2.

3 DUA MODEL PENCACAHAN

2.3.1 Model Sampel Pencacahan
Tujuan dari bagian ini adalah menunjukkan bagaimana kita mereduksi pertanyaan
kombinatorian yang masih umum.
Misal pada suatu himpunan dengan n objek berbeda {x1, x2, , xn} kemudian kita
mengambil sampel r objek. Dalam berapa cara hal ini dapat dilakukan? Masalah tersebut
tidak secara lengkap spesifik. Pernyataan mengambil sampel masih ambigu
i. Apakah penting untuk memperhatikan urutan pada sampel yang kita ambil? Contohnya,
jika r = 2, apakah pertimbangan kita dalam pengambilan x1 kemudian x2 berbeda
dengan pengambilan x2 kemudian x1?
ii. Apakah dibolehkan pengulangan pada objek-objek yang diambil? Contoh, jika r = 2,
apakah dibolehkan mengambil sampel yang terdiri dari dua x1?
Karena tiap pertanyaan memiliki dua jawaban, aturan perkalian mengatakan masalah
sebenarnya adalah terbagi menjadi empat, dapat direpresentasikan sebagai berikut
1. Berapa sampel-sampel yang ada jika penting memperhatikan urutan dan pengulangan
dibolehkan?
2. Berapa sampel-sampel yang ada jika penting memperhatikan urutan dan pengulangan
tidak dibolehkan?
3. Berapa sampel-sampel yang ada jika tidak penting memperhatikan urutan dan
pengulangan dibolehkan?
4. Berapa sampel-sampel yang ada jika tidak penting memperhatikan urutan dan
pengulangan tidak dibolehkan?

Jika memperhatikan urutan penting maka kita mengatakan bahwa sampel kita disebut
arrangements. Jika memperhatikan urutan tidak penting maka kita mengatakan bahwa
sampel kita disebut selections.

Contoh 2.3.1
Kita mengambil dua objek dari {x1, x2, x3}; itu berarti n = 3 dan r = 2. Gambar 2-4
mengilustrasi empat masalah berbeda dan solusinya. Perhatikan gambar 2-4!
Pengulangan Tanpa pengulangan
x1 x1
x1 x2
x1 x2
x1 x3
x1 x3
x2 x1
Arrangement x2 x1
x2 x2 r-barisan r-permutasi
x2 x3
x2 x3
x3 x1
x3 x1
x3 x2
x3 x2
x3 x3
{x1 x1}
{x1 x2}
{x1 x2}
{x1 x3}
Selection r-multiset {x1 x3} r-combinasi
{x2 x2}
{x2 x3}
{x2 x3}
{x3 x3}

GAMBAR 2-4

0-combination dapat dipandang sebagai himpunan kosong. Karena hanya ada tepat satu
himpunan kosong, maka kita katakan bahwa ada tepat satu 0-combination. Para
matematikawan jua mengatakan bahwa ada tepat satu 0-sequence, tepat satu 0-permutation,
dan tepat satu 0-multiset

Proposisi 2-1. Banyaknya bilangan r-sequences dari n objek adalah nr.

Bukti. Jika r = 0 maka nr = 1, sesuai dengan kesepakatan bahwa ada tepat satu 0-sequence.
Untuk r 1 pada pemilihan pertama kita dapat memilih n pilihan, pada pemilihan kedua
juga dapat memilih n pilihan dan seterusnya. Sehingga aturan perkalian mengatakan bahwa
konstruksi ini dapat ditunjukkan dalam nr cara.

Proposisi 2-2. Banyaknya r-permutation dari n objek adalah n(n-1)(n-2)(n-r+1).

Kita menotasikan ekspresi tersebut dengan P(n,r). jika r = 0 maka P(n,r) adalah hasil kali
kosong, yaitu satu menurut definisi.
Bukti. Jika r = 0, maka P(n,r) = 1 sesuai dengan kesepakatan bahwa ada tepat satu 0-
permutation. Jika r>n maka P(n,r) = 0 setuju dengan fakta bahwa tidak ada cara mengambil r
objek berbeda dari n<r objek. Jika 1rn maka pada pilihan pertama kita dapat memilih
sebanyak n objek, pada pilihan kedua kita dapat memilih sebanyak n-1 objek, dan begitu
seterusnya sampai pada pilihan ke r kita dapat memilih n-(r+1) objek. Oleh sebab itu aturan
perkalian mengatakan bahwa konstruksi ini dapat ditunjukkan dalam n(n-1)(n-2)(n-r+1)
cara.
Ketika r = n maka kita memiliki n-permutation yaitu n(n-1)(n-2)1. Bentuk ini diberi
nama khusus yaitu n! dibaca n factorial. Contoh, 6 orang dapat diurutkan dalam 6! =
6x5x4x3x2x1 = 720 cara. Kita mendefinisikan 0! = 1 sehingga n = n(n-1)! Untuk n1.
Perhatikan bahwa definisi P(n,r) = n(n-1)(n-r+1) dapat diterapkan pada sembarang
bilangan real n dan bilangan asli r (meskipun kita hanya memiliki suatu interpretasi fisik
untuk bilangan asli n dan r). cotoh, P(-1,0) = 1 dan P(2,3) = 0

Proposisi 2-3. Banyaknya r-combination from n objek adalah P(n,r)/r!.

n
Kita mendefinisikan bentuk terakhir dengan C(n,r) atau . C(n,r) disebut suatu koefisien
r
binomial.
Bukti. Jika r>n maka C(n,r) = 0 setuju dengan fakta bahwa tidak ada r-kombinasi ketika
r>n. dalam r-permutasi terdapat r! arrangement untuk setiap r-combinasi karena r element
pada kombinasi dapat diurutkan dalam r! cara. Untuk mengimbangi, rumus P(n,r) harus
dibagi r!, dan berakibat terdapat P(n,r)/r! r-kombinasi dari n objek.
n n( n 1)( n 2)...(n r 1)
Perhatikan bahwa definisi C(n,r) = = dapat diterapkan
r
r!
pada sembarang bilangan real n dan bilangan asil r (meskipun kita hanya memiliki
interpretasi fisik untuk bilangan asli n dan r). contoh, C(-1,0) = 1 dan C(2,3) = 0

n 1 r
Proposisi 2-4. Banyaknya bilangan r-multiset dari n objek adalah
r
Bukti. Jika n = 0 dan r = 0 maka C(n-1+r,r) = C(-1,0) = 1. Sesuai dengan kesepakatan kita
bahwa ada tepat satu 0-multiset. Jika n = 0 dan r>0 maka C(n-1+r,r) = 0, sesuai dengan
fakta bahwa tidak mungkin memilih suatu assortment r>0 objek dari n=0 objek. Ini
mengingatkan kasus n>0. Kita dapat berfikir dari sebuah r-multiset pada teorema dari menu.
Menu yang kita punya n kolom x1, x2, , xn. Untuk membangun multiset, kita tempatkan x
bintang pada kolom. Karena pengulangan diperbolehkan, kita mungkin menempatkan lebih
dari satu bintang pada satu kolom. Karena tidak memperhatikan urutan, bintang identik.
Contohnya, jika n=2 dan r=4, maka menu korespondensi multiset terdiri dari tiga x1 dan
satu x2 yang ditunjukkan pada gambar 2.5 (a). sebaliknya, korespondensi multiset pada
menu diberikan pada gambar 2.5 (b) terdiri dari empat x2
 x1 x2 x1 x2 x3
*** * **** *
(a) (c)

x1 x2
**** *
****
(b) (d)

Gambar 2.5
Dengan jelas, ada korespondensi satu-satu antara menu-menu yang memuat r bintang
dan pengumpulan dari r-multiset, dan karenanya masalah kita dikurangi untuk menjelaskan
bilangan dari masing-masing menu. Jika kita menggunakan ketentuan yang ada pada kolom
pertama untuk x1, kedua untuk x2 dan selanjutnya, maka kita dapat mengeliminasi label
kolom dan garis. Contohnya, menu yang diberikan pada gambar 2.5(c) menunjukkan
penyusunan bintang dan ruang kolom yang diberikan pada gambar 2.5(d).
Karena kita membutuhkan n-1 kolom pada bentuk n kolom dan r bintang untuk
menotasikan r objek, masalah yang telah direduksi untuk menentukan bilangan yang disusun
atau r bintang yang identik dan n-1 ruang yang identik. Bayangkan baris dari ruangan n-1+r.
kita dapat menempatkan dalam dua tingkat; pertama kita tempatkan bintang; kemudian
tempat. Bintang yang identik pada tempat yang sama untuk mengambil r ruang yang akan
ditempatkan. Dengan pernyataan sebelumnya, ini dapat dilakukan dengan C(n-1+r,r) cara.
Sekarang ruang yang identik pada penempatan yang sama untuk mengambil n-1 ruang yang
akan ditempati. Tetapi pada tingkatan yang kedua hanya ada n-1 ruang yang tersisa, dan
hanya ada satu cara untuk memilih ruang tersebut. Dengan aturan hasil kali, ada C(n-1+r,r)
1 cara untuk menyusun r bintang dan n-1 ruang, maka C(n-1+r,r) menu dengan r bintang dan
n kolom, dan karenanya C(n-1+r,r) r-multiset dari n objek.
n n
Proposisi 2-5.
r
n r

Bukti. Misal kita memilih r objek dari n objek untuk dipakai akan sama dengan memilih n-r
objek untuk tidak dipakai

Contoh 2.3.2
Problem. Berapa banyak arrangements satu set 52 kartu?
Solusi. P(52,52) = 52!~7,96x1067
 Contoh 2.3.3
Problem. Berapa banyak keluaran yang mungkin dalam pengetosan tiga dadu berbeda?
Solusi. 63 = 216

Contoh 2.3.4
Problem. Mengingat bahwa suatu domino merupakan balok kayu yang memuat dua muka.
Tiap-tiap muka memuat nol sampai enam titik. Berapa banyak domino berbeda?
Solusi. Karena pengurutan muka tidak penting, kita mengkonstruksi suatu domino dengan
memilih dua muka, dimana ada 7 kemungkinan nilai dari tiap tiap wajah dan kedua muka
mungkin memiliki nilai yang sama. Jadi ada C(7-1+2,2). (termasuk multiset karena urutan
tidak penting dan pengulangan dibolehkan.)

Contoh 2.3.5
Problem. Berapa banyak subsets tiga anggota dari {a, b, c, d, e}?
Solusi. C(5,3) = 10

Contoh 2.3.6
Problem. Berapa banyak lima kartu terambil dari satu set kartu?
Solusi. C(52,5) = 2.598.960

Contoh 2.3.7
Problem. Apa probabilitas dalam pengetosan tiga dadu berbeda yang jumlahnya 4?
Solusi. Tiga keluaran yang berjumlah 4; 1,1,2;1,2,1;2,1,1. Keluaran dari pengetosan tiga
dadu berbeda adalah 216 (contoh 2.3.3) Jadi probabilitasnya 3/216

