STKIP – SURYA
KOMPETENSI DASAR
1. Mahasiswa memahami dan menguasai materi tentang ruang sampel dan kejadian, prinsip perkalian (aturan dasar menghitung titik sampel), memahami dan
menerapkan permutasi dan kombinasi suatu kejadian, peluang kejadian dan teorema Bayes, variable random dan distribusi peluang serta Ekspektasi dan
Variansi.
Perkuliahan ini akan membahas tentang materi ruang sampel dan kejadian, kemudian menghitung titik sampel, peluang dan teorema Bayes, mempelajari juga
variable random dan distribusi peluang diskrit (seragam, binomial, poisson), distribusi kontinu (normal) serta Ekspektasi dan Variansi dan mengkaitkan teori
yang dipelajari dengan contoh nyata (kehidupan sehari-hari).
REFERENSI
PEDOMAN PENILAIAN
Penilaian meliputi:
1. Nilai Tugas = 30%
Revisi-1 Pengantar Probabilitas dan Teori Peluang |4
2. Nilai Ujian Tengah Semester (UTS) = 30%
3. Nilai Ujian Akhir Semester (UAS) = 40%
Nilai akhir dihitung dengan menggunakan rumus:
Mengetahui Menyetujui
Oleh
Wiwik Wiyanti, M.Sc
NUP.
0
Pertemuan 1
A. Ruang Sampel
wasit biasanya mengundi dahulu dengan menggunakan misalkan saja mata uang
(koin) untuk menentukan tim mana yang akan memainkan bola (Shutlecock)
terlebih dahulu. Nah, dari pelemparan koin tersebut Anda apakah bisa
menentukan secara pasti yang keluar pertama kali adalah Gambar? Atau pasti
Angka? Tentu saja jawabannya adalah tidak. Kita tidak bisa memastikannya
(secara pasti) menjawab Angka yang muncul dahulu atau Gambar yang muncul
terlebih dahulu.
Demikian halnya apabila kita mengambil sebuah kartu remi dari kumpulan
satu kartu remi. Maka kita tidak dapat memastikan secara pasti yang akan kita
dadu, mengambil kelereng dalam kotak adalah contoh dari kegiatan yang
kira-kira apa saja yang mungkin terjadi? Kemungkinan muncul Gambar atau
misalkan pada contoh pelemparan satu koin adalah {𝐴𝑛𝑔𝑘𝑎, 𝐺𝑎𝑚𝑏𝑎𝑟} dan ini
1
Nah, sekarang kalau anda melempar satu buah dadu, apa saja yang mungkin
Definisi 1.1
Himpunan dari semua hasil yang mungkin terjadi pada suatu percobaan
Contoh 1.1.
Contoh 1.2
Keterangan:
2
𝐺𝐺 = koin pertama muncul Gambar, koin kedua muncul Gambar
Latihan 1.1
Carilah Ruang Sampel, Titik Sampel dan banyaknya titik Sampel apabila,
B. Kejadian
Definisi 1.2
Contoh :
Kejadian {1}, {4}, {5} merupakan kejadian sederhana
dari eksperimen melempar sebuah dadu.
Contoh :
3
Tabel 1.1
Himpunan Kejadian
Semesta 𝑆 Ruang Sampel 𝑆
Anggota himpunan Titik Sampel
Himpunan bagian A Kejadian A
Himpunan bagian yang hanya Kejadian Sederhana
memiliki satu Anggota
Himpunan bagian yang hanya Kejadian Majemuk
memiliki lebih dari satu anggota
Latihan 1.2.
himpunan.
a. Ruang sampel.
himpunan.
b.2. kejadian munculnya sembarang sisi mata uang dan mata dadu
ganjil.
4
C. Hubungan Antara Kejadian Satu dengan yang Lain.
biasanya bersifat:
Hubungan yang saling asing atau saling meniadakan, artinya apabila ada
suatu peristiwa yang sedang terjadi, tidak mungkin kejadian lain juga
terjadi.
Contoh 1.3.
tidak.
Contoh 1.4.
5
3) Conditional (Bersyarat)
Contoh 1.5.
Senadainya lampu rumah kita rusak, maka apakah lampu akan menyala?
Meski diberi aliran listrik sekalipun tidak akan menyala jika lampunya
rusak.
4) Exhaustive (Terbatas)
Contoh 1.6.
Gambar.
6
D. Dua Kejadian Saling Lepas
Dua kejadian dikatakan saling lepas atau asing apabila dua kejadian itu
bersama-sama.
Contoh 1.7.
dan kejadian munculnya Gambar adalah dua kejadian yang saling lepas,
Contoh 1.8.
Contoh lain adalah melempar sebuah dadu, kejadian muncul mata dadu 1
dan kejadian muncul mata dadu 5 adalah contoh kejadian saling asing atau
lepas, alasannya adalah jika muncul mata dadu 1 maka mata dadu 5 tidak
himpunan 𝐴 dan 𝐵 dalam semesta 𝑆, kejadian saling lepas atau asing dapat
𝑆
𝐴 𝐵
Gambar 1.1. Diagram Venn dua kejadian saling lepas atau asing.
7
Dalam notasi himpunan, dua kejadian 𝐴 dan 𝐵 disebut saling lepas jika
𝐴 ⋂ 𝐵 = ∅.
Pada contoh 1.4. apabila 𝐴 adalah kejadian muncul mata dadu 1 dan 𝐵
adalah kejadian muncul mata dadu 5 maka 𝐴 = {1} dan 𝐵 = {5} sehingga
E. Operasi Kejadian.
Telah diketahui bahwa kejadian majemuk adalah suatu kejadian yang dapat
dapat pula dapat dibentuk dari dua kejadian majemuk yang lain.
Contoh 1.9.
maka 𝐴 = {2, 4, 6} dan 𝐵 munculnya mata dadu prima, maka 𝐵 = {2, 3, 5}.
sebagai berikut,
𝐴 ⋃ 𝐵 = {2, 3, 4, 5, 6}.
8
Jadi gabungan kejadian 𝐴 dan 𝐵 ditulis 𝐴 ⋃ 𝐵 yaitu himpunan titik
duanya.
𝐴 ⋂ 𝐵 = {2}.
prima.
c) Operasi Komplemen.
d) Operasi Selisih
𝐴 − 𝐵 = {𝑥|𝑥 ∈ 𝐴, 𝑥 ∉ 𝐵}
9
e) Perkalian dari dua buah kejadian.
𝐵 dapat ditulis
𝐴 × 𝐵 = {(𝑎, 𝑏)|𝑎 ∈ 𝐴, 𝑏 ∈ 𝐵}
1) Idempoten
𝐴⋂𝐴 = 𝐴
𝐴⋃𝐴 = 𝐴
2) Asosiatif
(𝐴 ⋂ 𝐵) ⋂ 𝐶 = 𝐴 ⋂ (𝐵 ⋂ 𝐶)
(𝐴 ⋃ 𝐵) ⋃ 𝐶 = 𝐴 ⋃ (𝐵 ⋃ 𝐶)
3) Komutatif
𝐴⋂𝐵 = 𝐵⋂𝐴
𝐴⋃𝐵 = 𝐵⋃𝐴
4) Distributif
𝐴 ⋃ (𝐵 ⋂ 𝐶) = (𝐴 ⋃ 𝐵) ⋂ (𝐴 ⋃ 𝐶)
𝐴 ⋂ (𝐵 ⋃ 𝐶) = (𝐴 ⋂ 𝐵) ⋃ (𝐴 ⋂ 𝐶)
5) Identitas
𝐴⋃∅ = 𝐴
𝐴⋃𝑆 = 𝑆
10
𝐴⋂∅ = ∅
𝐴⋂𝑆 = 𝐴
6) Komplemen
𝐴 ⋃ 𝐴𝑐 = 𝑆
𝐴 ⋂ 𝐴𝑐 = ∅
(𝐴𝑐 )𝑐 = 𝐴
𝑆𝑐 = ∅
7) De Morgan
𝑐
(𝐴 ⋃ 𝐵) = 𝐴𝑐 ⋂ 𝐵𝑐
𝑐
(𝐴 ⋂ 𝐵) = 𝐴𝑐 ⋃ 𝐵𝑐
8) Absorpsi
𝐴 ⋂ (𝐴 ⋃ 𝐵) = 𝐴
𝐴 ⋃ (𝐴 ⋂ 𝐵) = 𝐵
Bukti:
Diketahui 𝐴 ⊂ 𝐵 dan 𝐵 ⊂ 𝐶
Akan dibuktikan 𝐴 ⊂ 𝐶
11
𝐴 ⋂ (𝐵 ⋂ 𝐶) = 𝐴
⇔ (𝐴 ⋂ 𝐵) ⋂ 𝐶 = 𝐴 … … … … … (𝑠𝑖𝑓𝑎𝑡 𝑎𝑠𝑜𝑠𝑖𝑎𝑡𝑖𝑓)
⇔ 𝐴⋂𝐶 = 𝐴
Jadi 𝐴 ⊂ 𝐶 (terbukti)
Bukti:
(𝐷 − 𝐸) ⋂ (𝐷 ⋂ 𝐸) = (𝐷 ⋂ 𝐸 𝑐 ) ⋂ (𝐷 ⋂ 𝐸)
= (𝐷 ⋂ 𝐷) ⋂ (𝐸 𝑐 ⋂ 𝐸)
= 𝐷⋂∅
=∅
1) Terdapat dua buah dadu berwarna kuning dan merah yang setimbang yang
dicatat:
c) Tuliskan kejadian B yang muncul mata dadu 6 pada kedua sisi dadu
yang dilempar.
12
e) Buatlah diagram venn yang berhubungan dengan kejadian A, B, C dan
S.
2) Terdapat sebuah dadu dan sebuah mata uang logam yang setimbang
6.
𝐴 ⋂ 𝐵 ⋂ 𝐶 ⋂ 𝐷.
3) Terdapat dua orang pria dan dua orang wanita yang dipilih secara acak
adalah pria.
wanita.
13
f) Tulislah himpunan 𝐴 ⋂ 𝐵 , 𝐴 ⋂ 𝐶 , 𝐴 ⋂ 𝐷 , 𝐵 ⋂ 𝐶 , 𝐵 ⋂ 𝐷 , 𝐶 ⋂ 𝐷, 𝐴 ⋂ 𝐵 ⋂ 𝐶,
𝐴⋂𝐵⋂𝐷,𝐵⋂𝐶⋂𝐷,𝐴⋂𝐵⋂𝐶⋂𝐷
4) Tiga uang logam dilempar sekali, tentuka ruang sampel dari percobaan
tersebut.
5) Diketahui ruang sampel 𝑆 = {−6, −5, −4, −3, −2, −1,0, 1,2,3,4,5,6} , 𝐴 =
a) 𝐴𝑐
b) 𝐵𝑐
c) 𝐶 𝑐
d) 𝐴 ⋂ 𝐴𝑐
e) 𝐴 ⋂ 𝐵𝑐
f) 𝐵 ⋂ 𝐴𝑐
g) 𝐴 ⋂ 𝐶 𝑐
h) 𝐵 ⋂ 𝐶 𝑐
i) (𝐴 ⋃ 𝐵) ⋂(𝐴 ⋃ 𝐵𝑐 )
j) (𝐵 ⋂ 𝐴𝑐 ) ⋃(𝐵 ⋂ 𝐶 𝑐 )
14
Pertemuan 2
A. Prinsip Perkalian
Contoh 2.1
Apabila dalam suatu pesta disediakan 3 jenis makanan misalkan saja (Bakso,
Soto dan Gulai Kambing) dan kemudian 2 jenis minuman misalkan (Jus Jeruk dan
Jus Jambu). Apabila setiap pengunjung pesta hanya diperbolehkan memilih 1 jenis
makanan dan 1 jenis minuman, maka semua pasangan makanan dan minuman yang
Jus Jeruk
Bakso
Jus Jambu
Jus Jeruk
Soto
Jus Jambu
Jus Jeruk
Gulai Kambing
Jus Jambu
15
2) Bakso – Jus Jambu
Dari gambar jelas ada 3 makanan yang dapat dipilih pengunjung dan 2
minuman yang dapat dipilih pengunjung, jadi banyaknya makanan dan minuman
Contoh 2.2
Misalkan dalam perebutan jabatan sebagai ketua kelas terdapat 2 calon yaitu
Bambang dan Namunek, sekertaris terdapat dua calon Atera dan Tommy, dan
bendahara terdapat dua calon yaitu Waingges dan Kilera. Berapa banyak
Jawab:
Jadi dari tabel diperoleh banyaknya cara untuk mengisi posisi ada 2 × 2 × 2 = 8
cara.
Dari contoh 1.1 dan contoh 1.2 dapat disimpulkan adanya suatu aturan yang disebut
16
Definisi 2.1
Apabila suatu kejadian pertama terjadi dengan 𝑛1 cara yang berbeda dan
kejadian kedua terjadi dengan 𝑛2 cara yang berbeda, kemudian kejadian ketiga
terjadi dengan 𝑛3 cara yang berbeda dan seterusnya, maka banyaknya kejadian
yang mungkin terjadi secara berturutan adalah sebanyak 𝑛1 × 𝑛2 × 𝑛3 × …
cara.
Latihan 2.1
pertama tidak boleh nol dan diakhiri dengan 2 huruf dengan huruf
2) Berapa banyak cara yang bisa dibuat dari 3 angka dari angka 1, 2, 3, 4, 5, 6,
7 di mana,
ketentuan,
17
Berapa banyaknya cara untuk menyusun dengan ketentuan di atas apabila,
a) **) pada kotak pertama tidak boleh nol dan boleh berulang.
b) **) pada kotak pertama tidak boleh nol, kotak ke-empat adalah angka 1
c) **) pada kotak pertama tidak boleh nol, dan angka dalam kotak tidak
boleh berulang.
d) **) pada kotak pertama tidak boleh nol, angka kedua harus 3 dan boleh
berulang.
e) **) pada kotak pertama tidak boleh nol, angka kedua harus 3 dan boleh
berulang.
5) Suatu plat kendaraan bermotor wilayah solo akan disusun sesuai ketentuan
sebagai berikut:
18
b) **) pada kotak pertama tidak boleh nol, kotak ke-empat adalah angka 1
c) **) pada kotak pertama tidak boleh nol, dan angka dalam kotak tidak
boleh berulang.
B. Notasi Faktorial
Definisi 2.2.
Contoh 2.3.
Nilai 4! adalah 4 × 3 × 2 × 1 = 24
Contoh 2.4
5!
Hitunglah 2!
Penyelesaian:
5 × 4 × 3 × 2 × 1 120
=
2×1 2
= 60
Contoh 2.4
a) 3
19
Penyelesaian:
3 × 2 × 1 3!
=
2×1 2!
b) 23
Penyelesaian:
23 × 22! 23!
=
22! 22!
Contoh 2.5
(𝑛+1)!
Sederhanakan (𝑛−1)!
Penyelesaian:
(𝑛 + 1)! (𝑛 + 1) × (𝑛 + 1 − 1) × (𝑛 + 1 − 1 − 1)!
=
(𝑛 − 1)! (𝑛 − 1)!
(𝑛 + 1) × 𝑛 × (𝑛 − 1)!
=
(𝑛 − 1)!
= (𝑛 + 1) × 𝑛
= 𝑛2 + 𝑛
Latihan 2.2.
1) Buktikan 0! = 1
2) Hitunglah!
a) 7!
b) 9!
c) 15!
12!
d) 5!
19!
e) 15!
20
101!
f) 99!
a) 23
b) 60
c) 20 × 21
1
d) 22×21
21
Pertemuan ke-3
PERMUTASI
A. PERMUTASI
Misalkan saja Jemmy ingin membagikan uang kepada 3 temannya yaitu Mince
(M), Yamowi (Y) dan Delphi (D). Agar tidak berebut maka ketiga temannya
harus antri satu per satu, berapa banyak antrian yang dapat terjadi?
Ternyata ada 6 susunan antrian yang mungkin terjadi. Perhatikan bahwa setiap
susunan urutannya diperhatikan semisal urutan pada MYD tidak sama dengan
Secara umum, Permutasi adalah susunan yang berurutan dari semua elemen
suatu himpunan.
22
Bagaimana jika banyaknya elemen pada himpunan adalah 𝑟 elemen yang diambil
dari 𝑛 elemen?
Penulisan permutasi dari 𝑟 elemen yang diambil dari 𝑛 elemen adalah 𝑃(𝑛, 𝑟)
Dengan notasi faktorial banyaknya permutasi dari 𝑟 elemen yang diambil dari 𝑛
𝑛!
(𝑛 − 1)!
Bukti:
(𝑛 − 𝑟)(𝑛 − 𝑟 − 1) … 3 ∙ 2 ∙ 1
= 𝑛(𝑛 − 1)(𝑛 − 2)(𝑛 − 3) … (𝑛 − 𝑟)(𝑛 − 𝑟 + 1)
(𝑛 − 𝑟)(𝑛 − 𝑟 − 1) … 3 ∙ 2 ∙ 1
𝑛!
= (𝑇𝑒𝑟𝑏𝑢𝑘𝑡𝑖)
(𝑛 − 𝑟)!
23
Contoh 3.1.
Penyelesaian:
4!
Atau dengan rumus 4𝑃4 = 0! = 4 ∙ 3 ∙ 2 ∙ 1 = 24 buah.
Contoh 3.2
Tentukan banyaknya cara kata yang dapat disusun dari kata “PINTAR” (tidak
Penyelesaian:
6! 6!
6𝑃6 = = = 6 ∙ 5 ∙ 4 ∙ 3 ∙ 2 ∙ 1 = 720 cara
(6−6)! 0!
Jadi banyaknya cara kata yang dapat disusun dari kata “PINTAR” ada 720
buah.
24
Contoh 3.3.
Dalam suatu ruangan disediakan 5 buah kursi yang masih kosong yang boleh
diduduki para peserta pemilihan kepala desa, jika ada 3 calon kepala desa yang
akan menduduki kursi tersebut, ada berapa cara calon kepala desa tersebut
Penyelesaian:
5! 5∙4∙3∙2!
Sehingga 𝑃35 = (5−3)! = 2!
= 5 ∙ 4 ∙ 3 = 60 cara
Contoh 3.4
Tentukan berapa banyak cara yang dapat disusun jika 7 lukisan yang berbeda
25
Penyelesaian:
Karena 1 lukisan berada di tengah-tengah, berarti sisa 6 lukisan lagi yang dapat
Jadi banyaknya cara yang dapat disusun dari 7 lukisan dengan 1 lukisan dengan
Contoh 3.5.
Dari contoh 3.4. berapa banyak cara yang dapat disusun apabila lukisan dengan
Penyelesaian:
tertentu, maka tinggal menyusun 4 lukisan lainnya, yaitu dengan 4𝑃4 =4∙3∙2∙
1 = 24 cara.
Latihan 3.1
panjang?
26
2) Berapa banyaknya urutan apabila 9 orang duduk berjajar pada bangku
4) Coba hitunglah banyaknya kata yang dapat disusun dari kata di bawah ini
a) MATEMATIKA
b) STKIP
c) SURYA
“PROBABILITAS” ?
6) Dari soal no 5) tentukan ada berapa kata yang diawali dengan huruf vocal?
7) Dari soal no 5) tentukan ada berapa kata yang diawali dan diakhiri dengan
huruf vocal?
8) Dari soal no 5) tentukan ada berapa kata yang diawali dengan huruf
konsonan?
9) Dari soal no 5) tentukan ada berapa kata yang diawali dan diakhiri dengan
huruf konsonan?
10) Dari soal no 5) ada berapa kata yang diawali dengan huruf S?
11) Dari soal no 5) ada berapa kata yang dapat diawali dengan huruf S dan
27
12) Dalam suatu kelas hitung berapa banyak cara 5 orang dapat duduk jika
a) 7 kursi kosong.
b) 10 kursi kosong.
13) Ada berapa banyak bilangan yang dibentuk dari angka 1000 sampai dengan
14) Jika pengulangan tidak diperbolehkan, berapa banyak angka genap dari
5.
a) 𝑃(4,2) = 𝑛
b) 𝑃(𝑛,3) = 60
c) 𝑃(6,𝑛) = 30
Contoh 3.5.
Tentukan semua permutasi yang berbeda yang dapat dibentuk dari huruf-huruf
dalam kata:
a. SAPI
b. SAPA
28
c. ASAA
Penyelesaian:
buah. Namun apabila huruf A tidak dibedakan, maka permutasi dari kata
Definisi 3.1
berjenis kedua, dan seterusnya sampai nk jenis ke k adalah 𝑃(𝑛,(𝑛1 ,𝑛2 ,…,𝑛𝑘 )) =
𝑛!
𝑛1 !𝑛2 !…𝑛𝑘 !
, di mana 𝑛1 + 𝑛2 + 𝑛3 + ⋯ + 𝑛𝑘 = 𝑛
29
Contoh 3.6
Ada berapa cara untuk menyusun kata (tidak harus punya arti) dari kata
“MATEMATIKA”?
Penyelesaian:
M=2
A=3
T=2
E=1
I=1
K=1
MATEMATIKA = 7
9! 9∙8∙7∙6∙5∙4∙3!
Jadi 𝑃(9,(2,3,2,1,1,1)) = 2!3!2!1!1!1! = 2∙1∙3!∙2∙1∙1∙1∙1 = 15120 cara
Latihan 3.2.
1. Ada berapa banyak cara menysusun kata (tidak harus punya arti) dari
kata “PENDIDIKAN”
2. Ada berapa banyak cara menyusun kata (tidak harus punya arti) dari
kata “STKIPSURYA”?
30
C. PERMUTASI MELINGKAR
Contoh 3.7.
Misalkan dalam suatu rapat yang dihadiri oleh 4 orang yang duduknya melingkar
sepanjang meja bundar, ilustrasi gambar 3.1. Maka, banyaknya susunan cara
Penyelesaian:
Perhatikan halaman 31
31
B B C C D D
A C A D A B A D A B A C
D C D B C B
A A C C D D
B C B D B A B D B A B C
D C D A C A
A A B B D D
C B C D C A C D C A C B
D B D A B A
A A B B C C
D B D C D A D C D A D B
C B C A B A
32
Perhatikan bahwa gambar 3.1. terdiri dari 6 warna, setiap warna
mengilustrasikan susunan atau urutan duduk yang sama, karena ada 6 warna
Pada contoh 3.7. diperoleh banyaknya susunan duduk berbeda dari 4 orang yang
Contoh 3.7.
Tiga orang mahasiswa duduk mengelilingi meja bundar, berapa susunan cara
Penyelesaian:
𝑛=3
adalah (3 − 1)! = 2! = 2.
37
Latihan 3.3.
kewarganegaraan?
urutan kewarganegaraan?
3. Dengan berapa cara menanam 3 pohon jati, 4 pohon kurmis dan 2 pohon
4. Berapa banyak susunan kata yang dapat dibentuk (tidak harus punya
7. Berapa banyak susunan cara yang berbeda dari 5 orang duduk melingkar
38
Pertemuan 4
KOMBINASI
3, yaitu tentang permutasi. Dalam permutasi, perhatikan bahwa susunan atau urutan dari
setiap kejadian diperhatikan, semisal dua orang beri nama A dan B duduk berjajar pada
kursi, kursi pertama diduduki A dan kursi kedua diduduki B kita tulis AB, tidak sama
dengan BA di mana artinya kursi pertama diduduki B dan kursi kedua diduduki A.
Contoh 4.1.
(Toni, Waingges, Indah, Yully dan Alle) akan dipilih 3 orang yang akan mewakili program
studi Matematika survei lokasi lomba karya ilmiah di Jakarta. Maka berapa banyak cara
Penyelesaian:
1) Toni-Waingges-Indah (TWI)
2) Toni-Waingges-Yully (TWY)
3) Toni-Waingges-Alle (TWA)
4) Toni-Indah-Yully (TIY)
5) Toni-Indah-Alle (TIA)
6) Toni-Yully-Alle (TYA)
7) Waingges-Indah-Yully (WIY)
8) Waingges-Indah-Alle (WIA)
9) Waingges-Yully-Alle (WAY)
10) Indah-Yully-Alle (IYA)
39
Untuk membedakan hasil antara kombinasi dan permutasi, perhatikan tabel 4.1.
Kombinasi Permutasi
TWI TWI TIW WIT WTI ITW IWT
TWY TWY TYW WYT WTY YTW YWT
TWA TWA TAW WAT WTA ATW AWT
TIY TIY TYI ITY IYT YTI YIT
TIA TIA TAI ITA IAT ATI AIT
TYA TYA TAY YTA YAT ATY AYT
WIY WIY WYI IWY IYW YWI YIW
WIA WIA WAI IWA IAW AWI AIW
WYA WAY WAY AWY AYW YWA YAW
IYA IYA IAY YIA YAI AIY AYI
Dari tabel 4.1. terlihat bahwa 6 buah permutasi menghasilkan 1 buah kombinasi, sehingga
60
banyaknya kombinasi sebanyak = 10 buah.
6
Banyaknya kombinasi dari 𝑟 elemen yang diambil dari 𝑛 elemen ditulis 𝐶(𝑛,𝑟)
𝑛 𝑛!
atau 𝐶𝑟𝑛 atau 𝑛𝐶𝑟 atau ( ) adalah dengan 𝑟 ≤ 𝑛.
𝑟 𝑟!(𝑛−𝑟)!
Contoh 4.2.
Dari 10 orang mahasiswa akan dibuat kelompok belajar dengan ketentuan setiap
kelompok berisi 5 orang, berapa banyak susunan yang dapat dibentuk untuk
40
Penyelesaian:
10! 10 ∙ 9 ∙ 8 ∙ 7 ∙ 6
𝐶510 = = = 252
5! (10 − 5)! 5∙4∙3∙2∙1
Jadi banyak susunan yang dapat dibentuk dari 10 orang mahasiswa untuk dibuat
kelompok belajar dengan ketentuan setiap kelompok berisi 5 orang adalah 252 cara.
Contoh 4.3.
Dalam pertandingan badminton, akan dipilih 2 orang dari 5 orang calon yang akan
mewakili kejuaraan untuk tingkat Universitas. Berapa banyaknya cara yang dapat
universitas tersebut?
Penyelesaian:
kombinasi diperoleh,
5! 5 ∙ 4 ∙ 3 ∙ 2!
𝐶25 = = = 30
2! (5 − 3)! 2 ∙ 1 ∙ 2!
Contoh 4.4.
41
Tabel 4.2. Banyaknya permutasi dan kombinasi yang diambil dari 3 elemen adalah
Kombinasi Permutasi
Abc abc acb bac bca cab cba
Abd abd adb bad bda dab dba
Acd acd adc cad cda dac dca
Bcd bcd bdc cbd cdb dbc dcb
4 𝟒 × 𝟔 = 𝟐𝟒
Banyaknya:
4!
Permutasi 𝑃34 = (4−3)! = 4 × 3 × 2 × 1 = 24
4! 4!
Kombinasi 𝐶34 = 3!(4−3)! = 3!1! = 4
Contoh 4.5.
Jika terdapat 3 wanita dan 4 pria yang mendaftar, tentukan susunan panitia yang akan
Penyelesaian:
3!
𝐶(3,2) =
2! (3 − 2)!
4 ∙ 3 ∙ 2!
= = 12
2! ∙ 1
4!
𝐶(4,2) =
2! (4 − 2)!
4 ∙ 3 ∙ 2!
=
2! ∙ 2 ∙ 1
42
=6
Latihan 4.1.
1) Ada 4 orang bernama Adi, Bayu, Cintya, dan Denisa. Apabila dipilih 2 orang
2) Banyaknya susunan kepanitian yang dapat dibentuk dari 3 wanita dan 4 pria
dari 8 calon yang merupakan wanita dan 6 calon yang merupakan pria adalah?
3) From 8 consonants and 4 vowels, how many words can be formed consisting
of 4 different consonant and 3 different vowels? The words need not have
meaning.
Guru Fisika, 2 orang Guru Kimia dan 3 orang Guru TIK akan dipilih 2 orang
Guru Matematika, 2 orang Guru Fisika, 1 orang Guru Kimia dan 1 orang Guru
adalah?
6) Banyaknya susunan kombinasi tim bola voli putri apabila jumlah calon
7) Banyaknya susunan cara yang dapat dibentuk untuk membentuk tim sepak
bola putra apabila banyak calon pemain yang mendaftar sebanyak 21 orang
adalah?
43
8) Apabila dalam suatu tes ujian tertulis, peserta diharuskan mengerjakan 3 soal
dari 5 soal yang diberikan, maka berapa banyaknya kombinasi soal yang dapat
44
Pertemuan ke-5 dan 6
A. PROBABILITAS
Contoh 5.1.
Misalkan anda diminta untuk menebak malam ini hujan atau tidak, atau teman
anda bertanya kepada anda prediksi hasil pertandingan liga inggris antara
pertanyaan pertama, misalkan anda menjawab Hujan, apakah pasti akan Hujan?
Pertanyaan kedua misalkan anda jawab Manchester United, apakah pasti yang
Dari contoh 5.1. di atas adalah contoh Peluang Kejadian, yang akan kita
Contoh 5.2.
Contoh lagi misalkan anda melempar sebuah uang logam di mana kedua
sisinya setimbang, apakah anda bisa memastikan pada lemparan pertama muncul
pasti Angka (A)? tentu saja tidak kan? Masih banyak contoh kejadian-kejadian lain
yang masih bisa dijadikan contoh. Coba anda cari minimal 3 buah kejadian yang
Perlu anda ketahui ada beberapa istilah yang bisa dipakai untuk menyebut
45
atau peluang dalam handout ini adalah 𝑃 dan dinyatakan dalam angka positif,
𝑃 = 0; berarti suatu kejadian tidak mungkin terjadi, atau mustahil. Sebagai contoh
adalah matahari bersinar di malam hari, maka karena hal tersebut tidak
𝑃 = 1; berarti suatu kejadian yang pasti terjadi. Sebagai contoh adalah setiap
manusia pasti akan mati, hal ini pasti terjadi karena tidak ada manusia yang
tidak akan mati, sehingga peluang kejadian setiap manusia pasti akan mati
adalah 1.
tidak tepat 0 atau 1 dong? Ya, jarang sekali kejadian atau peristiwa sehari-hari
yang kita jumpai yang mempunyai peluang 0 atau 1. Bagaimana dengan yang
kemungkinan kecil terjadi atau cenderung untuk tidak terjadi. Sebaliknya apabila
Dalam (Djarwanto dan Subagyo,1998 hal 8-9) Ada tiga macam pendekatan
1) Pengertian klasik
46
Probabilitas suatu kejadian ditentukan berdasarkan analisa terhadap obyek-
Definisi 5.1.
Contoh 5.3.
Sebagai contoh adalah ketika sebuah mata uang logam dilemparkan sekali
atas karena simetris. Dalam hal ini baik permukaan Angka (A) maupun
1
Gambar (G) mempunyai kemungkinan yang sama yaitu 2
atau 0,5 untuk
kelihatan dari atas, sehingga dalam hal ini 𝑃(𝐴) = 0,5 dan 𝑃(𝐺) = 0,5.
Keterangan:
peristiwa yang telah terjadi. Pendekatan empiris juga bisa disebut sebagai
47
dari frekuensi relatif (𝑓) kejadian 𝐴 tersebut. Dengan demikian, apabila 𝐴
𝑓
𝑃(𝐴) = lim
𝑛→∞ 𝑛
Contoh 5.4.
Seandainya saja Anda melemparkan bola dari jarak 3 meter untuk mengenai
suatu obyek tertentu sebanyak 100 kali dan ternyata mengenai benda
perkiraan dari si Peneliti. Jadi cara ini dipengaruhi oleh pribadi masing-
Contoh 5.5.
Misalkan secara klasik atau teori, menurut pendekatan ini apabila kita
melemparkan sebuah mata uang logam yang simetris peluang munculnya gambar
adalah 0,5 dan peluang munculnya angka adalah 0,5. Jadi apabila kita melempar
sebanyak 100 kali, maka diperkirakan akan mendapat 50 permukaan Angka dan
50 permukaan Gambar. Lain halnya dengan pendekatan empiris, bisa saja dalam
48
Gambar, sehingga secara empiris peluang muncul permukaan angka adalah 0,55
antara lain kejadian saling lepas, bebas, bersyarat. Bagaimana peluang suatu
Teorema 5.1.
Bukti:
Dengan menggunakan ilustrasi gambar 5.1. dan Gambar 5.2., anda akan memulai
S A B S A B
Dari gambar 5.1. diperoleh daerah yang diarsir merupakan gabungan himpunan 𝐴
49
Perhatikan bahwa, apabila apabila kedua ruas anda bagi dengan 𝑛(𝑆), diperoleh
Dari teorema 5.1. bisa diturunkan hukum peluang untuk kejadian saling
lepas,
Akibat 5.1.
Bukti:
S B
A
1
Apabila kedua ruas dikalikan dengan 𝑛(𝑆) maka diperoleh
50
𝑛(𝐴 ∪ 𝐵) 𝑛(𝐴) + 𝑛(𝐵) − 𝑛(𝐴 ∩ 𝐵)
=
𝑛(𝑆) 𝑛(𝑆)
𝑛(𝐴∩𝐵)
Catatan: = 0 karena 𝐴 dan 𝐵 dua kejadian saling lepas, di mana 𝐴 ∩ 𝐵 = ∅
𝑛(𝑆)
Bukti:
S
A
𝐴 ∪ 𝐴𝑐 = 𝑆
𝑛(𝐴 ∪ 𝐴𝑐 ) = 𝑛(𝑆)
𝑛(𝐴 ∪ 𝐴𝑐 ) 𝑛(𝑆)
=
𝑛(𝑆) 𝑛(𝑆)
51
𝑃(𝐴 ∪ 𝐴𝑐 ) = 1
𝑃(𝑆) = 1 ∎
Contoh 5.6.
Apabila 𝐴 dan 𝐵 dua kejadian saling lepas, dengan 𝑃(𝐴) = 0,3 dan 𝑃(𝐵) = 0,25
Penyelesaian:
Diketahui 𝑃(𝐴) = 0,3; 𝑃(𝐵) = 0,25; 𝐴 dan 𝐵 dua kejadian saling lepas.
Berarti
= 0,3 + 0,25
= 0,55.
Contoh 5.7.
Peluang kejadian munculnya mata dadu berjumlah 5 dan 8 apabila dua buah dadu
Penyelesaian:
Misalkan,
52
𝐵 = Kejadian munculnya mata dadu berjumlah 8.
Berarti,
𝑛(𝐴) = 36
𝑛(𝐴) = 4
4
𝑃(𝐴) =
36
𝑛(𝐵) = 5
5
𝑃(𝐵) =
36
Sehingga,
4 5
= +
36 36
9
=
36
9
Jadi 𝑃(𝐴 ∪ 𝐵) = .
36
Latihan 5.1.
53
1. Permukaan A pada koin dan permukaan nomor 2 pada dadu yang tampak
dari atas?
Sifat dua atau lebih peristiwa dari suatu percobaan dapat independent
Sebaliknya, dua atau lebih peristiwa atau kejadian akan mempengaruhi terjadinya
peristiwa lain. Dapat dikatakan bahwa dua kejadian 𝐴 dan 𝐵 dalam ruang sampel
begitupun sebaliknya.
Contoh 5.8.
Jika diketahui dua kejadian 𝐴 dan 𝐵 saling bebas dengan 𝑃(𝐴) = 0,3 dan 𝑃(𝐵) =
= (0,3) ∙ (0,4)
= 0,12
Contoh 5.9.
Pada pelemparan dua buah dadu, apakah kejadian munculnya muka 𝑋 ≤ 3 dadu
Jawab:
54
Misalkan
𝑆 = ruang sampel
Berarti
𝑛(𝑆) = 36
(1,1), (1,2), (1,3), (1,4), (1,5), (1,6), (2,1), (2,2), (2,3), (2,4), (2,5), (2,6),
𝐴={ }
(3,1), (3,2), (3,3), (3,4), (3,5), (3,6)
𝑛(𝐴) = 18
𝐵 = {(1,5), (1,6), (2,5), (2,6), (3,5), (3,6), (4,5), (4,6), (5,5), (5,6), (6,5), (6,6)}
𝑛(𝐵) = 12
𝑛(𝐴 ∩ 𝐵) = 6
Sehingga diperoleh,
𝑛(𝐴 ∩ 𝐵)
𝑃(𝐴 ∩ 𝐵) =
𝑛(𝑆)
6
=
36
1
=
6
𝑛(𝐴) 18 1
𝑃(𝐴) = = =
𝑛(𝑆) 36 2
𝑛(𝐵) 12 1
𝑃(𝐵) = = =
𝑛(𝑆) 36 3
1 1 1
𝑃(𝐴 ∩ 𝐵) = 𝑝(𝐴) ∙ 𝑃(𝐵) = ∙ =
2 3 6
Kenapa?
55
Karena ternyata contoh 5.9 adalah contoh kejadian saling bebas.
Konsep dua kejadian saling bebas di atas juga dapat dikembangkan untuk
tiga kejadian saling bebas antara 𝐴, 𝐵 dan 𝐶 . Apabila 𝐴, 𝐵 dan 𝐶 adalah tiga
bebas, berlaku
Contoh 5.10.
muka dari ketiga uang logam tersebut adalah kejadian saling bebas?
Penyelesaian:
Misalkan,
𝑆 = ruang sampel
Berarti,
𝑛(𝑆) = 8
𝑛(𝐴) = 4
𝑛(𝐵) = 4
56
𝐶 = {(𝑚1 , 𝑚2 , 𝑚3 ), (𝑏1 , 𝑚2 , 𝑚3 ), (𝑚1 , 𝑏2 , 𝑚3 ), (𝑏1 , 𝑏2 , 𝑚3 )}
𝑛(𝐶) = 4
𝐴 ∩ 𝐵 ∩ 𝐶 = {(𝑚1 , 𝑚2 , 𝑚3 )}
𝑛(𝐴 ∩ 𝐵 ∩ 𝐶) = 1
Sehingga,
𝑛(𝐴) 4 1
𝑃(𝐴) = = =
𝑛(𝑆) 8 2
𝑛(𝐵) 4 1
𝑃(𝐵) = = =
𝑛(𝑆) 8 2
𝑛(𝐶) 4 1
𝑃(𝐶) = = =
𝑛(𝑆) 8 2
𝑛(𝐴 ∩ 𝐵 ∩ 𝐶) 1
𝑃(𝐴 ∩ 𝐵 ∩ 𝐶) = =
𝑛(𝑆) 8
1 1 1 1
Perhatikan juga bahwa, 𝑃(𝐴 ∩ 𝐵 ∩ 𝐶) = 2 ∙ 2 ∙ 2 = 𝑃(𝐴) ∙ 𝑃(𝐵) ∙ 𝑃(𝐶) = 8
Masih ingatkah, bahwa 𝐵 dan 𝐵𝑐 merupakan dua kejadian yang saling asing,
1. 𝐵 ∩ 𝐵𝑐 = ∅
2. 𝐵 ∪ 𝐵𝑐 = 𝑆
3. 𝐴 ∩ 𝐴𝑐 = ∅
4. 𝐴 ∪ 𝐴𝑐 = 𝑆
5. 𝐴 ∩ 𝑆 = 𝐴
6. 𝐴 ∪ 𝑆 = 𝑆
Perhatikan bahwa,
57
𝐴∩𝑆 =𝐴
(𝐴 ∩ (𝐵 ∪ 𝐵𝑐 )) = 𝐴 ∩ 𝐵 ∪ 𝐴 ∩ 𝐵𝑐
𝑃(𝐴) = 𝑃(𝐴 ∩ (𝐵 ∪ 𝐵𝑐 ))
= 𝑃(𝐴 ∩ 𝐵) + 𝑃(𝐴 ∩ 𝐵𝑐 )
𝐵1 ∪ 𝐵2 ∪ 𝐵3 ∪ … ∪ 𝐵𝑘
Sehingga
𝐴 ∩ 𝑆 = 𝐴 ∩ (𝐵1 ∪ 𝐵2 ∪ 𝐵3 ∪ … ∪ 𝐵𝑘 )
= 𝐴 ∩ 𝐵1 ∪ 𝐴 ∩ 𝐵2 ∪ … ∪ 𝐴 ∩ 𝐵𝑘
Latihan 5.2.
Buatlah contoh kejadian saling bebas dan kemudian analisa, benarkah contoh
58
Pertemuan ke-7
PROBABILITAS BERSYARAT
A. Probabilitas Bersyarat
kalau ada peristiwa yang mendahului-nya terjadi. Misalkan peristiwa B hanya akan terjadi
kalau peristiwa A telah terjadi. Untuk mempelajari probabilitas bersyarat, maka terlebih
𝑃(𝐴 ∩ 𝐵)
𝑃(𝐵|𝐴) = , 𝑃(𝐴) > 0
𝑃(𝐴)
Secara umum, jika dua peristiwa 𝐵1 dan 𝐵2 saling asing (𝐵1 ∩ 𝐵2 = ∅), maka:
𝑃((𝐵1 ∪ 𝐵2 ) ∩ 𝐴)
𝑃(𝐵1 ∪ 𝐵2 |𝐴) =
𝑃(𝐴)
𝑃(𝐵1 ∩ 𝐴 ∪ 𝐵2 ∩ 𝐴)
=
𝑃(𝐴)
𝑃(𝐵1 ∩ 𝐴) 𝑃(𝐵2 ∩ 𝐴)
= +
𝑃(𝐴) 𝑃(𝐴)
Contoh 5.8.
Misalkan sebuah dadu bersisi 6 dilempar, dan 𝐴 kejadian muncul mata dadu kurang dari 6,
dan 𝐵 adalah kejadian muncul mata dadu Genap. Apabila kejadian 𝐴 dan 𝐵 dilakukan
secara berurutan, maka berapakah kemungkinan muncul mata dadu Genap apabila
59
Penyelesaian:
5
𝑃(𝐴) =
6
3
𝑃(𝐵) =
6
𝐴 ∩ 𝐵 = {2,4}
2
𝑃(𝐴 ∩ 𝐵) =
6
Ditanya 𝑃(𝐵|𝐴) = ⋯ ?
Jawab
𝑃(𝐴 ∩ 𝐵)
𝑃(𝐵|𝐴) =
𝑃(𝐴)
2
6
= 5
6
2
=
5
Jadi probabilitas muncul mata dadu genap apabila didahului kejadian munculnya mata dadu
2
kurang dari 5 adalah = 0,4.
5
Contoh 5.9.
Diberikan populasi calon mahasiswa STKIP SURYA yang dibagi menurut jenjang kelamin
dan status latar belakang pendidikan mereka, dirangkum dalam tabel 5.1 berikut,
60
Misalkan dari pendaftar akan dipilih calon mahasiswa dengan criteria bahwa dari
banyaknya calon mahasiswa yang diutamakan adalah dari IPA, maka hitung probabilitas
bahwa,
b) Wanita.
Penyelesaian:
a) 𝑛(𝐴) = 610
𝑛(𝑆) = 900
𝑛(𝐴) 610
𝑃(𝐴) = =
𝑛(𝑆) 900
𝑛(𝐿 ∩ 𝐴) = 460
𝑛(𝐿 ∩ 𝐴) 460
𝑃(𝐿 ∩ 𝐴) = =
𝑛(𝑆) 900
Sehingga,
𝑃(𝐿 ∩ 𝐴)
𝑃(𝐿|𝐴) =
𝑃(𝐴)
460
900
= 610
900
460
=
610
46
=
61
46
Jadi probabilitas terpilihnya laki-laki dengan syarat pendidikan IPA adalah 61.
b) 𝑛(𝑊) = 610
𝑛(𝑆) = 900
61
𝑛(𝑊) 610
𝑃(𝑊) = =
𝑛(𝑆) 900
𝑛(𝑊 ∩ 𝐴) = 150
𝑛(𝑊 ∩ 𝐴) 150
𝑃(𝑊 ∩ 𝐴) = =
𝑛(𝑆) 900
Sehingga,
𝑃(𝑊 ∩ 𝐴)
𝑃(𝑊|𝐴) =
𝑃(𝐴)
150
900
= 610
900
150
=
610
150
Jadi probabilitas terpilihnya wanita dengan syarat pendidikan IPA adalah 610.
Contoh 5.10.
Kotak A berisi 10 bola merah, dan 15 bola hijau. Kotak B berisi 12 bola merah dan 17 bola
hijau. Sebuah bola diambil secara acak dari kotak A kemudian dikembalikan ke kotak B.
Dari kotak B diambil sebuah bola secara acak. Tentukan peluang bahwa yang diambil 2
Penyelesaian:
Misalkan
Akibat 5.1.
62
Contoh 5.10.
STKIP SURYA adalah sebesar 0,40 dan apabila dia sudah menjadi mahasiswa di STKIP
SURYA, kemungkinan dia lulus sarjana sebesar 0,70. Berapakah kemungkinan calon
Penyelesaian:
Misalkan A adalah kejadian seorang calon mahasiswa diterima di program studi pendidikan
Diketahui,
𝑃(𝐴) = 0,40
𝑃(𝐵|𝐴) = 0,70
Ditanya, 𝑃(𝐵) ?
𝑃(𝐴)
𝑃(𝐵|𝐴) =
𝑃(𝐵)
70 40
= ∙
100 100
28
=
100
= 0,28
63
Sifat-sifat lain probabilitas bersyarat
1. 𝑃(𝐵|𝐴) = 𝑃(𝐵̅|𝐴)
3. 0 ≤ 𝑃(𝐵|𝐴) ≤ 1
4. 𝑃(𝐴 ∩ 𝐵 ∩ 𝐶) = 𝑃(𝐴)𝑃(𝐵|𝐴)𝑃(𝐴 ∩ 𝐵)
Contoh 5.11.
Empat buah kartu remi diambil secara random satu per satu tanpa pengembalian. Tentukan
probabilitas bahwa kartu yang terambil secara berturut-turut adalah AS WARU HITAM
Penyelesaian:
𝑃(𝐴𝑆𝑤𝑗|𝐴𝑆𝑤ℎ ∩ 𝐴𝑆𝑤𝑚) ×
Contoh 5.12.
Kotak A berisi 10 bola merah (Ma) dan 15 bola hijau (Ha). Kotak B berisi 12 bola merah
(Mb) dan 17 bola hijau (Hb). Sebuah bola diambil secara acak dari kotak A kemudian
dikembalikan ke kotak B. Dari kotak B diambil sebuah bola secara acak. Tentukan peluang
Penyelesaian:
64
15 18
= ∙
25 30
= 0,36
Latihan 5.2.
1. Dari tabel 5.1. pada contoh 5.10 sekarang coba anda menghitung probabilitas,
jenis kelamin dan hasil ujian dalam mata pelajaran Pengantar Teori Probabilitas, yang
Tabel 5.2. tabel Jenis Kelamin dan Nilai Ujian Pengantar Teori Probabilitas Mahasiswa
Pendidikan STKIP SURYA
Nilai 𝐴1 𝐴2 Jumlah
Jenis Kurang dari 6 Lebih dari sama
kelamin dengan 6
Laki-laki (𝐵1 ) 25 45
Wanita (𝐵2 ) 20 10
Jumlah
Berapakah probabilitas bahwa yang mendapat nilai kurang dari 6 adalah anak
perempuan?
3. Misalkan kita mengambil tiga kartu, diambil tiga kali, pada sekelompok kartu bridge
yang lengkap. Setiap kali mengambil, kartu yang terpilih tidak dikembalikan pada
kelompok kartu ini. Ini dikatakan pengambilan kartu tanpa pengembalian. Tentukan
4. Pada saat menerima barang dari penyalur, biasanya pembeli memeriksa barang
tersebut. Dari 100 barang yang diterima ternyata ada 10 barang yang rusak. Apabila
diambil dua barang secara acak dari 100 barang yang datang, berapa probabilitas
bahwa kedua barang yang diambil tersebut rusak (pengambilan dilakukan tanpa
pengembalian)!
65
5. Diantara 10 orang laki-laki dan 10 orang perempuan, terdapat 2 orang laki-laki dan 3
orang wanita yang buta warna. Apabila dipilih secara acak 1 orang buta warna dari 10
orang laki-laki dan 10 orang perempuan tersebut, hitung peluang yang dipilih adalah
laki-laki?
66
Pertemuan 8
ATURAN BAYES
𝐴1 𝐴2 𝐴3
Berarti,
𝑆 = 𝐴1 ∪ 𝐴2 ∪ 𝐴3
𝑆 = ⋃3𝑖=1 𝐴𝑖 dengan 𝐴1 ∩ 𝐴2 ∩ 𝐴3 = ∅.
Apabila 𝐵 ⊂ 𝑆 maka
𝐵 = ⋃(𝐴𝑖 ∩ 𝐵)
𝑖=1
Dengan demikian,
67
3
𝑃(𝐵) = ∑ 𝑃(𝐴𝑖 ∩ 𝐵)
𝑖=1
𝑃(𝐸∩𝐵)
Dari 𝑃(𝐸|𝐵) = 𝑃(𝐵)
diperoleh,
𝑃(𝐸 ∩ 𝐵)
𝑃(𝐸|𝐵) =
𝑃(𝐵)
𝑃(𝐸 ∩ 𝐵)
=
∑3𝑖=1 𝑃(𝐴𝑖
∩ 𝐵)
𝑃(𝐸 ∩ 𝐵)
=
∑3𝑖=1 𝑃(𝐴𝑖 )𝑃(𝐵|𝐴𝑖 )
𝑃(𝐸)𝑃(𝐵|𝐸)
=
∑3𝑖=1 𝑃(𝐴𝑖 )𝑃(𝐵|𝐴𝑖 )
𝑃(𝐸)𝑃(𝐵 |𝐸 )
Bentuk inilah 𝑃(𝐸|𝐵) = ∑3 𝐵|𝐴𝑖 ) yang disebut dengan aturan bayes.
𝑖=1 𝑃(𝐴𝑖 )𝑃(
Aturan Bayes:
Contoh 8.1.
SURYA ingin menyewa Bus yang akan digunakan sebagai angkutan libur akhir
semester, Bus yang disewa adalah Bus “CEPAT”, “AMAN”, dan “NYAMAN”,
porsi masing-masing Bus yang disewa adalah 60% dari Bus “CEPAT”, 20% dari
Bus “AMAN” dan sisanya dari Bus “NYAMAN”. Perlu diketahui juga Bus-bus
68
tersebut ada yang Non-Ac, dengan porsi 9% Bus “CEPAT, 10% Bus “AMAN” dan
5% Bus “NYAMAN”. Apabila ternyata Bus yang disewa tidak ber Ac, maka
Penyelesaian:
Misalkan:
Maka,
𝑃(𝐶 ∩ 𝑄)
𝑃(𝐶|𝑄) =
𝑃(𝑄)
𝑃(𝐶) ∙ 𝑃(𝑄|𝐶)
=
𝑃(𝐶) ∙ 𝑃(𝑄|𝐶) + 𝑃(𝐴) ∙ 𝑃(𝑄|𝐴) + 𝑃(𝑁) ∙ 𝑃(𝑄|𝑁)
(60%) ∙ (9%)
=
(60%) ∙ (9%) + (20%) ∙ (10%) + (20%) ∙ (5%)
9
=
14
9
Jadi peluang disewa Bus CEPAT tanpa AC adalah 14
.
Latihan 8.1.
Seorang guru Matematika mempunyai dua buah mobil, satu sedan dan satu lagi
pick up. Untuk pergi bekerja, porsi sedan yang dia gunakan adalah 75%,
sedangkan pick up 25%. Apabila dia menggunakan sedan, tiba di rumah jam
17.30 WIB sebanyak 75%, dan dengan menggunakan pick up sebanyak 60%.
69
Apabila dia tiba di rumah pukul 17.30 WIB, berapa peluang dia menggunakan
sedan?
Latihan 8.2.
1. Misalkan bola berwarna terbagi dalam tiga kotak yang dirangkum sbb;
secara acak, dan ternyata berwarna merah. Berapa peluang kotak 3 yang
terambil?
menghasilkan satu macam barang. Hasilnya pada akhir bulan adalah: dari
mesin 𝐴1 = 100 buah, dari mesin 𝐴2 = 120 buah, dari mesin 𝐴3 = 180
buah dan dari mesin 𝐴4 = 200 buah. Jumlah seluruhnya ada 600 buah.
dari 600 buah barang tersebut diambil 1 secara random dan ternyata
mesin 𝐴4 ?
70
nanti yang menang dalam pemilihan. Ada dua calon Rektor yaitu: Prof. Y
dan Prof. Z. Kemungkinan bahwa Prof Y akan terpilih adalah 0,80 dan
tersebut diteruskan apabila Prof Y menang adalah 0,60 dan bila Prof Z
71
Pertemuan 10
BINOMIAL)
Pada pertemuan 1 anda sudah mengenal tentang konsep percobaan dan hasil dari
percobaan. Untuk merangkum dari hasil-hasil percobaan sebagai nilai-nilai angka secara
lebih sederhana, maka kita akan menggunakan apa yang bisa disebut dengan variable
acak (variable random). Jadi variable random bisa didefinisikan sebagai gambaran angka
Diskrit
Variable acak
Kontinu
Contoh 10.1.
Kemungkinan Nilai-nilai
Percobaan Variabel Acak
Variabel Acak
Penjualan buku Jenis kelamin pembeli 0 jika perempuan
1 jika laki-laki
Penelitian terhadap 50 Banyak produk cacat 0, 1, 2, 3, 4, 5, …, 50
produk baju baru
Pencatatan pengunjung Banyaknya pengunjung 0, 1, 2, 3, 4
restoran pada suatu hari
Pencatatan mahasiswa Banyaknya Mahasiswa 0, 1, 2, 3, …, n
baru prodi Matematika Baru
STKIP SURYA
Pencatatan Skor Skor pertandingan 0, 1, 2, …, 21
pertandingan Badminton badminton
72
Pencatatan skor Skor pertandingan footsal 0, 1, 2, …
pertandingan footsal
Apabila anda mengukur tinggi badan seseorang, atau mengukur berat badan
seseorang, maka variable yang dihasilkan adalah variable acak kontinu. Artinya, hasil
Contoh 10.2.
Kemungkinan nilai-nilai
percobaan Variable acak
variable acak
Pengukuran meja ruang Panjang meja dalam 𝑐𝑚 50 ≤ 𝑥 ≤ 100
kuliah 406 gedung SURE
Isi teh botol Jumlah dalam ml 0 ≤ 𝑥 ≤ 150
Penimbangan sebuah Berat sebuah paket dalam 0≤𝑥≤5
paket kiriman kilat kg
Usia mahasiswa semester Usia mahasiswa prodi 17 ≤ 𝑥 ≤ 20
1 prodi Matematika STKIP Matematika dalam tahun
SURYA angkatan 2013
Ukuran panjang lapangan Panjang lapangan sepak 90 ≤ 𝑥 ≤ 120
sepak bola aturan bola dalam meter
internasional
Pengukuran tinggi Tinggi gawang sepak bola 2,3 < 𝑥 < 2,5
gawang sepak bola dalam meter
didistribusikan terhadap nilai-nilai dari variable acak yang dimaksud. Untuk variable diskrit
(huruf kecil).
Contoh 10.3.
73
Jumlah mobil terjual Jumlah hari
0 2
1 4
2 1
Total 7
Distribusi probabilitas jumlah mobil terjual per hari selama seminggu adalah
X p(x)
0 0,286
1 0,571
2 0,143
Total 1
(2) ∑ 𝑝(𝑥) = 1
Definisi 10.4.
1
𝑝(𝑥: 𝑘) = 𝑘 untuk 𝑥 = 𝑥1 , 𝑥2 , … , 𝑥𝑘
Contoh 10.5.
Sebuah dadu dilemparkan sekali. Bila 𝑥 menyatakan mata dadu yang muncul, buatlah
distribusi probabilitas 𝑥!
Penyelesaian:
Ruang sampel 𝑆 = {1,2,3,4,5,6} dan setiap dadu mempunyai probabilitas yang sama yaitu
1
.
6
74
1
Dengan demikian, distribusi seragamnya adalah 𝑝(𝑥: 6) = 6 untuk 𝑥 = 1,2,3,4,5,6
Contoh 10.6.
Tim bulutangkis terdiri dari 8 orang. Apabila dari tim tersebut dipilih 2 orang secara acak
untuk melakukan pertandingan, tentukan distribusi seragam yang diambil secara acak?
Penyelesaian:
Apabila diambil 2 orang secara acak, banyak kemungkinan yang terjadi adalah 8𝐶2 =
28.
Apabila cara masing-masing diberi nomor 1 sampai dengan 28, maka distribusi
1
probabilitasnya adalah 𝑝(𝑥: 28) = untuk 𝑥 = 1,2,3, … , 28.
28
Beberapa percobaan sering kali terdiri atas ulangan-ulangan yang mempunyai dua
Contoh 10.7.
Keluarga BAHAGIA merencanakan memiliki 3 orang anak. Kelahiran setiap anak laki-laki
dikatakan berhasil dan kelahiran anak perempuan dikatakan gagal. Dengan demikian,
banyaknya anak laki-laki dipandang sebagai sebuah peubah acak 𝑋 yang mengambil
75
Lihat tabel 10.1
1
LLL 3
8
Selanjutnya ilustrasi keluarga BAHAGIA akan kita generalisasikan, dengan mencari rumus
Apabila kelahiran anak laki-laki dinyatakan sebagai 𝑥, probabilitas kelahiran anak laki-
1
laki mempunyai nilai yang tetap yaitu 2. Kelahiran anak laki-laki yang dipandang berhasil
adalah 𝑥 dengan probabilitas 𝑝 dan untuk setiap kegagalan, yaitu kelahiran anak
kegagalan (𝑛 − 𝑥). Selanjutnya, banyaknya kombinasi ini dikalikan dengan 𝑝 𝑥 𝑞𝑛−𝑥 untuk
76
𝑛
𝑏(𝑥: 𝑛: 𝑝) = ( ) 𝑝 𝑥 𝑞𝑛−𝑥
𝑥
Dengan 𝑥 = 0,1,2, … , 𝑛
Contoh 10.8.
Besarnya peluang keluarga BAHAGIA dengan 2 anak laki-laki dari 3 anak yang dimiliki
adalah
2
1 3 1 1 3−2 3
𝑏 (2: 3: ) = ( ) ( ) (1 − ) =
2 2 2 2 8
Nilai rata-rata dan varians distribusi binomial pada dasarnya ditentukan oleh berbagai
macam peristiwa yang dihasilkan dari percobaan binomial, terutama peluang keberhasilan
dan kegagalannya.
Contoh 10.9.
𝑋 = 𝑋1 + 𝑋2 + 𝑋3 + ⋯ + 𝑋𝑛
= 𝑝 + 𝑝 + 𝑝 + ⋯+ 𝑝
= 𝑛𝑝
77
Sementara besarnya variansi distribusi binomial dapat dicari dari hubungan berikut.
= 𝑝𝑞 + 𝑝𝑞 + 𝑝𝑞 + ⋯ + 𝑝𝑞
= 𝑛𝑝𝑞
𝜎 = √𝑛𝑝𝑞
Latihan 10.2.
anak laki-laki,
78
(c) Hitung rata-rata dan simpangan baku peubah acak 𝑋
2. Menurut penelitian, peluang seorang untuk sembuh dari penyakit panu dengan
pemberian obat XXX sebesar 60%. Jika diambil 10 orang yang terjangkit penyakit
(c) Hitung rata-rata dan simpangan baku pasien sembuh (𝑛 = 10; 𝑝 = 0,6; 𝑞 =
0,4)
3. Ujian statistika lanjut terdiri dari 10 soal nomor pilihan ganda. Hitung peluang untuk
memperoleh:
(c) 2 sampai 8 jawaban benar untuk seorang mahasiswa yang menjawab soal
1. Satu tim bulu tangkis terdiri dari 10 orang. Apabila dari tim tersebut dipilih 3
orang secara acak untuk melakukan pertandingan, tentukan distribusi seragam
yang diambil secara acak tersebut!
2. Sebuah keluarga merencanakan memiliki empat anak. Bila 𝑋 menyatakan
banyaknya kelahiran anak laki-laki dengan probabilitas kelahiran 60%, hitunglah:
a. Probabilitas kelahiran 2 anak laki-laki
b. Probabilitas memiliki tidak lebih dari 2 anak laki-laki
c. Rata-rata dan simpangan baku peubah acak X!
3. Hitung probabilitas distribusi binomial data berikut!
a. 𝑝 = 0,7; 𝑛 = 7; 𝑋 > 4
b. 𝑝 = 0,5; 𝑛 = 5; 2 < 𝑋 ≤ 5
c. 𝑝 = 0,6; 𝑛 = 8; 𝑋 < 5
d. 𝑝 = 0,2; 𝑛 = 9; 1 ≤ 𝑋 < 7
4. Probabilitas seseorang sembuh dari suatu penyakit tertentu setelah diberi obat
tertentu adalah 90%. Jika diambil 7 orang yang terjangkit penyakit, hitunglah:
a. Probabilitas tidak lebih dari 6 orang sembuh.
b. Probabilitas sedikitnya 4 orang untuk sembuh
79
c. Probabilitas tepat 3 orang sembuh.
d. Berapa rata-rata dan simpangan baku pasien sembuh?
5. Suatu soal ujian terdiri dari 10 pertanyaan pilihan ganda yang terdiri dari
(a,b,c,d). hitunglah probabilitas bahwa murid yang menjawab dengan cara
menebak-nebak saja memperoleh:
a. Tepat 7 jawaban benar;
b. Lebih dari 6 jawaban benar;
c. 2 sampai 8 jawaban yang benar;
d. Tepat 8 jawaban benar;
e. Antara 3 sampai 7 jawaban benar!
6. Seorang pemegang medali perak memiliki ketepatan memanah tepat sasaran
sebesar 70%. Apabila dia diberi 5 anak panah, berapa probabilitas bahwa 4 anak
panah tepat mengenai sasaran? Gunakan penyelesaian dengan menggunakan
distribusi binomial!
80
Pertemuan 11
DISTRIBUSI POISSON
banyaknya sukses selama selang waktu tertentu atau dalam daerah tertentu,
disebut percobaan Poisson. Panjang selang waktu tersebut boleh berapa saja,
suatu kantor, banyaknya hari sekolah yang ditutup karena banjir, banyaknya
pertandingan sepak bola yang terpaksa diundur karena hujan salju selama musim
dingin.
Daerah yang dimaksud dapat berupa sepotong garis, suatu luasan, suatu
isi, atau pun barangkali sepotong benda. Dalam hal seperti ini misalkan 𝑋 mungkin
menyatakan banyaknya tikus sawah per hektar, banyaknya bakteria dalam suatu
1. Banyaknya sukses terjadi dalam suatu selang waktu atau daerah tertentu
tidak terpengaruh oleh (bebas dari) apa yang terjadi pada selang waktu
81
2. Peluang terjadinya suatu sukses (tunggal) dan selang waktu yang amat
pendek atau dalam daerah yang kecil sebanding dengan panjang selang
3. Peluang terjadinya lebih dari satu sukses dalam selang waktu yang pendek
Definisi 11.1
Distribusi peluang suatu peubah acak Poisson 𝑋 disebut distibusi Poisson dan
akan dinyatakan dengan 𝑝(𝑥; 𝜇), karena nilainya hanya tergantung pada 𝜇,
yaitu rata-rata banyaknya sukses yang terjadi dalam selang waktu atau daerah
Contoh 11.1
82
Berapakah peluang enam partikel melewati penghitungan dalam suatu
milidetik tertentu?
Penyelesaian:
bahwa
5 5
𝑒 −4 46
𝑝(6; 4) = = ∑ 𝑝(𝑥; 4) − ∑ 𝑝(𝑥; 4) = 0,1042
6!
𝑥=0 𝑥=0
Contoh 11.2
Rata-rata banyaknya tanker minyak yang tiba tiap hari disuatu pelabuhan
tanker sehari. Berapakah peluang pada suatu hari tertentu tanker terpaksa
Penyelesaian:
15
= 1 − ∑ 𝑝(𝑥: 10)
𝑥=0
83
= 1 − 0,9513
= 0,0487
Teorema 11.1
Bukti :
∞ ∞
𝑒 −𝜇 𝜇 𝑥 𝑒 −𝜇 𝜇 𝑥−1
𝐸(𝑋) = ∑ 𝑥 ∙ = 𝜇∑
𝑥! (𝑥 − 1)!
𝑥=0 𝑥=1
∞
𝑒 −𝜇 𝜇 𝑦
𝐸(𝑋) = 𝜇 ∑ =𝜇
𝑦!
𝑦=0
Karena
∞ ∞
𝑒 −𝜇 𝜇 𝑦
∑ = ∑ 𝑝(𝑦; 𝜇) = 1
𝑦!
𝑦=0 𝑦=0
∞𝑒 −𝜇 𝜇 𝑥
𝐸(𝑋(𝑋 − 1)) = ∑ 𝑥(𝑥 − 1)
𝑥=0 𝑥!
84
∞ 𝑒 −𝜇 𝜇 𝑥−2
= 𝜇2 ∑
𝑥=2 (𝑥 − 2)!
∞ 𝑒 −𝜇 𝜇 𝑦
𝐸(𝑋(𝑋 − 1)) = 𝜇 2 ∑ = 𝜇2
𝑦=0 𝑦!
Jadi
𝜎 2 = 𝐸(𝑋(𝑋 − 1)) + 𝜇 − 𝜇 2
= 𝜇∎
Teorema 11.2
Misalkan X peuba acak binomial dengan distribusi peluang 𝑏(𝑥; 𝑛; 𝑝). Bila 𝑛 →
∞, 𝑝 → 0, dan 𝜇 = 𝑛𝑝, maka 𝑏(𝑥; 𝑛; 𝑝) → 𝑝(𝑥; 𝜇).
Bukti:
𝑛!
= 𝑝 𝑥 (1 − 𝑝)𝑛−𝑥
𝑥! (𝑛 − 𝑥)!
𝑛(𝑛 − 1) … (𝑛 − 𝑥 + 1) 𝑥
= 𝑝 (1 − 𝑝)𝑛−𝑥
𝑥!
𝜇
Misalkan 𝑝 = 𝑛, maka diperoleh
85
𝑛(𝑛 − 1) … (𝑛 − 𝑥 + 1) 𝜇 𝑥 𝜇 𝑛−𝑥
𝑏(𝑥; 𝑛; 𝑝) = ( ) (1 − )
𝑥! 𝑛 𝑛
1 𝑥 − 1 𝜇𝑥 𝜇 𝑛 𝜇 −𝑥
= 1 (1 − ) … (1 − ) (1 − ) (1 − )
𝑛 𝑛 𝑥! 𝑛 𝑛
1 𝑥−1
lim 1 (1 − ) … (1 − )=1
𝑛→∞ 𝑛 𝑛
𝜇 −𝑥
lim (1 − ) = 1
𝑛→∞ 𝑛
−𝑛 −𝜇
𝜇
𝜇 𝑛 1
lim 1 (1 − ) = lim {(1 + −𝑛 ) } = 𝑒 −𝜇
𝑛→∞ 𝑛 𝑛→∞
( ) 𝜇
𝑒 −𝜇 𝜇 𝑥
𝑏(𝑥; 𝑛; 𝑝) → , 𝑥 = 0, 1, 2, …
𝑥!
Contoh 11.4
Dalam suatu proses produksi yang menghasilkan barang dari gelas, terjadi
sulit dipasarkan. Diketahui bahwa rata-rata 1 dari 1000 barang yang dihasilkan
86
sampel aak sebesar 8000 barang akan berisi kurang dari 7 yang
bergelembung?
Penyelesaian :
𝑝 amat dekat dengan nol dan 𝑛 cukup besar maka akan dihampiri dengan
≃ ∑ 𝑝(𝑥; 8)
𝑥=0
= 0,3134
Keterangan simbol:
similar to: ∼
identical to: ≡
87
appoximately equal to: ≅
Exercise 11.1
mempunyai tiket tidak akan datang adalah 0,01 maka berapa peluang ada
setiap hari 10 mangkok yang berisi bakso. Jika permintaan akan bakso
88
Pertemuan 12
A. DISTRIBUSI GEOMETRIK
rumus:
𝑔(𝑛: 𝑝) = 𝑝𝑞 𝑛−1
Contoh 12.1
Menurut hasil penelitian ahli sosiologi, kurang lebih 800 dari 1000 wanita tidak
setuju dengan praktik poligami yang dilakukan para suami. Apabila hasil penelitian
Penyelesaian:
8
a. Diketahui 𝑛 = 3 dan 𝑝 = 10
8
Ditanyakan 𝑔(𝑛: 𝑝) = 𝑔 (3: 10) = ⋯
Jawab
8 8 2 3−1
𝑔 (3: )= ( )
10 10 10
8 4
= ×
10 100
89
32
=
1000
= 0,32
8
b. Diketahui 𝑛 = 5 dan 𝑝 = 10
8
Ditanyakan 𝑔 (5: 10) = ⋯
Jawab
B. DISTRIBUSI HIPERGEOMETRIK
setiap percobaan. Kondisi ini biasanya muncul pada percobaan yang dilakukan tanpa
semula.
Contoh 12.2.
Suatu kotak berisi 10 kelereng. Empat buah kelereng berwarna merah dan sisanya
berwarna putih. Apabila diambil satu buah kelereng secara acak (random) maka
4
probabilitas terambilnya kelereng warna merah adalah 10.
Apabila dilakukan pengambilan lagi terhadap kelereng yang ada di dalam kotak dan
90
Misalnya, pada pengambilan pertama terambil kelereng warna merah, probabilitas
3
terambilnya kelereng warna merah pada pengambilan kedua adalah 9
, dan
6
probabilitas terambilnya kelereng warna putih adalah 9 . Probabilitas terambilnya
kelereng warna merah atau kelereng warna putih setiap kali pengambilan akan
yang berukuran n dari suatu populasi berukuran 𝑁 adalah 𝐶𝑛𝑁 . Analog dengan hal
𝑁−𝑘
adalah 𝐶𝑛−𝑥 . Dengan demikian, banyaknya contoh yang memenuhi syarat di antara
acak 𝑋 adalah bila dari populasi berukuran 𝑁 yang dapat digolongkan, yaitu
𝐶𝑥𝑘 𝐶𝑛−𝑥
𝑁−𝑘
ℎ(𝑥: 𝑁: 𝑛: 𝑘) = , dengan 𝑥 = 0,1,2,3, … , 𝑛
𝐶𝑛𝑁
91
Nilai rata-rata distribusi hipergeometrik merupakan hasil kali contoh berukuran 𝑛
sebagai
𝑛𝑘
𝜇=
𝑁
𝑘
Rasio pada 𝜇 setara nilainya dengan probabilitas keberhasilan 𝑝 sehingga nilai
𝑁
𝜇 = 𝑛𝑝
𝑁−𝑛 𝑘 𝑘
𝜎2 = ( ) 𝑛 (1 − )
𝑁−1 𝑁 𝑁
akan kecil sekali sehingga dapat dikatakan bahwa percobaan menjadi percobaan
𝑘
menggunakan distribusi binomial rasio 𝑝 = 𝑁.
Perhatikan ternyata, variansi binomial diperoleh dengn mengambil limir dari ragam
distribusi hipergeometrik
𝑁−𝑛 𝑁 𝑛
lim = lim ( − )=1
𝑁→∞ 𝑁 − 1 𝑁→∞ 𝑁 − 1 𝑁−1
sangat besar. Atas dasar ini, semua perhitungan dapat dilakukan “seolah-olah”
92
Contoh 12.3.
Sebuah kantong plastic berisi 5 kelereng merah dan 4 kelereng biru. Kemudian
Penyelesaian:
Diketahui
𝑁 = 9,
𝑁 − 𝑘 = 4,
𝑛=3
𝑘=5
Pada
𝐶05 𝐶34 4
𝑋 = 0 → ℎ(0: 9: 4: 5) = 9 = 84
𝐶3
𝐶15 𝐶34 30
𝑋 = 1 → ℎ(1: 9: 4: 5) = =
𝐶39 84
𝐶25 𝐶34 40
𝑋 = 2 → ℎ(2: 9: 4: 5) = =
𝐶39 84
𝐶35 𝐶34 10
𝑋 = 3 → ℎ(3: 9: 4: 5) = =
𝐶39 84
𝑥 0 1 2 3
𝑃(𝑋 = 𝑥) 4 30 40 10
84 84 84 84
4
𝐶𝑥5 𝐶3−𝑥
Jadi fungsi distribusi hipergeometrik ℎ(𝑥: 9: 4: 5) = 𝐶39 untuk 𝑥 = 0,1,2,3.
93
Contoh 12.4.
Enam kartu diambil secara acak dari setengah kartu bridge (warna merah). Hitunglah
Penyelesaian:
𝐶413 𝐶213
ℎ(4: 26: 6: 13) = = 0,242
𝐶626
Latihan 12.1.
1. Seorang polisi memeriksa acak 3 kartu identitas dari 8 orang yang akan
identitas (KTP) dikarenakan belum genap usia 17 tahun (belum cukup umur).
Berapa probabilitas bahwa polisi akan menolak salon pendaftar yang ketahuan
(b) Banyaknya tim dengan anggota tidak lebih dari 2 orang wanita, dan
3. Hasil survey BPS menyimpulkan bahwa 8.000 dari 10.000 orang tidak setuju
dengan kenaikan harga BBM menjelang tahun baru 2014. Apabila 9 dari
94
(c) Kurang dari 4 orang menyetujui kenaikan BBM
95
Pertemuan ke 13
Definisi 13.1
Variabel random adalah fungsi bernilai real yang daerah asalnya(domain) adalah
ruang Sampel 𝑆.
Contoh 13.1.
Sebuah uang logam seimbang dilempar sebanyak tiga kali. Maka ruang sampelnya
adalah 𝑆 = {𝑆1 , 𝑆2 , 𝑆3 , 𝑆4 , 𝑆5 , 𝑆6 , 𝑆7 , 𝑆8 }, dengan
Maka
96
Sehingga 𝑋 merupakan variabel random, dengan ruang 𝑋 adalah 𝐴 = {0,1, 3}.
Contoh 13.2.
Jika 𝑋: 𝑆 → 𝑅 dengan definisi 𝑋(𝑠) = jumlah mata dadu yang muncul pada
lemparan pertama dan kedua, ∀𝑠𝜖𝑆 maka
97
Sehingga 𝑋 variabel random dengan ruang 𝑋 adalah 𝐴=
{2,3,4,5,6,7,8,9,10,11,12}.
Definisi 13.2.
Jika ruang sampel mengandung titik yang berhingga banyaknya atau deretan yang
banyaknya sama dengan banyaknya bilangan bulat, maka ruang sampel itu disebut
ruang sampel diskrit, dan variable random yang didefinisikan pada ruang sampel
tersebut adalah variable random diskrit.
Definisi 13.3.
Jika ruang sampel mengandung titik yang tak berhingga banyaknya atau sama
banyaknya dengan banyak titik pada sepotong garis, maka ruang sampel itu
disebut ruang sampe kontinu dan variable random yang didefinisikan pada ruang
sampel tersebut adalah variable random kontinu.
Kembali pada definisi 13.1. dari definisi variable random ini jelas bahwa harga-
harga variable random atau himpunan harga-harga variable random sebenarnya
adalah suatu kejadian yang ditentukan oleh suatu hasil atau beberapa hasil yang
mungkin dari suatu percobaan.
98
𝑋(𝑆1 ) =3 adalah suatu kejadian munculnya 3 angka.
Artinya kita dapat menghitung peluang nilai suatu variable random dengan
menghubungkannya dengan peluang kejadian yang berpaduan dengan nilai
1
variable random tersebut. Misalnya 𝑃(𝑋(𝑆1 ) = 3) = 𝑃({𝐴𝐴𝐴}) = .
8
1
Selanjutnya penulisan 𝑋(𝑆1 ) = 3 ditulis 𝑋 = 3, sehingga 𝑃(𝑋 = 3) = 8.
Contoh
1
𝑃(𝑋 = 0) = 𝑃({𝐺𝐺𝐺}) = ;
8
3
𝑃(𝑋 = 1) = 𝑃({𝐴𝐺𝐺, 𝐺𝐴𝐺, 𝐺𝐺𝐴}) = ;
8
3
𝑃(𝑋 = 2) = 𝑃({𝐴𝐴𝐺, 𝐴𝐺𝐴, 𝐺𝐴𝐴}) = ;
8
1
𝑃(𝑋 = 3) = 𝑃({𝐴𝐴𝐴}) =
8
𝑃(𝑋 = 1) = 𝑃({ }) = 0
1
𝑃(𝑋 = 2) = 𝑃({(1,1)}) = ;
6
99
2
𝑃(𝑋 = 3) = 𝑃({(1,3), (2,2), (3,1)}) = ;
36
3
𝑃(𝑋 = 4) = 𝑃({(1,3)(2,2)(3,2)}) = ;
36
1
𝑃(𝑋 = 12) = 𝑃({(6,6)}) =
36
B. DISTRIBUSI PELUANG
Pada bab ini, Anda sudah dikenalkan secara umum mengenai distribusi peluang
pada pertemun 10, sehingga pada sub bab ini kita akan membahas lebih khusus
lagi.
Definisi 13.4.
Definisi 13.1.
Misalkan 𝑋 variabel random diskrit, suatu fungsi 𝑓 disebut fungsi peluang atau
distribusi peluang 𝑋 apabila untuk setiap hasil 𝑥 yang mungkin memenuhi,
1. 𝑓(𝑥) ≥ 0
2. ∑𝑛𝑥=0 𝑓(𝑥) = 1
3. 𝑃(𝑋 = 𝑥) = 𝑓(𝑥)
Karena 𝑋 variabel random diskrit, maka distribusi peluangnya disebut distribusi
peluang diskret.
Contoh 5.4.
100
Pada percobaan pelemparan mata uang 3𝑋, misalkan 𝑋 adalah variable random
yang menyatakan banyaknya angka pada setiap hasil yang mungkin maka
distribusi peluang 𝑋 dapat ditulis dalam tabel berikut.
𝑋 0 1 2 3
𝑓(𝑥) 1 3 3 1
8 8 8 8
Diperiksa
1. 𝑓(𝑥) ≥ 0, dipenuhi
1 3 3 1
2. ∑3𝑥=0 𝑓(𝑥) = 8 + 8 + 8 + 8 = 1, dipenuhi
101
𝑋 = 1, artinya 1 bola lampu rusak yang terambil, maka
𝐶13 𝐶25 30
𝑓(0) = =
56 56
𝑋 = 2, artinya 2 bola lampu rusak yang terambil, sehingga
𝐶23 𝐶15 15
𝑓(0) = =
56 56
𝑋 = 3, artinya 3 bola lampu rusak yang terambil, sehingga
𝐶33 𝐶05 1
𝑓(0) = =
56 56
Sehingga distribusi peluang 𝑋:
𝑋 0 1 2 3
𝑓(𝑥) 10/56 30/56 15/36 1/56
Sedangkan fungsi distribusi peuang 𝑋 dapat disajikan dalam rumus
5
𝐶𝑥3 𝐶3−𝑥
𝑓(𝑥) = , 𝑥 = 0,1,2,3
𝐶38
Suatu variable random kontinu mempunyai peluang pada setiap titik 𝑋 . Oleh
karena itu distribusi peluangnya tikdak mungkin disajikan dalam bentuk tabel,
tetapi hanya berupa rumus secara terurut. Fungsi distribusi peluang variable
random kontinu biasa disebut fungsi padat/fungsi densitas peluang.
Definisi
Mialkan X variable random kontinu, suatu fungsi 𝑓 disebut fungsi peluang atau
distribusi peluang X jika untuk ssetia hasil 𝑥 yang mungkin memenuhi,
1. 𝑓(𝑥) ≥ 0
∞
2. ∫−∞ 𝑓(𝑥) 𝑑𝑥 = 1
𝑏
3. 𝑃(𝑎 < 𝑋, 𝑏) = ∫𝑎 𝑓(𝑥) 𝑑𝑥
102
Contoh:
𝑥2
, 𝑗𝑖𝑘𝑎 − 1 < 𝑥 < 2
𝑓(𝑥) = 3
{ 0, 𝑗𝑖𝑘𝑎 𝑦𝑎𝑛𝑔 𝑙𝑎𝑖𝑛
Tentukan:
Penyelesaian:
𝑥2
a. (i) 𝑓(𝑥) ≥ 0, jelas (karena 𝑥 2 ≥ 0, 3 > 0 sehingga 3
≥ 0.
