3/28/2012

Diagram Venn.

Hubungan antara kejadian dengan ruang contohnya

Representasi secara grafis untuk mengilustrasikan logical
relations di antara kejadian kejadian

S = Himpunan bilangan asli

A = Himpunan bilangan ganjil
A= Himpunan bilangan genap

EKO EFENDI

3/28/2012

Diagram Venn
mempermudah memahami himpunan
Diagram Venn digunakan untuk menggambarkan himpunan-himpunan dan bag
aimana hubungan antar himpunan-himpunan tersebut.
Gabungan dari dua himpunan adalah himpunan yang mengandung semua angg
ota yang dimiliki oleh himpunan pertama atau himpunan kedua. Misalkan A = {1,
2,3,4,5} dan B = {1,3,5,7}, maka gabungan dari A dan B dinotasikan dengan A B
= {1,2,3,4,5,7}
Irisan dari dua himpunan adalah himpunan yang mengandung anggota yang ad
a pada himpunan pertama dan juga sebagai anggota pada himpunan kedua. Mi
salkan A = {1,2,3,4,5} dan B = {1,3,5,7}, maka irisan dari A dan B dinotasikan denga
n A B = {1,3,5}.
Komplemen atau pelengkap dari suatu himpunan adalah himpunan yang memili
ki anggota, dimana gabungan dari himpunan dan komplemennya adalah himpu
nan semesta dan irisan himpunan dengan komplemennya adalah himpunan kos
ong. Misalkan A adalah munculnya mata dadu ganjil dari sebuah dadu standar,
maka A = {1,3,5}. Karena S = {1,2,3,4,5,6}, maka komplemen dari A, dituliskan den
gan notasi Ac = munculnya mata dadu genap dari dadu standar, atau Ac = {2,4,6}.

EKO EFENDI

3/28/2012

3/28/2012

Pengolahan kejadian
Pengolahan kejadian itu dapat berbentuk
irisan kejadian, kejadian saling bebas,
gabungan kejadian, dan komplemen
kejadian

EKO EFENDI

3/28/2012

Irisan
Irisan dua kejadian A dan B dilambangkan dengan A
B, adalah kejadian yang mengandung semua unsur
persekutuan kejadian A dan B.

A B = daerah arsir hitam

EKO EFENDI

3/28/2012

3/28/2012

Saling bebas (terpisah)

Dua kejadian C dan D dikatakan saling bebas (terpisah) bila
CD = , artinya kejadian C dan kejadian D tidak memiliki
unsur persekutuan.

EKO EFENDI

3/28/2012

Paduan (union) dua kejadian A dan

B dilambangkan dengan A U B
adalah kejadian yang mencakup
semua unsur atau anggota A dan b
atau keduanya.

A U B = daerah arsiran hitam

EKO EFENDI

3/28/2012

3/28/2012

Komplemen suatu kejadian

Komplemen suatu kejadian A relatif terhadap S adalah
himpunan semua anggota S yang bukan anggota A. Kita
lambangkan
komplemen A dengan A
A = daerah yang diarsir hitam
Beberapa persamaan dalam diagram venn
akibat definisi-definisi di atas adalah.
A =
S =
A U A = S
AU=A
= S
A A =
(A) = A

EKO EFENDI

3/28/2012

Mencacah titik contoh

Prinsip dasar mencacah = kaidah penggandaan
Kaidah penggandaan :
Bila suatu operasi dapat dilakukan dalam n1 cara dan setiap
cara tersebut dapat dilakukan dengan n2 maka kedua operasi
tersebut dapat dilakukan dalam n1 n2 cara.

EKO EFENDI

3/28/2012

3/28/2012

Peluang suatu Peristiwa

Peluang adalah suatu nilai diantara 0 dan 1 (inklusif) yang
menggambarkan besarnya kesempatan akan munculnya
suatu kejadian tertentu pada kondisi tertentu. Istilah lain
dari peluang adalah probabilitas.
Metode Klasik / a priori
Metode Frekuensi / a posteriori
Subyektif (hanya boleh digunakan apabila kedua cara diatas tak
dapat dihitung)

EKO EFENDI

3/28/2012

Aksioma Peluang
Aksioma merupakan bukti diri yang secara umum telah diterima
kebenarannya. Terdapat tiga aksioma dasar dalam semua
penghitungan peluang yang akan disarikan disini yang berhubungan
dengan ruang contoh S dan kejadian A dan B. Notasi untuk
menyatakan peluang digunakan P( ).
1.
2.
3.