2.3.2 Model Distribusi Pencacahan

Misal kita memiliki r bola yang dapat didistribusikan pada n cells berbeda. Dalam
berapa cara hal ini dapat dilakukan? Problem distribusi ini juga dikenal sebagai problem
pemilikan atau problem alokasi. Problem ini belum secara lengkap dikhususkan.
i. Apakah kita mempertimbangkan bola-bola tersebut berbeda atau identik?
ii. Apakah kita membolehkan sembarang banyak bola per cell (nonexclusive occupancy)
atau paling banyak satu bola tiap cell (exclusive occupancy).
Karena setiap pertanyaan terdapat dua jawaban, aturan perkalian mengatakan bahwa
problem sebenarnya ada 4 problem berbeda.
1. Berapa banyak cara mendistribusi r bola berbeda dalam n cell berbeda dengan
sembarang banyak bola pada setiap cell?
2. Berapa banyak cara mendistribusi r bola berbeda ke dalam n cell berbeda dengan paling
banyak satu bola setiap cell
3. Berapa banyak cara mendistribusi r bola identik dalam n cell berbeda dengan paling
banyak satu bola pada setiap cell?
4. Berapa banyak cara mendistribusi r bola identik dalam n cell berbeda dengan sembarang
banyak bola pada setiap cell?
Contoh 2.3.8
Gambar 2-6 mengilustrasikan empat masalah berbeda dan solusinya untuk kasus n=3 dan
r=2

NONEXCLUSIVE EXCLUSIVE
OCCUPANCY OCCUPANCY

b1b2 b1 b2

b1 b2 b1 b2

b1 b2 b2 b1

b2 b1 b1 b2
BOLA
BERBEDA b1b2 b2 b1

b1 b2 b2 b1

b2 b1

b2 b1

b1b2

bb b b

b b b b

b b b b
BOLA bb
IDENTIK
b b

bb
Proposisi 2-6. Terdapat nr cara mendistribusi r bola berbeda ke dalam n cell berbeda dengan
sembarang banyak bola per cell.

Proposisi 2-7. Terdapat P(n,r) cara mendistribusi r bola berbeda ke dalam n cell berbeda
dengan paling banyak satu bola per cell.

n
Proposisi 2-8. Terdapat cara mendistribusi r bola identik ke dalam n cell berbeda
r

dengan paling banyak satu bola per cell.

n 1 r
Proposisi 2-9. Terdapat cara mendistribusi r bola identik ke dalam n cell berbeda
r
dengan sembarang banyak bola per cell.

Contoh 2.3.9
Problem. Nyatakan versi distribusi yang equivalen dengan berikut; urutan dua A identik, tiga
B identik dan empat C identik
Solusi. Satu jawaban adalah mendistribusi 9 bola pada 3 cell berbeda dengan tepat dua bola
dalam cell pertama, tiga bola dalam cell kedua dan empat bola dalam cell ketiga.
Kemungkinan yang lain adalah mendistribusi dua bola A yang identik, tiga bola B yang
identik dan empat bola C yang identik ke dalam 9 cell berbeda dengan tepat satu bola pada
tiap cell.

Contoh 2.3.10
Problem. Apa probabilitas yang tepat satu cell adalah kosong jika 10 bola identik didistribusi
secara acak ke dalam lima cell berbeda?
Solusi. Terdapat C(5-1+10,10) cara mendisribusi 10 bola identik ke dalam 5 cell berbeda
dengan sembarang banyak bola per cell. Kemudian kita menentukan banyak cara
mendistribusi 10 bola identik ke dalam lima cell berbeda dengan tepat satu cell kosong. Kita
menyusun konstruksi distribusi tersebut ke dalam tiga stage. Pertama kita pilih satu cell
kosong dalam C(5,1) cara. Selanjutnya kita pastikan bahwa empat cell yang tersisa tidak
kosong dengan ditempati satu bola tiap cell. Karena bola-bola tersebut identik, hal itu dapat
dilakukan dalam tepat satu cara. Akhirnya, kita mendistribusi enam bola identik yang tersisa
ke dalam empat cell berbeda dengan sembarang banyak bola percell dalam C(4-1+6,6).
Dengan aturan perkalian, ada 5x1x C(4-1+6,6) cara mendistribusi sepuluh bola identik ke
dalam lima cell berbeda dengan repat satu cell kosong, sehingga probabilitasnya adalah
5x1x C(4-1+6,6)/ C(5-1+10,10) = 5x84/1001 = 0,419

