlahuang U1 bila peristiwa A1 , uang U2 bila peristiwa A2 , dst.terjadi maka :
Harapan Matematis memperoleh kemenangan A(U) :
A(U) = U1.p1 + U2.p2 + ... + Uk.pk Diterapkan dalam pertaruhan (konsep judi) & asuransi
84Haryoso 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 menerimasejumlah 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 setiappermainan agar taruhan dikatakan seimbang ?
85Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Harapan Matematis [contoh]Pada permainan judi/taruhan/games of chance pelemparan 2 (dua) uang logamdilakukan oleh si X & Y. Si X akan menerima sejumlah uang dari Y. X akanmenerima :
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 taruhandikatakan seimbang ?
Soal di atas memiliki 3 peristiwa :
86
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 taruhantiap pengundian) :
A(U) = U1.p1 + U2.p2 + U3.p3 = Rp. 500,-87
Pelemparan 2 keping Uang Logam :
Xi 0 1 2 Jumlah
f(xi) = pk 1/4 2/4 1/4 1
Uk 0 500 1000 1500
Uk . pk 0 250 250 500
Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Harapan Matematis [contoh]Pada Jasa Asuransi, dari tabel Mortalita diketahui bahwa seseorang usia 25tahun dapat hidup selama setahun adalah 0.992 (992/1000), yang berartiprobabilitas mortalitanya (kematiannya) adalah 0.008 (8/1000). Bilaperusahaan asuransi akan menjual Polis kepada seseorang usia 25 tahununtuk jangka waktu setahun dg Premi Rp 10,000,- Berapakah keuntungandari 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 p1 = 0.008
Peristiwa kedua/tidak meninggal dalam setahun p2 = 0.992
Peristiwa pertama mengeluarkan uang U1 = - (1,000,000-10,000) = -990,000
Peristiwa kedua menerima uang U2 = + 10,000
88Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Harapan Matematis [contoh]Pada Jasa Asuransi, dari tabel Mortalita diketahui bahwa seseorang usia25 tahun dapat hidup selama setahun adalah 0.992 (992/1000), yangberarti probabilitas mortalitanya (kematiannya) adalah 0.008 (8/1000).Bila perusahaan asuransi akan menjual Polis kepada seseorang usia 25tahun untuk jangka waktu setahun dg Premi Rp 10,000,- Berapakahkeuntungan dari perusahaan asuransi tsb ? Dengan polis asuransi sebesarRp 1,000,000,-
Maka harapan matematisnya :
A(U) = U1.p1 + U2.p2 = [- 990,000 x 0.008 ] + [10,000 x 0,992]
= 2,000,-
dan selama positip, pihak asuransi masihmemperoleh keuntungan.
89Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Variabel Random Kontinu Pengukuran-2 berat badan, panjang, diameter, dsb,
dinyatakan dg variabel kontinu. Variabel kontinumenyatakan sembarang nilai dalam suatu interval.Fungsinya dinamakan Fungsi Kepadatan Probabilitas(probability density function). Identik Luasan.
Jika X merupakan variabel random kontinu yg bernilai - ~s/d + ~ maka Fungsi Kepadatan yang menggambarkanprobabilitas X dalam interval a s/d b dimana a b ialah :
𝑓 𝑥 = 𝑝 𝑎 < 𝑋 < 𝑏 = 𝑎𝑏𝑓 𝑥 𝑑𝑥
95Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
V.R. Kontinu – Contoh #1Variabel random X memiliki Fungsi Kepadatan sbb. :
𝑓 𝑥 = 0 ; 𝑥 ≤ 2
𝑓 𝑥 =1
18. 3 + 2. 𝑥 ; 2 < 𝑥 < 4
𝑓 𝑥 = 0 ; 𝑥 ≥ 4
Jika x = 2 dan x’ = 3, berapakah p( x < X < x’ ) atau berapakah p ( a <X < b ) ?
Jawab :
𝑝 𝑥 < 𝑋 < 𝑥′ = න2
3 1
18. 3 + 2. 𝑥 𝑑𝑥 =
4
996Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
97
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 0,6111VAR00001
4.54.03.53.02.52.01.5
VA
R00
002
.7
.6
.5
.4
.3
).23.(18
1)( xxf
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 #2Variabel random X memiliki Fungsi Kepadatan sbb. :
𝑓 𝑥 = 2. 𝑥 ; 0 < 𝑥 < 1
𝑓 𝑥 = 0 ; 𝑙𝑎𝑖𝑛𝑛𝑦𝑎.
a. Berapakah 𝑝(1
2< 𝑋 <
3
4) ?
b. Berapakah 𝑝( −1
2< 𝑋 <
1
2) ?
Jawab :
a. 𝑝1
2< 𝑋 <
3
4= 1
2
3
42. 𝑥 𝑑𝑥 =5
16
b. 𝑝 −1
2< 𝑋 <
1
2=
−1
2
1
2 2. 𝑥 𝑑𝑥 = 1−
2
02. 𝑥 𝑑𝑥 + 0
1
22. 𝑥 𝑑𝑥 = 0 +1
4=
1
4
98Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
V.R. Kontinu – Contoh #2 Grafik
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
Luas Segitiga == ½ x alas x tinggi
= ½ x ¼ x ½ = 1/16
Luas Persegi Panjang = = panjang x lebar
= 1 x ¼ = ¼ = 4/16
Luas Total = = L.Segitiga + L.Persegi Panjang
= 1/16 + 4/16 = 5/16
V.R. Kontinu – Contoh #2 Grafik
100
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
101
#1 #2
Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
VRK – Rata-rata & Standart Deviasi
Variabel random X memiliki fungsi kepadatan probabilitas sbb. :
𝑓 𝑥 = 0 ; 𝑥 ≤ 0
𝑓 𝑥 =3
8. (𝑥 − 2)2 ; 0 < 𝑥 < 2
𝑓 𝑥 = 0 ; 𝑥 ≥ 2
Tentukan Rata-rata, Varians & Standart Deviasi-nya !
102Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
VRK – Rata-rata & Standart DeviasiJawab :
106Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas
Info UAS & TUGAS PraUASUAS boleh OpenBook, waktu 80-90
menit, Perhitungan &/ Teoritis, materi :Probabilitas s/d Dist.Kontinu
Soal Tugas PraUAS : slide berikutnya.
107Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas