Chapter II PDF
Chapter II PDF
Chapter II PDF
LANDASAN TEORI
2.1 Probabilitas
Probabilitas adalah suatu nilai untuk mengukur tingkat kemungkinan terjadinya suatu
peristiwa (event) akan terjadi di masa mendatang yang hasilnya tidak pasti (uncertain
event). Probabilitas dinyatakan antara 0 (nol) sampai 1 (satu) atau dalam persentase.
Probabilitas 0 menunjukkan peristiwa yang tidak mungkin terjadi, sedangkan
probabilitas 1 menunjukkan peristiwa yang pasti terjadi. P(A) = 0,99 artinya
probabilitas bahwa kejadian A akan terjadi sebesar 99 % dan probabilitas A tidak
terjadi adalah sebesar 1%.
Contoh :
Kegiatan melempar mata uang akan menghasilkan peristiwa muncul gambar atau
angka, kegiatan jual beli saham akan menghasilkan peristiwa membeli atau menjual,
perubahan harga-harga akan menghasilkan peristiwa inflasi atau deflasi, pertandingan
sepak bola akan menghasilkan peristiwa menang, kalah atau seri. Kegiatan-kegiatan
yang menimbulkan peristiwa tersebut dikenal sebagai percobaan.
Kejadian (event) adalah kumpulan dari satu atau lebih hasil yang terjadi pada
sebuah percobaan atau kegiatan. Kejadian menunjukkan hasil yang terjadi dari suatu
percobaan. Dalam setiap percobaan atau kegiatan hanya ada satu hasil. Pada kegiatan
jual beli saham, kalau tidak membeli berarti menjual. Pada perubahan harga terjadi
inflasi atau deflasi. Dua peristiwa tersebut tidak dapat terjadi bersamaan. Pada
pertandingan sepak bola juga hanya terjadi satu peristiwa, apakah klub sepak bola
tersebut menang, kalah atau seri. Tidak mungkin dalam suatu pertandingan sepak
bola, misalnya Persipura dan PSM, hasilnya adalah Persipura menang juga kalah.
Peristiwa yang mungkin adalah Persipura menang, Persipura kalah, atau seri. Urutan
antara percobaan, ruang sampel dan peristiwa yaitu:
Tabel 2.2 Urutan Percobaan, Hasil dan Peristiwa
Percobaan/ Kegiatan Pertandingan sepak bola antara PSMS VS PSM di
Stadion Teladan, Medan, 7 Februari 2010
Ruang Sampel PSMS Menang
PSMS Kalah
Seri, PSMS tidak menang dan tidak kalah
Kejadian/ Peristiwa PSMS Menang
Contoh:
Didalam kegiatan pengendalian mutu produk, ada 100 buah barang yang diperiksa,
ternyata ada 12 buah barang yang cacat atau rusak. Kalau kebetulan diambil secara
acak satu saja, berapa probabilitasnya bahwa barang yang diambil adalah barang yang
rusak.
𝑛
𝑃(𝐴) =
N
12
𝑃 ( 𝐴) = = 0.12
100
0
Jika n=0, berarti tidak ada barang yang rusak. P(A)= =0, kejadian ini
N
disebut impossible event (tidak mungkin terjadi) tetapi jika N=100 berarti semua
100
barang rusak P(A)= = 1, kejadian ini disebut dengan sure event (pasti terjadi).
100
Gabungan dua kejadian A dan B, dinyatakan dengan A∪B, merupakan kejadian yang
mengandung semua elemen yang termasuk A atau B atau keduanya.
A∪ B = {x : x ∈ A atau x ∈ B}
Jika digambarkan pada diagram Venn maka daerah yang diarsir merupakan
himpunan A ∪ B.
Komplemen dari kejadian A, dinyatakan dengan Ac, adalah kejadian dari elemen-
elemen yang merupakan anggota semesta tetapi bukan anggota A.
Ac = {x : x∈S, x∉ A}
Jika digambarkan pada diagram Venn maka daerah yang diarsir merupakan himpunan
Ac.
2.2.4 Selisih
P(A)=P(𝐴1 ∪ 𝐴2 ∪ 𝐴𝑖 ∪ 𝐴𝑘)
𝑃 ( 𝐴) = � P ( 𝐴 𝑖 )
𝑖=1
P(A) = 1
P(A∩ B) = P(A)P(B)
Peluang terjadinya suatu kejadian A bila diketahui bahwa kejadian B telah terjadi
disebut peluang bersyarat dan dinyatakan dengan P(A|B).
P(A ∩ B)
P(A|B) =
P(B)
Sama halnya dengan peluang terjadinya suatu kejadian B bila diketaui bahwa
kejadian A telah terjadi dan dinyatakan dengan P(B|A).
P(A ∩ B)
P(B|A) =
P(A)
P(A ∩ B) P(A|B)P(A)
P(A|B) = =
P(B) P(B)
P(A ∩ B)
P(A|B) =
P(B)
Contoh:
Dari 900 nama, terdapat 500 orang pria dengan status 460 orang bekerja, sedangkan
40 orang lagi tidak bekerja, dan 400 orang wanita dengan status 140 orang bekerja
sedangkan 260 orang lagi tidak bekerja. Berapa probabilitas terpilihnya pria dengan
status telah bekerja?
A = pria terpilih
B = orang yang terpilih berstatus bekerja
Titik sampel (sample point) merupakan tiap anggota atau elemen dari ruang sampel.
Jika suatu operasi dapat dilakukan dengan 𝑛1 cara, dan bila untuk setiap cara ini
operasi kedua dapat dilakukan dengan 𝑛2 cara, dan bila untuk setiap cara ini operasi
ketiga dapat dilakukan dengan 𝑛3 cara, dst, maka deretan k operasi dapat dilakukan
dengan 𝑛1, 𝑛2, … , 𝑛𝑘 cara.
Contoh:
Tiga buah koin (uang logam) dilemparkan sekali. Banyaknya titik sampel dalam ruang
sampel ?
Koin I dapat menghasilkan 2 hasil yang mungkin, muka (M) atau belakang (B)
Koin II dapat menghasilkan 2 hasil yang mungkin, M atau B
Koin III dapat menghasilkan 2 hasil yang mungkin, M atau B
Jumlah titik sampel yang dihasilkan = (2) (2) (2) = 8
Kombinasi merupakan susunan dari suatu himpunan obyek yang dapat dibentuk tanpa
memperhatikan urutan. Kombinasi berkaitan dengan penentuan banyaknya cara
𝑛!
𝐶𝑛𝑟 =
𝑟! (𝑛 − 𝑟)!
Contoh:
Suatu kelas terdiri atas 4 pria dan 3 wanita Banyaknya panitia yang dibentuk yang
beranggotakan 2 pria dan 1 wanita?
4!
Banyaknya cara memilih 2 dari 4 pria = 𝐶42 = 2!(4−2)! = 6
3!
Banyaknya cara memilih 1 dari 3 wanita = 𝐶31 = 1!(3−1)! = 3
Permutasi merupakan susunan dari suatu himpunan obyek yang dapat dibentuk yang
memperhatikan urutan. Banyaknya permutasi n obyek berlainan adalah n! Banyaknya
𝑛!
permutasi n obyek berlainan bila diambil r sekaligus 𝑃𝑛𝑟 = 𝑟!(𝑛−𝑟)!. Banyaknya
Banyaknya permutasi yang berlainan dari n obyek bila 𝑛1 adalah jumlah obyek
jenis pertama, 𝑛2 adalah jumlah obyek jenis kedua, ..., 𝑛𝑘 jumlah obyek ke-k adalah:
𝑛!
.
𝑛1 ! 𝑛2 ! … 𝑛 𝑘 !
Penyajian distribusi probabilitas dalam bentuk grafis, tabel atau melalui rumusan tidak
masalah, yang ingin dilukiskan adalah perilaku (kelakuan) perubah acak tersebut.
Sering di menjumpai, pengamatan yang dihasilkan melalui percobaan statistik yang
berbeda mempunyai bentuk kelakuan umum yang sama.
Oleh karena itu perubah acak diskrit yang berkenaan dengan percobaan
tersebut dapat dilukiskan dengan distribusi probabilitas yang sama, dan dapat
dinyatakan dengan rumus yang sama.
Distribusi probabilitas yang paling sederhana adalah yang semua perubah acaknya
mempunyai probabilitas yang sama. Distribusi ini disebut distribusi probabilitas
seragam diskrit.
Jika perubah acak X mendapat nilai 𝑥1, 𝑥2, … , 𝑥𝑘 dengan probabilitas yang sama ,
maka distribusi probabilitas diskrit diberikan oleh:
1
𝑓(𝑥; 𝑘) = , untuk x = 𝑥1, 𝑥2, … , 𝑥𝑘
𝑘
X1 X2 X3 Xk
Gambar 2.5 Distribusi Seragam
Contoh:
Sebuah dadu seimbang dilemparkan satu kali, maka tiap unsur dalam ruang sampel
S={1, 2,3 4, 5, 6}. Muncul dengan probabilitas 1/6. Jadi jika X menyatakan mata dadu
yang muncul, maka X terdistribusi peluang seragam (uniform) yakni f(x;6)=1/6, untuk
x = 1, 2, 3, 4, 5, 6
Suatu percobaan yang terdiri atas beberapa usaha, tiap-tiap usaha, memberikan hasil
yang dapat dikelompokan menjadi 2-kategori yaitu sukses atau gagal, dan tiap-tiap
ulangan percobaan bebas satu sama lainnya. Probabilitas kesuksesan tidak berubah
dari percobaan satu ke percobaan lainnya. Proses ini disebut proses Bernoulli. Jadi
proses Bernoulli harus memenuhi persyaratan berikut:
1. Percobaan terdiri atas n-eksperimen yang berulang
2. Tiap-tiap eksperimen memberikan hasil yang dapat dikelompokan menjadi 2-
kategori, sukses atau gagal
3. Peluang kesuksesan dinyatakan dengan p, tidak berubah dari satu eksperimen
ke eksperimen berikutnya.
4. Tiap eksperimen bebas dengan eksperimen lainnya.
𝑛!
𝐹(𝑥) = 𝑃(𝑥, 𝑛; 𝑝) = 𝐶𝑛𝑥 )𝑝𝑥 𝑞𝑛−𝑥 = 𝑝𝑥 𝑞𝑛−𝑥
𝑥! (𝑛 − 𝑥)!
Dengan:
x = munculnya sukses yang ingin di hitung
n = jumlah eksperimen
p = probabilitas sukses dalam tiap eksperimen
q = probabilitas gagal dalam tiap eksperimen = 1 – p
n-x = jumlah gagal dalam n eksperimen
Jadi,
Var (𝑋) = 𝐸[𝑋2] – (𝐸[𝑋])2
= n(n − 1)p2 + np − 𝑛2𝑝2
= np(1-p)
= npq
Jadi, varian dari distribusi binomial adalah npq.
1 1 𝑥−𝜇 2
−� �� �
𝑛(𝑥; 𝜇; 𝜎) 𝑒 2 𝜎 , untuk −∞ <𝑥 <∞
√2𝜋𝜎
Dengan :
µ = mean
σ = simpangan baku
π = 3,14159...
e = 2,71828...
𝑏
𝑃(𝑎 ≤ 𝑥 ≤ 𝑏) = � 𝑓(𝑥 )𝑑𝑥
𝑎
𝑏 1 1 𝑥−𝜇 2
−�2�� 𝜎 �
= � 𝑒 𝑑𝑥
𝑎 √2𝜋𝜎
04
03
02
01
-4 -2 a 0 b 2 4
Gambar 2.7 Luas Derah P(a < x < b) = Luas Daerah Diarsir
∞
E(X) = � 𝑥𝑓(𝑥 )𝑑𝑥
−∞
𝜎 ∞ 1 𝜇𝑥 ∞ 1
2 2
= � 𝑧 𝑒 −2𝑧 𝑑𝑧 + � 𝑒 −2𝑧 𝑑𝑧
√2𝜋 −∞ √2𝜋 −∞
𝜎 𝜎 0 1 2
∞ 1 2
untuk, = (� 𝑧𝑒 −2𝑧 𝑑𝑧 + � 𝑧𝑒 −2𝑧 𝑑𝑧)
√2𝜋 √2𝜋 −∞ 0
1 2 𝑑𝑦
𝑦= 𝑧 ; 𝑑𝑦 = 𝑧𝑑𝑧 ; 𝑑𝑧 =
2 𝑧
𝜎 0 ∞
= �� 𝑒 −𝑦 𝑑𝑦 + � 𝑒 −𝑦 𝑑𝑦�
√2𝜋 −∞ 0
∞ 1 2
∞ 𝑑𝑦 ∞
untuk, � 𝑧 𝑒 −2𝑧 𝑑𝑧 = � 𝑧 𝑒 −𝑦 = � 𝑒 −𝑦 𝑑𝑦 = [𝑒 −𝑦 ]∞
0
0 0 𝑧 0
∞
dimana, lim 𝑒 −𝑦 = 0 ; maka � 𝑒 −𝑦 𝑑𝑦 = 0
𝑦→∞ 0
𝜎 ∞
1 2 𝜎
Akibatnya, � 𝑧 𝑒 −2𝑧 𝑑𝑧 = (0 + 0) = 0
√2𝜋 −∞ √2𝜋
𝜇𝑥 ∞ 1 𝜇𝑥 ∞ 1 ∞ 1
2 2 2
untuk, � 𝑒 −2𝑧 𝑑𝑧 = (� 𝑒 −2𝑧 𝑑𝑧 + � 𝑒 −2𝑧 𝑑𝑧)
√2𝜋 −∞ √2𝜋 −∞ −∞
1 2
𝑦= 𝑧 → 𝑧 = √2𝜋
2
𝑑𝑦
𝑑𝑦 = 𝑧𝑑𝑧 → 𝑑𝑧 =
𝑧
𝜇𝑥 0 𝑑𝑦 ∞ 𝑑𝑦
= � 𝑒 −𝑦 + � 𝑒 −𝑦 )
√2𝜋 −∞ 𝑧 0 𝑧
𝜇𝑥 √2𝜋 √2𝜋
= �+ � = 𝜇𝑥
√2𝜋 2 2
Sehingga :
𝜎 ∞ 1 𝜇𝑥 ∞ 1
2 2
E[ X ] = � 𝑧 𝑒 −2𝑧 𝑑𝑧 + � 𝑒 −2𝑧 𝑑𝑧
√2𝜋 −∞ √2𝜋 −∞
E[X] = 0 + 𝜇𝑥
= 𝜇𝑥
∞ ∞ ∞
𝜎2 1 2 𝜎2 1 2 1 2
untuk, � 𝑧 2 𝑒 −2𝑧 𝑑𝑧 = �� 𝑧 2 𝑒 −2𝑧 𝑑𝑧 + � 𝑧 2 𝑒 −2𝑧 𝑑𝑧 �
√2𝜋 √2𝜋
−∞ −∞ −∞
1 2
𝑦 = 𝑧 → 𝑧 = �2𝑦
2
𝑑𝑦 𝑑𝑦
𝑑𝑦 = 𝑧𝑑𝑧 → 𝑑𝑧 = =
𝑧 �2𝑦
∞ 2
0 ∞
𝜎2 1
− 𝑧 𝜎2 𝑑𝑦 𝑑𝑦
� 𝑧2𝑒 2 𝑑𝑧 = � � 2𝑦𝑒−𝑦 + � 2𝑦𝑒 −𝑦 �
√2𝜋 √2𝜋 �2𝑦 �2𝑦
−∞ −∞ 0
0 ∞
𝜎2 2 1 2 1
= �� 𝑦 2 𝑒 −𝑦 𝑑𝑦 +� 𝑦 2 𝑒 −𝑦 𝑑𝐷�
√2𝜋 �2𝑦 �2𝑦
−∞ 0
𝜎2 1 1 1 1
= �√2 ᴦ � � + √2 ᴦ � ��
√2𝜋 2 2 2 2
𝜎2 √2𝜋 √2𝜋
= �+ �
√2𝜋 2 2
= 𝜎2
Sehingga : E[X 2 ] = 𝜎 2 + 𝜇𝑥 2
Maka :
Var(X) = 𝐸[𝑋 2 ] − (𝐸[𝑋])2