Contoh 2.3.11 Dunia Nyata

Problem. Mengenai sebuah system dunia nyata dimana partikel r sudah di distribusikan
diantara n pernyataan yang berbeda. Sebuah konfigurasi didalam system yang diberikan
distribusi partikel-partikel diantara pernyataan yang beragam. Contohnya, partikel atom atau
molekul dari gas ideal yang temperaturnya sudah ditentukan dan pernyataan yang mungkin
menjadikan tingkatan enegri yang istimewa. Untuk contoh lain, mungkin partikel dari
electron dan memungkinkan untuk menjadi energy atom. Contoh sebelumnya mungkin
partikel-partikel proton yang menyatakan tingkat energy. Berapa banyak system
konfigurasinya?
Diskusi. Seperti yang telah dinyatakan, masalah tidak ditempatkan karena kita tidak tahu
bagaimana mempertimbangkan partikel-partikel menjadi indentik atau beda, dan apakah
dapatkan lebih dari satu pertikel yang sudah ada. Jangan biarkan ada dua pengertian yang
berbeda dari bahasa inggris yang digaris bawahi dengan konsep matematika. Ini adalah cara
yang baik untuk mempertimbangkan perbedaan masalah yang belum jelas. Tujuan utama
dari materi ini untuk mempelajari bagaimana spesifikasi (kombinatorika) yang tepat.
Seperti yang telah kita tahu ada 4 kemungkinan jawaban yang tergantung pada apakah
konfigurasi sebagai barisan, permutasi, kombinasi, atau multiset. Secara pemahaman
memiliki kekhususan tiga dari kemungkinan yang ada.
Jika jika pertikel berbeda dan beberapa bilangan dari partikel memungkinkan
diberikan pernyataan, maka ada nr konfigurasi. System yang memenuhi asumsi ini dikatakan
jelas oleh Maxwell-Boltzmann statistics, dan hubungan ini untuk melihat konfigurasi
barisan.
Jika jika pertikel identik dan beberapa bilangan dari partikel memungkinkan diberikan

n 1 r
pernyataan, maka ada konfigurasi. System yang memenuhi asumsi ini dikatakan

r
jelas oleh Bose-Einstein Statistics, dan hubungan ini untuk melihat konfigurasi multiset.
 Jika jika pertikel berbeda dan paling banyak satu bilangan dari partikel memungkinkan

n
diberikan pernyataan, maka ada konfigurasi. System yang memenuhi asumsi ini

r
dikatakan jelas oleh Fermi-Dirac Statistics, dan hubungan ini untuk melihat konfigurasi
kombinasi.
Perhatikan bahwa pemahaman untuk tida memberikan nama pada situasi yang
dijelaskan dengan permutasi. Kadang-kadang ini mempermudah untuk melihat asumsi yang
akan dibuat, tetapi penting untuk menyatakan bahwa tidak boleh ada pernyataan utama
dalam menentukan salah satu asumsi diatas asumsi yang lain. Pilihan yang benar yang
diberikan pada situasi dunia nyata mungkin tergantung pada korespondensi asumsi pada
pengetahuan empiric. Contohnya atom-atom atau molekul-molekul gas yang ideal pada suhu
tertentu dijelaskan baik oleh Maxwell-Boltzmann statistics, distribusi proton menuju tingkat
energy diperbolehkan oleh Bose-Einstein Statistics, dan distribusi electron untuk tingkatan
energy dijelaskan oleh Fermi-Dirac Statistics.
Didalam dunia nyata pemiliha masalah yang diberikan pada siswa harus masuk akal
diantara alternative-alternatif yang lain. Jika tidak punya pilihan yang pas, memungkinkan,
terutama pada penjelasan setiap asumsi yang sedang di buat.