∞ −1 2 𝑥2 ∞
(ii) ∫−∞ 𝑓(𝑥) 𝑑𝑥 = ∫−∞ 0 𝑑𝑥 + ∫−1 3
𝑑𝑥 + ∫2 0 𝑑𝑥
2
𝑥3
=( )
9 −1
8 1
= +
9 9
=1
1
1 𝑥2 𝑥3 1
b. 𝑃(0 < 𝑋 ≤ 1) = ∫0 𝑑𝑥 = [ ] =
3 9 09
Contoh
𝑘𝑥 2
, −1 < 𝑥 < 2
𝑓(𝑥) = 6
{ 0, 𝑥 𝑦𝑎𝑛𝑔 𝑙𝑎𝑖𝑛
103
a. Tentukan 𝑘 agar 𝑓 merupkan fungsi peluang
b. Tentukan 𝑃(𝑋 < 1)
Penyelesaian:
∞ −1 2 𝑘𝑥 2 ∞
a. ∫−∞ 𝑓(𝑥) 𝑑𝑥 = 1 ⟺ ∫−∞ 0 𝑑𝑥 + ∫−1 6
𝑑𝑥 + ∫2 0 𝑑𝑥 = 1
2
𝑘𝑥 2
⇔ ∫ 𝑑𝑥 = 1
6
−1
2
𝑘𝑥 3
⟺[ ] =1
18 −1
8𝑘 𝑘
⇔ + =1
18 18
9𝑘
⇔ =1
18
⇔𝑘=1
1 2𝑥 2 1 1 1 1 2
b. 𝑃(𝑥 < 1) = 𝑃(−1 < 𝑋 < 1) = ∫−1 6
𝑑𝑥 = [9 𝑥 3 ] =9+9=9
−1
LATIHAN
1. Sebuah dadu dilempar satu kali, misalkan X adalah variable random yang
menyatakan jumlah mata dadu yang muncul (kelihatan)
a. Tentukan semua nilai 𝑋
b. Tentukan distribusi peluang 𝑋
2. Sebuah mata uang dilempar sebanyak empat kali, jika X menyatakan selisih angka
dan gambar yang muncul, tentukan
a. Nilai-nilai X
b. Distribusi peluang X
3. Diketahui suatu fungsi
2 𝑥
𝑐 ( ) , 𝑥 = 1,2,3,4, …
𝑓(𝑥) = 3
{ 0, 𝑥 𝑦𝑎𝑛𝑔 𝑙𝑎𝑖𝑛
Tentukan 𝑐 agar 𝑓 merupakan fungsi peluang
4. Diketahui suatu fungsi
104
𝑘𝑥
, 𝑥 = 1,2,3,4,5
𝑓(𝑥) = { 5
0, 𝑥 𝑦𝑎𝑛𝑔 𝑙𝑎𝑖𝑛
a. Tentukan 𝑘 agar 𝑓 merupakan fungsi peluang.
b. Tentukan 𝑃(𝑋 < 2)
5. Diketahui suatu fungsi
𝑘𝑥𝑒 −𝑥 , 0 < 𝑥 < ∞
𝑓(𝑥) = {
0, 𝑥 𝑦𝑎𝑛𝑔 𝑙𝑎𝑖𝑛
a. Tentukan 𝑘 agar 𝑓 merupakan fungsi peluang
b. Tentukan 𝑃(|𝑋| < 1)
6. Diketahui variable random 𝑋 dengan fungsi densitas peluang
2(1 + 𝑥)
,2 < 𝑥 < 5
𝑓(𝑥) = { 27
0, 𝑥 𝑦𝑎𝑛𝑔 𝑙𝑎𝑖𝑛
Tentukan
a. 𝑃(𝑋 ≤ 4)
b. P(3<X<4)
7. Dalam seperangkat kartu bridge diambil 4 kartu sekaligus secara acak, tentukan
distribusi peluang munculnya kartu AS.
8. Dalam sebuah kotak terdapat 2 kelereng merah, 3 kelereng putih dan 1 kelereng
hijau, diambil secara acak 2 kelereng satu persatu dari dalam kotak tersebut.
Tentukan distribusi peluang banyaknya kelereng putih yang terambil jika
pengambilannya:
a. Dengan pengembalian
b. Tanpa pengembalian
105
Pertemuan 14.
A. EKSPEKTASI
Definisi 15.1.
Catatan :
Contoh 16.1.
Penyelesaian:
106
𝐸(𝑋) = ∑ 𝑥𝑓(𝑥)
𝑥
1 2 1
= 0( ) + 1( ) + 2( )
4 4 4
=1
Contoh 15.2.
20.000
3
, 𝑗𝑖𝑘𝑎 𝑥 > 100
𝑓(𝑥) = { 𝑥
0, 𝑗𝑖𝑘𝑎 𝑥 𝑦𝑎𝑛𝑔 𝑙𝑎𝑖𝑛
Penyelesaian:
∞
20.000
𝐸(𝑋) = ∫ 𝑥 𝑑𝑥 = 200
100 𝑥3
Jadi bola lampu tersebut dapat diharapkan rata-rata berumur 200 jam.
Contoh 15.3.
107
Penyelesaian:
𝑛(𝑆) = 𝐶37 = 35
𝐶04 𝐶33 1
𝑋 = 0 ⇒ 𝑓(0) = =
𝑛(𝑆) 35
𝐶14 𝐶23 12
𝑋 = 1 ⇒ 𝑓(1) = =
𝑛(𝑆) 35
𝐶24 𝐶13 18
𝑋 = 2 ⇒ 𝑓(2) = =
𝑛(𝑆) 35
𝐶34 𝐶03 4
𝑋 = 3 ⇒ 𝑓(3) = =
𝑛(𝑆) 35
𝒙 0 1 2 3
𝑓(𝑥) 1 12 18 4
35 35 35 35
Maka
𝐸(𝑋) = ∑ 𝑥𝑓(𝑥)
𝑥
1 12 18 4
= 0( ) +1( ) + 2( ) + 3( )
35 35 35 35
12 36 12
= 0+ + +
35 35 35
60 12
= =
35 7
108
12
Jadi harapan matematikawan dalam kepanitian adalah .
7
Teorema 15.1.
∞
𝐸[𝑔(𝑥)] = ∫ 𝑔(𝑥)𝑓(𝑥) , jika X kontinu
−∞
Contoh 15.4
Distribusi peluang X
𝑥 0 1 2 3 4 5 6
𝑓(𝑥) 1/6 1/6 1/6 1/6 1/6 1/6 1/6
𝐸[𝑔(𝑥)] = ∑ 𝑔(𝑥)𝑓(𝑥)
𝑥
= ∑ (2𝑥 − 1)𝑓(𝑥)
𝑥
1 1 1 1
= (2 ∙ 0 − 1) + (2 ∙ 1 − 1) + (2 ∙ 2 − 1) + (2 ∙ 3 − 1) +
6 6 6 6
1 1 1
(2 ∙ 4 − 1) + (2 ∙ 5 − 1) + (2 ∙ 6 − 1)
6 6 6
109
= 6.
Contoh 15.5.
𝑥2
, −1 < 𝑥 < 2
𝑓(𝑥) = 3
Penyelesaian:
2
𝑥2 1 2
𝐸[𝑔(𝑥)] = ∫ (3𝑥 + 1) 𝑑𝑥 = ∫ (3𝑥 3 + 𝑥 2 ) 𝑑𝑥
−1 3 3 −1
1 3 4 1 3 2
= [ 𝑥 + 𝑥 ]
3 4 3 −1
1 8 3 1
= [(12 + ) − ( − )]
3 3 4 3
57
=
12
Sifat-sifat Ekspektasi
110
B. VARIANSI
Definisi 15.2.
Teorema
𝑉𝐴𝑅(𝑋) = 𝐸[𝑋 2 ] − 𝜇 2
Bukti:
= 𝐸[𝑋 2 − 2𝑋𝜇 + 𝜇 2 ]
= 𝐸(𝑋 2 ) − 𝐸(2𝑋𝜇) + 𝜇 2
= 𝐸(𝑋 2 ) − 2𝜇𝜇 + 𝜇 2
= 𝐸(𝑋 2 ) − 𝜇 2 ∎
Sifat-sifat Variansi
2
1. 𝑉𝐴𝑅[𝑔(𝑥)] = 𝐸[𝑔(𝑥) − 𝐸[𝑔(𝑥)]]
2. Jika a dan b konstan 𝑉𝐴𝑅 (𝑎𝑋 + 𝑏) = 𝑎2 𝑉𝐴𝑅(𝑋)
3. Akibat 2. 𝑉𝐴𝑅(𝑏) = 0; 𝑉𝐴𝑅(𝑎𝑋) = 𝑎2 𝑉𝐴𝑅(𝑋)
111
Bukti
= 𝐸[𝑎𝑋 − 𝑎𝐸(𝑋)]2
= 𝐸[𝑎2 [𝑋 − 𝐸(𝑋)]]2
= 𝑎2 𝐸[𝑋 − 𝐸(𝑋)]2
= 𝑎2 𝑉𝐴𝑅(𝑋)
Contoh 15.6.
Pada percobaan melempar 2 buah uang logam sebanyak satu kali, jika 𝑋
menyatakan banyaknya angka yang muncul, tentukan variansi 𝑋.
Penyelesaian:
𝒙 0 1 2
𝑓(𝑥) 1/4 2/4 1/4
𝐸(𝑋) = ∑ 𝑥𝑓(𝑥)
𝑥
1 2 1
= 0( ) + 1( ) +2( ) = 1
4 4 4
112
𝐸(𝑋 2 ) = ∑ 𝑥 2 𝑓(𝑥)
𝑥
1 2 1 3
= 0 ( ) + 12 ( ) + 22 ( ) =
4 4 4 2
3 1
Jadi 𝑉𝐴𝑅(𝑋) = 2 − 1 = 2
Contoh 15.7.
Penyelesaian:
Sebagai latihan.
LATIHAN 16.1.
𝑥
, 𝑥 = 1,2,3
6
𝑓(𝑥) = {
0, 𝑥 𝑦𝑎𝑛𝑔 𝑙𝑎𝑖𝑛
Tentukan:
a. E(X)
b. VAR(X)
113
3. Misalkan X variabel random dengan fungsi peluang
Tentukan:
c. E(X)
d. VAR(X)
a. 𝐸(𝑌)
b. 𝑉𝐴𝑅(𝑌)
1
8. Misalkan X variabel random berdistribusi seragam dengan 𝑓(𝑥) = 10 , 𝑥 =
114
Pertemuan ke15-16
Distribusi peluang kontinu yang sangat penting dalam seluruh bidang statistika.
Grafiknya disebut kurva normal, berbentuk lonceng seperti pada gambar 15.1. Distribusi
normal juga biasa disebut dengan distribusi Gauss.
𝑓(𝑥)
−𝜎 𝜎
𝑋
𝜇
15.1.Kurva Distribusi Normal
Definisi 15.1.
Distribusi Normal. Fungsi kepadatan peubah acak normal 𝑋, dengan rata-rata 𝜇
dan variansi 𝜎 2 adalah
1 1 𝑥−𝜇 2
− ( )
𝑛(𝑥; 𝜇; 𝜎) = 𝑒 2 𝜎 ; −∞ < 𝑥 < ∞
√2𝜋𝜎
dengan 𝜋 = 3,14159 … ; 𝑒 = 2,71828 …
Begitu 𝜇 dan 𝜎 diketahui maka seluruh kurva normal bisa diketahui.
Contoh 15.1.
115
Apabila 𝜇 = 50; 𝜎 = 5 maka ordinat 𝑛(𝑥; 50; 5) dapat dengan mudah dihitung
untuk berbagai nilai 𝑥 dan kurvanya dapat digambarkan.
Perhatikan gambar 15.2. dilukiskan dua buah kurva normal yang mempunyai simpangan
baku yang sama namun rata-rata nya berbeda.
𝜎1 𝜎2
𝜇1 𝜇2 𝑥
Pada gambar 15.3. terlukis dua kurva normal dengan rata-rata sama namun berbeda
simpangan bakunya.
𝜎1
𝜎2
𝜇1 = 𝜇2
Gambar 15.3. Kurva Normal dengan 𝜇1 = 𝜇2 dan𝜎1 < 𝜎2
Gambar 15.4. memperlihatkan kurva normal baik rata-rata maupun simpangan bakunya
berbeda.
𝜎1
𝜎2
𝜇1 𝜇2
Gambar 15.4. Kurva Norma dengan 𝜇1 < 𝜇2 dan 𝜎1 < 𝜎2
Dengan mengamati grafik dan memeriksa turunan pertama dan kedua dari
𝑛(𝑥; 𝜇; 𝜎) dapat diperoleh lima sifat distribusi normal berikut:
116
1. Modus, titik pada sumbu datar yang memberikan maksimum kurva, terdapat
pada 𝑥 = 𝜇.
2. Kurva setangkup (lonceng simetris) terhadap garis tegak yang melalui rata-
rata 𝜇.
3. Kurva mempunyai titik belok pada 𝑥 = 𝜇 ± 𝜎, cekung dari bawah apabila 𝜇 −
𝜎 < 𝑋 < 𝜇 + 𝜎, dan cekung ke atas untuk harga 𝑥 yang lainnya.
4. Kedua ujung kurva normal mendekati asimtot sumbu datar apabla harga 𝑥
bergerak menjauhi 𝜇 baik ke kiri maupun ke kanan.