= 𝜎2 + 𝜇𝑥 2 − 𝜇𝑥 2
= 𝜎2
Keluarga distribusi normal memiliki jumlah yang banyak sekali, akibat pengaruh
rata-rata dan simpangan baku. Akan tetapi, untuk mencari probabilitas suatu interval
dari variabel random kontinu dapat di permudah dengan menggunakan bantuan
distribusi normal standard.
1 1 2
𝑓 (𝑍 ) = 𝑒 −2𝑧
√2𝜋
𝑋−𝜇
𝑍=
𝜎
Dengan :
Z = Skor Z atau nilai normal baku
X = Nilai dari suatu pengamatan atau pengukuran
µ = nilai rata-rata hitung suatu distribusi
σ = standar deviasi suatu distribusi
Untuk tiap pasang µ dan σ , sifat-sifat di atas selalu di penuhi, hanya bentuk
kurvanya saja yang berlainan. Jika σ makin besar, kurvanya makin rendah
(platikurtik) dan untuk σ makin kecil, kurvanya makin tinggi (leptokurtik).
Pada Gambar 2.8 menunjukkan bentuk distribusi dan kurva normal dengan
nilai tengah sama dan standart deviasi yang berbeda. Kurva normal demikian
mempunyai μ = Md = Mo yang sama, namun mempunyai σ yang berbeda. Semakin
besar σ , maka kurva semakin pendek dan semakin tinggi nilai σ , maka semakin
runcing. Oleh sebab itu, σ yang tinggi menunjukkan bahwa nilai data semakin
menyebar dari nilai tengahnya (μ). Sebaliknya apabila σ semakin rendah, maka nilai
semakin mengelompok pada nilai tengahnya, sehingga parameter nilai tengah menjadi
indikator yang baik bagi ukuran populasi.
a. Jumlah pengamatan relatif besar (n ≥ 30), dan nilai dari np ≥ 5 dan n(1-p) ≥ 5,
dimana n = jumlah data dan p adalah probabilitas sukses.
b. Memenuhi syarat binomial yaitu mempunyai peristiwa hanya 2 (dua), antara
percobaan bersifat independent, probabilitas sukses dan gagal sama untuk semua
percobaan dan data merupakan hasil perhitungan.
𝑋−𝑛𝑝
c. Rumus nilai normal untuk mendekati binomial adalah : 𝑍 =
√𝑛𝑝𝑞
d. Faktor korelasi diperlukan dari binomial yang acak diskrit menjadi normal yang
kontinu dengan menambah atau mengurang 0,5 terhadap nilai X.