EKO EFENDI

Ketidaknegatifan. Setiap kejadian memiliki peluang yang tidak negatif.

P(A) 0.
Kepastian. Peluang ruang contoh adalah 1. P(S) = 1.
Gabungan. Peluang gabungan dari dua kejadian yang saling lepas adalah
jumlah peluang dari tiap kejadian. P(AB) = P(A)+P(B) jika AB=.

10

3/28/2012

3/28/2012

Penentuan Peluang:
Metode Klasik / a priori

Metode Klasik atau A Priori. Jika diketahui

bahwa kejadian A dapat muncul dalam m
cara dan total seluruh kemungkinan kejadian
adalah n, maka peluang sebenarnya kejadian A
dinotasikan dengan
P( A)

banyaknya cara A m

total semua cara

n

Bisa ditentukan tanpa harus melakukan percobaan

atau menggunakan catatan masa lalu

EKO EFENDI

11

3/28/2012

Penentuan Peluang:
Metode Frekuensi / a posteriori
Metode Frekuensi atau A Posteriori. Jika kejadian serupa A mun
cul m kali dalam total percobaan n, maka peluang pengamata
n A dapat dinyatakan dengan

P( A)

banyaknya A muncul m

total percobaan
n

Ditentukan dengan melakukan percobaan atau

menggunakan catatan masa lalu
EKO EFENDI

12

3/28/2012

3/28/2012

Beberapa Peluang Peubah Diskrit

Nama Peubah
Diskrit

Notasi dan Parameter

P(X=x) dan x
dimana P(X=x)
terdefinisi

2X

Seragam

X ~ SD(N)

1/N
x=1,2,3,,N

(N+1)/2

(N2-1)/ 12

Bernouli

X ~ Bin(1,p)
0<p<1 q=1-p

pxq1-x
x=0,1

Pq

Binomial

X ~ Bin(n,p)
0<p<1 q=1-p

x=0,1,2,,n

Np

Npq

Geometrik

X ~ Geo(p)
0<p<1 q=1-p

pqx-1
x=1,2,

1/p

q/p2

Negatif
Binomial

X ~ NB(r,p)
0<p<1 q=1-p
r=1,2,3,

x=r,r+1,r+2,

r/p

rq/p2

Hipergeometrik

X ~ Hyp(n,M,N)
n=1,2,,N
M=0,1,2,,N

x=0,1,2,,n

NM/N

n(M/N)(1-M/N)
*((N-n)/(N-1))

Poisson

X ~ Poi()
>0

x=0,1,2,

EKO EFENDI

13

3/28/2012

Beberapa Peluang Peubah Kontinu

Nama Peubah
Kontinu

Notasi dan
Parameter

Seragam

X ~ SK(a,b)
a<b

Normal

X ~ N(,2)
2 > 0

Gamma

X ~ Gam(,)
0< 0<

Eksponensial

fX(x) dan x dimana fungsi

terdefinisi*

(a+b)/2

(b-a)2/12

0<x

X ~ Exp()
0<

0<x

Eksponensial
2-Parameter

X ~ Exp(,)

< x

Eksponensial
Ganda

X ~ EG(,)

22

Weibul

X ~ Wei(,)

0<x

(1+1/
)

2[(1+2/)2(1+1/)]

Pareto

X ~ Par(,)

0<x

/(-1)
>1

(2) /
((-2)(-1)2)
>2

Beta

X ~ Beta(a,b)
0<a 0<b

0<x<1

EKO EFENDI

1/(b-a)
a<x<b

2X

14

3/28/2012

3/28/2012

Beberapa aturan peluang

EKO EFENDI

Nilai peluang adalah antara 0 dan 1

0P1
P(E) = 0 peristiwa E pasti tidak terjadi
P(E) = 1 peristiwa E pasti terjadi
Jika E menyatakan bukan peristiwa E
P(E) = 1 P(E)
P(E) + P(E) = 1

15

3/28/2012

Beberapa hubungan dalam peluang.