5. Seluruh luas di bawah kurva dan di atas sumbu datar sama dengan 1.
∞
1 1 𝑥−𝜇 2
− ( )
𝐸(𝑋) = ∫ 𝑥𝑒 2 𝜎 𝑑𝑥
√2𝜋𝜎
−∞
𝑥−𝜇
dengan mengganti 𝑧 = 𝜎
dan 𝑑𝑥 = 𝜎𝑑𝑧, diperoleh
∞
1 −𝑧2
𝐸(𝑋) = ∫ (𝑥 + 𝜎𝑧)𝑒 2 𝑑𝑧
√2𝜋𝜎
−∞
∞ ∞
1 −𝑧2 𝜎 −𝑧2
=𝜇 ∫𝑒 2 𝑑𝑧 + ∫ 𝑧𝑒 2 𝑑𝑧
√2𝜋 √2𝜋
−∞ −∞
Integral pertama adalah 𝜇 kali luas di bawah kurva normal dengan rata-rata 0 dan
variansi 1, jadi sama dengan 𝜇. Dengan mencari integralnya langsung ataupun dengan
menggunakan fakta bahwa integrannya (fungsi dibelakang tanda integral) adalah fungsi
ganjil, integral keduanya adalah nol. Jadi
𝐸(𝑋) = 𝜇
117
∞
1 1 𝑥−𝜇 2
− ( )
𝐸[(𝑋 − 𝜇)2 ] = ∫ (𝑥 − 𝜇)2 𝑒 2 𝜎 𝑑𝑥
√2𝜋𝜎
−∞
𝑥−𝜇
Sekali lagi ganti 𝑧 = 𝜎
dan 𝑑𝑥 = 𝜎𝑑𝑧, diperoleh
∞
2]
𝜎2 −𝑧2
𝐸[(𝑋 − 𝜇) = ∫ 𝑧2𝑒 2 𝑑𝑧
√2𝜋𝜎
−∞
𝑧2 𝑧2
Integralkan bagian menurut 𝑢 = 𝑧 dan 𝑑𝑣 = 𝑧𝑒 − 2 , sehingga 𝑑𝑢 = 𝑑𝑧 dan 𝑦 = −𝑒 − 2 ,
diperoleh
∞ ∞
𝜎2 −
𝑧2 𝑧2
𝐸[(𝑋 − 𝜇) 2]
= (−𝑧𝑒 2 | + ∫ 𝑒 − 2 ) 𝑑𝑥
√2𝜋𝜎 −∞
−∞
= 𝜎 2 (0 + 1)
= 𝜎2
Kurva setiap distribusi peluang kontinu atau fungsi kepadatan dibuat sedemikian
rupa sehingga luas dibawah kurva di antara kedua ordinat 𝑥 = 𝑥1 dan 𝑥 = 𝑥2 , sama
dengan peluang peubah acak 𝑋 mendapat harga Antara 𝑥 = 𝑥1 dan 𝑥 = 𝑥2 . Jadi untuk
kurva normal pada gambar 15.5 dinyatakan dengan luas daerah yang berwarna merah,
dengan
∞ 𝑥2
1 𝑥−𝜇 2
− ( )
𝑃(𝑥1 < 𝑋 < 𝑥2 ) = ∫ 𝑛(𝑥; 𝜇; 𝜎) 𝑑𝑥 = ∫ (𝑥 − 𝜇)2 𝑒 2 𝜎 𝑑𝑥
−∞ −𝑥1
𝑥1 𝜇 𝑥2
Gambar 15.5. 𝑃(𝑥1 < 𝑋 < 𝑥2 ) = luas daerah yang berwarna merah
118
Pada gambar 15.2, 15.3, dan 15.4. telah ditunjukkan bahwa kurva normal
bergantung pada rata-rata dan simpangan baku. Luas di bawah kurva Antara dua ordinat
sembarang tentu pula bergantung pada harga 𝜇 dan 𝜎. Hal ini jelas terlihat pada gambar
15.6, di sini daerah yang berpadanan dengan 𝑝(𝑥1 < 𝑋 < 𝑥1 ) untuk kedua kurva dengan
rata-rata dan variansi yang berbeda telah diberi warna merah. 𝑝(𝑥1 < 𝑋 < 𝑥1 ), dengan
𝑋 peubah acak yang menyatakan distribusi 𝐼 , dinyatakan dengan daerah yang diarsir
dengan warna hijau. 𝐼𝐼
𝜎2
𝐼 𝜎1
𝜇1 𝑥1 𝑥2 𝜇2
Gambar 15.6. 𝑃(𝑥1 < 𝑋 < 𝑥2 ) untuk kurva normal yang berbeda
Bila 𝑋 menyatakan peubah acak berdistribusi 𝐼𝐼, maka 𝑃(𝑥1 < 𝑋 < 𝑥2 ) diberikan
oleh daerah yang berwarna merah. Jelas bahwa daerah yang diarsir berbeda luasnya, jadi
peluang yang berpadanan dengan masing-masing distribusi tentu akan berbeda pula.
𝑋−𝜇
𝑍=
𝜎
𝑥1 − 𝜇
𝑧1 =
𝜎
dan
𝑥2 − 𝜇
𝑧2 =
𝜎
119
Karena itu dapat ditulis sebagai
𝑥2
1 1 𝑥−𝜇 2
− ( )
𝑃(𝑥1 < 𝑋 < 𝑥2 ) = ∫𝑒 2 𝜎 𝑑𝑥
√2𝜋𝜎
𝑥1
𝑧2
1 𝑧2
= ∫ 𝑒 − 2 𝑑𝑧
√2𝜋𝜎
𝑧1
𝑧2
1
= ∫ 𝑛(𝑧: 0; 1) 𝑑𝑧
√2𝜋𝜎
𝑧1
Dengan 𝑍 terlihat merupakan suatu peubah acak normal dengan rata-rata nol
dan variansi 1.
Definisi 15.2
Distribusi peubah acak normal denga rata-rata nol dan variansi 1 disebut
dengan distribusi normal baku.
Distribusi asli sesudah ditransformasikan pada gambar 15.7. Karena semua harga
𝑋 antara 𝑥1 dan 𝑥2 mempunyai harga 𝑍 yang sama antara 𝑧1 dan 𝑧2 , luas di bawah kurva
𝑋 antara ordinat 𝑥 = 𝑥1 dan 𝑥 = 𝑥2 pada gambar 15.7 sama dengan luas di bawah kurva
𝑍 antara odinat yang telah ditransformasikan menjadi 𝑧 = 𝑧1 dan 𝑧 = 𝑧2 .
𝐼𝐼 𝜎1
𝐼
𝜎1
𝑥1 𝑥2 𝑥 𝑧1 𝑧2 𝜇 𝑧
𝜇
120
Sekarang banyaknya tabel kurva normal yang diperlukan telah diperkecil menjadi
satu, yaitu distribusi normal baku yang berpadanan dengan 𝑃(𝑍 < 𝑧) untuk harga 𝑧 dari
−3,4 sampai 3,4. Untuk menjelaskan penggunaan tabel (tabel 4) misalkan akan dicari
peluang bahwa 𝑍 lebih kecil dari 1,74. Pertama sekali lihat pada kolom sebelah kiri 𝑧 yang
sama dengan 1,7, kemudian bergeraklah mendatar sampai kolom di bawah 0,04 dan
menemukan bilangan 0,9591. Jadi 𝑃(𝑍 < 1,74) = 0,9591.
Contoh 15.2.
Penyelesaian
𝑥1 − 𝜇 45 − 50 −5
𝑧1 = = = = −0,5
𝜎 10 10
𝑥2 − 𝜇 62 − 50 12
𝑧1 = = = = 1,2
𝜎 10 10
Jadi
= 0,8849 − 0,3085
= 0,5765
121
-0,5 0 1,2
Contoh 15.3.
Suatu jenis baterai mobil rata-rata berumur 3,0 tahun dengan simpangan baku
0,5 tahun. Apabila dianggap umur baterai berdistribusi normal, carilah peluang
suatu baterai tertentu akan berumur kurang dari 2,3 tahun.
Penyelesaian:
Jawab :
= 0,0808
-1,4 0
Contoh 15.4.
122
Suatu mesin membuat alat tahanan listrik dengan rata-rata tahan 50 ohm dan
simpangan baku 2 ohm. Misalkan bahwa tahanan berdistribusi normal dan dapat
diukur sampai derajad ketelitian yang diinginkan.
Teorema 15.1.
𝜇 = 𝑛𝑝 = (15)(0,4) = 6
123
dan
Histogram 𝑏(𝑥; 15; 0,4) dan kurva normal padanannya, yang seluruhnya telah ditentukan
oleh rata-rata dan variansinya dapat dilihat pada gambar 15.8.
𝜎 = 0,4
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 𝑥
Peluang yang tepat dari peubah acak binomial 𝑋 mendapatkan suatu nilai 𝑥 tertentu
dengan luas persegi panjang yang dasarnya mempunyai titik tengah 𝑥.
Contoh 15.5
Peluang 𝑋 berharga 4 sama dengan luas persegi panjang dengan dasar yang titik
tengahnya 𝑥 = 4. Dengan menggunakan rumus distribusi binomial, diperoleh
luasnya (berdasar tabel 2)
Luas ini secara hampiran sama dengan luas daerah yang diberi warna kuning di
bawah kurva normal antara ordinat 𝑥1 = 3,5 dan 𝑥2 = 4,5 pada gambar 15.9.
Jika diubah ke harga 𝑧 maka diperoleh
𝑥1 − 𝜇 3,5 − 6
𝑧1 = = = −1,316
𝜎 1,9
𝑥2 − 𝜇 4,5 − 6
𝑧2 = = = −0,789
𝜎 1,9
124
Bila 𝑋 peubah acak binomial dan 𝑍 peubah normal baku, berarti
= 0,2151 − 0,0941
= 0,1210
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 𝑥
Gambar 15.10. Hampiran normal terhadap 𝑏(4; 15; 0,4) dan ∑9𝑥=7 𝑏(𝑥; 15; 0,4)
9 6
125
= 0,9662 − 0,6098
= 0,3564
Yang sama dengan luas persegi panjang, masing-masing dengan dasar yang berpusat di
𝑥 = 7, 8 dan 9. Untuk hampiran normal luas tersebut adalah luas daerah yang dihitami
Antara ordinat 𝑥1 = 6,5 dan 𝑥2 = 9,5 pada gambar 15.10. nilai 𝑧 padanannya adalah
6,5 − 6
𝑧1 = = 0,263
1,9
9,5 − 6
𝑧2 = = 1,842
1,9
Sekarang
= 0,9673 − 0,6037
= 0,3635
Sekali lagi terlihat bahwa kurva normal memberikan hampiran yang cukup dekat dengan
nilai sesungguhnya yaitu 0,3564. Derajad ketelitian yang tergantung pada kecocokan
kurva dengan histogram, akan bertambah bila 𝑛 membesar. Hal ini khususnya benar bila
1
𝑝 tidak terlalu dekat dengan 2
dan histogram tidak lagi berbentuk lonceng simetris.
126
Gambar 15.11 dan 15.12 masing-masing memberikan histogram 𝑏(𝑥; 6; 0,2) dan
𝑏(𝑥; 15; 0,2).
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 𝑥
Terlihat bahwa kecocokan kurva normal dengan histogram akan lebih baik bila = 15
daripada 𝑛 = 6.
pegangan lain adalah untuk menentukan apakah hampiran normal masih baik dipakai
diberikan oleh 𝑚𝑝 atau 𝑛𝑞. Bila baik 𝑛𝑝 maupun 𝑛𝑞 lebih besar dari 5 maka hampiran
akan baik.
Contoh 15.6.
Suatu proses menghasilkan sejumlah barang yang 10% cacat. Bila 100 barang
diambil secara acak dari proses tersebut, berapakah peluang bahwa banyaknya
yang cacat melebihi 13?
Penyelesaian:
127
𝜇 = 𝑛𝑝 = (100)(0,1) = 10
Untuk memperoleh peluang yang ditanyakan, haruslah dicari luas sebelah kanan
𝑥 = 13,5. Harga 𝑧 yang berpadanan dengan 13,5 adalah
13,5 − 10
𝑧= = 1,167
3
Dengan peluang bahwa banyaknya yang cacat melebihi 13 diberikan oleh daerah
yang dihitami pada gambar 15.13. Jadi, bila 𝑋 menyatakan banyaknya yang cacat
maka
100
= 1 − 0,8784
= 0,1216
0 1,167
Gambar 15.13. Luas contoh 15.6.
Latihan 15.1
128
b. Luas di atas (lebih besar dari) 27
c. Luas diantara 42 dan 51
d. Luas daerah kurang dari 33 dan diantara 40 dan 45.
2. Diketahui distribusi normal dengan 𝜇 = 200 dan 𝜎 2 = 100 hitunglah
a. Luas di bawah 214
b. Luas di atas 179
c. Luas diantara 188 dan 206
3. Diketahui peubah acak X berdistribusi normal dengan rata-rata 18 dan simpangan
baku 2,5. Hitunglah
a. 𝑃(𝑋 < 15)
b. Nilai 𝑘 sehingga 𝑃(𝑋 < 𝑘) = 0,2578
c. 𝑃(17 < 𝑋 < 21)
d. Nilai 𝑘 sehingga 𝑃(𝑋 > 𝑘) − 0,1539
4. Sebuah perusahaan menggaji pegawainya rata-rata Rp.52.500 per jam dengan
simpangan baku Rp.600. bila gaji beristribusi hampiran normal
a. Berapa persen karyawan yang bergaji Antara, dan termasuk Rp.47.500 dan
Rp.56.500 per jam
b. Di atas berapa rupiah 5% gaji per jam tertinggi?
5. Bila nilai ujian statistika suatu kelas berdistribusi menghampiri normal dengan
rata-rata 74 dan simpangan baku 7,9. Hitunglah
a. Nilai lulus terendah bila mahasiswa dengan 10% terendah mendapatkan nilai
gagal (50)
b. Nilai diantara 80 sampai 90.
6. Sebuah uang logam dilemparkan sebanyak 400 kali. Gunakan hampiran kurva
normal untuk menentukan peluang mendapatkan
a. Antara dan termasuk 185 dan 210 muka
b. Tepat 205 muka
c. Kurang dari 176 atau lebih dari 227 muka
7. Dua buah dadu dilemprkan sebanyak 180 kali. Berapakah peluang mendapatkan
jumlah 7
a. Paling sedikit 15 kali
b. Antara dan termasuk 33 dan 41 kali?
129
c. Tepat 30 kali
130