1.Jika K buah peristiwa saling eksklusif (E1, E2, Ek) Peluang

terjadinya E1 atau E2 atau . Ek adalah jumlah peluang
masing-masing peristiwa.
P(Etot) = P(E1) + P(E2) + P(Ek)
2. Peluang terjadinya E1 dan E2 dan Ek adalah
P(Etot) = P(E1) - P(E2) P(Ek)

EKO EFENDI

16

3/28/2012

3/28/2012

3. Dua peristiwa dikatakan mempunyai hubungan bersyarat

jika peristiwa yang satu menjadi syarat peristiwa yang lain.

4. Hubungan inklusif dua peristiwa (A,B) berlaku

hubungan atau A atau B atau keduanya terjadi.
P(A dan atau B) = P(A) + P(B) P (A dan B)
EKO EFENDI

17

3/28/2012

Kaidah Penjumlahan dalam peluang

Dalil 1 :
Bila A dan B adalah dua kejadian
sembarang maka :
P (A U B) = P(A) + P(B) P(A B).
Bila A dan B saling eksklusif
P (A U B) = P(A) + P(B)
Umumnya
Bila A1, A2, A3, . Saling eksklusif maka
P(A1 U A2 U A3 U U Ak) = P(A1) + P(A2) +
+ P(Ak).
EKO EFENDI

18

3/28/2012

3/28/2012

Dalil 2 :
Bila A dan A adalah dua kejadian yang satu merupakan
komplemen lainnya maka
P(A) + P(A) = 1

EKO EFENDI

19

3/28/2012

Contoh :
1. Peluang seorang mahasiswa lulus matematika adalah 2/3 dan
peluang ia lulus statistik dasar adalah 4/9. Bila peluang lulus
sekurang-kurangnya satu mata kuliah adalah 4/5, berapa peluang
ia lulus kedua mata kuliah tersebut ?
Jawab :
M = lulus matematika
D = lulus statistik dasar
M U D = lulus matematika atau statistik dasar (minimal satu)
M D = lulus kedua mata kuliah
Jadi berdasarkan dalil 1 :
P(M D ) = P(M) + P(D) P(M U D)

EKO EFENDI

20

3/28/2012

10

3/28/2012

PELUANG BERSYARAT

Contoh :
Perhatikan eksperimen pelemparan dadu
B = kejadian munculnya bilangan kuadrat murni
A = bilangan yang muncul lebih dari 3
EKO EFENDI

21

3/28/2012

S = {1, 2, 3, 4, 5, 6}
Jika dadu dibuat sedemikian hingga peluang
muncul bilangan genap dua kali lebih besar dari
bilangan ganjil
P(1) = 1/9 P(2) = 2/9
P(3) = 1/9 P(4) = 2/9
P(5) = 1/9 P(6) = 2/9
P(A) = 5/9
P(A B) = 2/9
EKO EFENDI

22

3/28/2012

11

3/28/2012

EKO EFENDI

23

3/28/2012

Kejadian Bebas
Jika A adalah suatu kejadian, maka adanya keterangan
tentang suatu kejadian lain, misal kejadian B, dapat
memperkecil atau memperbesar atau tidak mengubah
besarnya peluang kejadian A.
Jika besarnya peluang kejadian A tidak berubah karena
adanya keterangan bahwa kejadian B telah terjadi, maka A
dan B adalah dua kejadian yang saling bebas

EKO EFENDI

24

3/28/2012

12

3/28/2012

Definisi Kejadian Saling Bebas :

Kejadian A dan B disebut dua kejadian yang saling bebas
jika dan hanya jika P(A B) = P(A) P(B)
Example:
A ball is drawn at random from a box containing 6 red balls, 4
white balls, and 5 blue balls.
Determine the probability that the ball drawn is (a) red, (b)
white, (c) blue, (d) not red, and
(e) red or white.

EKO EFENDI

25

3/28/2012

EKO EFENDI

26

3/28/2012

13

3/28/2012

Three balls are drawn successively from the box of

above. Find the probability that they are drawn in
the order red, white, and blue if each ball is (a)
replaced and (b)not replaced.

EKO EFENDI

27

3/28/2012

Jika kejadian A dan B bebas, maka kejadian bersyaratnya

tidak merubah nilai peluang

EKO EFENDI

28

3/28/2012

14

3/28/2012

KAIDAH PENGGANDAAN
a). Bila dalam suatu percobaan kejadian A dan B
keduanya dapat terjadi sekaligus maka
P(A I B) = P(A) . P(BA)

b). Bila dua kejadian saling bebas maka

P(A I B) = P(A) . P(B) secara umum;

EKO EFENDI

29

3/28/2012

Contoh :
Sebuah uang logam tak seimbang sehingga
peluang
muncul sisi gambar dua kali lebih besar dari sisi angka. Bila
uang itu dilemparkan 3 kali, berapa peluang
mendapatkan dua sisi angka dan satu sisi gambar ?
B = kejadian mendapat dua sisi angka & satu sisi gambar.
= {AAG, AGA, GAA}

EKO EFENDI

30

3/28/2012

15

3/28/2012

Latihan :
1. Populasi sarjana dalam suatu kota dikategorikan menurut jenis kelamin dan
status pekerjaan.

Berapa peluang seorang laki-laki yang telah bekerja untuk menjadi duta
dalam pertemuan nasional ?
2. Peluang seorang dokter mendiagnosis penyakit secara benar adalah 0,7.
Bila diketahui dokter tersebut salah mendiagnosis, pasien akan menuntut ke
pengadilan adalah 0,9. Berapa peluang dokter salah mendiagnosis dan pasien
menuntut ke pengadilan ?

EKO EFENDI

31

3/28/2012

Jawaban
1. M = yang terpilih laki-laki
E = yang terpilih telah bekerja

EKO EFENDI

32

3/28/2012

16

3/28/2012

2. A = Diagnosis benar
B = Diagnosis salah
C = Pasien menuntut kepengadilan

Maka

EKO EFENDI

33

3/28/2012

KAIDAH BAYES
Lihat kembali soal latihan no 1.
Jika ada tambahan informasi bahwa 36 orang yang
bekerja menjadi anggota Rotary Club dan 12 orang
yang menganggur menjadi anggota Rotary Club.
Berapa peluang kejadian A = yang terpilih menjadi
duta adalah anggota Rotary Club.

EKO EFENDI

34

3/28/2012

17

3/28/2012

EKO EFENDI

35

3/28/2012

36

3/28/2012

Jadi

EKO EFENDI

18

3/28/2012

Dalam diagram pohon dapat digambarkan sebagai berikut :

Generalisasi dari kasus diatas dinyatakan dalam kaidah eliminasi atau

dalil peluang total berikut :
Bila kejadian-kejadian B1, B2, 0 untuk I = 1, 2, k, maka untuk
sembarang kejadian A yang merupakan himpunan bagian S berlaku :

EKO EFENDI

37

3/28/2012

Contoh :
Tiga mahasiswa telah dicalonkan menjadi ketua HMJ. Peluang Adam, Brown dan
Cony terpilih masing-masing 0,3; 0,5 ; 0,2. Seandainya Adam terpilih peluang kas
himpunan bertambah adalah 0,8. Jika Brown atau Cony terpilih, peluang
tambahnya kas adalah 0,1 dan 0,4. Berapa peluang kas HMJ bertambah ?
Jawab :
A = kas HMJ bertambah
B1 = Adam terpilih
B2 = Brown terpilih
B3 = Cony terpilih
EKO EFENDI

38

3/28/2012

19

3/28/2012

Dengan menerapkan kaidah eliminasi

Kaidah Bayes
Jika kejadian-kejadian B1, B2, B3, Bk merupakan sekatan dari ruang contoh S
dengan P(Bi) 0 untuk i = 1, 2, 3, ,k maka untuk sembarang kejadian A yang
bersifat P(A) 0

EKO EFENDI

39

3/28/2012

Contoh :
Dari contoh kaidah eliminasi, jika ternyata sebelum pemilikan kas HMJ sudah
bertambah, berapa peluang Cony terpilih menjadi ketua HMJ ?
Jawab :
Dengan menggunakan kaidah Bayes

EKO EFENDI

40

3/28/2012

20