TEORI PROBABILITAS
(Diajukan Untuk Memenuhi Salah satu Tugas Mata Kuliah Riset Operasi )
ANJANI 1810085
DIMAS MAESTO SANUBARI 1810017
ELIN NUR SYAMSYI 1810023
RAISA RIANA DEWI 1810004
SALMA FAUZIAH 1810011
Alhamdulillah segala puji bagi Alloh SWT. Yang telah memberikan rahmat dan
karunia-Nya, sehingga kami dapat menyelesaikan makalah ini dengan tepat waktu .
Shalawat dan salam tidak lupa senantiasa kita panjatkan kedapa Nabi Muhammad SAW.
Yang kita harapkan syafa’atnya di yaumilakhir nanti, amiin.
Penyusunan makalah ini dibuat guna memenuhi tugas mata kuliah “ Riset Operasi
“. Makalah ini berjudul “ Teori Probabilitas “, yang membahas tentang hasil acak dari
suatu eksperimen gabungan dari semua hasil ini disebut sebagai ruang sampel , dan bagian
dari ruang sampeldisebut sebagai genap .
Kami menyadari bahwa makalah ini belum sempurna , baik dalam hal penulisan
maupun pokok bahasan yang kami jelaskan. Berkaitan dengan hal tersebut kami selaku
penulis sangat mengharapkan saran, agar kedepannya kami bisa memperbaiki kesalahan-
kesalahan kami yang lalu .
Penulis
i
DAFTAR ISI
2.5 mean dan varians (deviasi standar) dari variabel acak ........................................................................ 8
ii
BAB I
PENDAHULUAN
1.1 Latar Belakang
Probabilitas atau peluang adalah cara untuk mengungkapkan pengetahuan atau kepercayaan bahwa
suatu kejadian akan berlaku atau telah terjadi . konsep ini telah dirumuskan dengan lebih ketat dalam
matematika dan kemudian digunakan seacara lebih luas tidak hanya dalam matematika atau statistika , tetapi
juga keuangan , sain s dan filsafat .
Saat belajar maetamtika , kesalahan mempelajari suatu konsep terdahulu akan berpengaruh terhadap
pemahaman konsep berikutnya karena matematika merupakan pelajaran yang terstuktur . Hudojo ( 2005 :
3 ) menyatakan bahwa matematika berkenaan dengan ide – ide atau konsep – konsep abstrak yang
terstruktur secara hierarkis dan penalarannya deduktif . Begitu juga pada materi peluang . konsep materi
pada peluang pada awalnya di perkenalkan di tingkat SMP / MTS , dan kemudian konsep selanjutnya
diajarkan pada tingkat SMA / MA .
Berdasarkan hasil observasi yang dilakukan di UMS , masih banyak mahasiswa yang mengalami
kesulitan dalam menyelesaikan soal probabilitas . berdasarkan hasil wawancara dengan dosen program studi
probabilitas kesalahan yang banyak dilakukan mahasiswa karena mahasiswa kurang teliti dalam
mengerjakan soal cerita materi probabilitas , kurangnya pemahaman konsep probabilitas dan kesalahan
dalam menggunakan rumus.
1.2 Rumusan Masalah
Berdasarkan latar belakang di atas , maka rumusan masalah dari penelitian ini adalah :
a. Apa yang dimaksud Teori Probabilitas ?
b. Manfaat apa saja yang didapat dari memahami teori probabilitas ?
1.3 Tujuan Penelitian
Tujuan penelitian ini untuk :
a. Memahami konsep dasar probabilitas atau peluang
b. Memahami pengaruh probabilitas dalam menentukan hasil dari setiap percobaan yang dilakukan .
1.4 Manfaat Penelitian
Manfaat yang diharapkan dalam penelitian ini adalah :
a. Bagi Pesera Didik
Memotivasi , mengetahui kemampuan diri para peserta didik dalam mempelajari materi peluang .
b. Bagi Dosen
Dosen bisa meningkatkan kemampuan , mengetahui kesalahan , mahasiswa dalam mempelajari atau
menyelasikan semua hal tentang peluang
c. Bagi Peneliti
3
d. Peneliti mampu mengatahui materi , kemampuan , jenis – jenis kesalahan mahasiswa dalam
meyelesaikan soal – soal tentang peluang .
4
BAB II
PEMBAHASAN
Teori ini menggunakan lima tringkasan umum distribusi yang menggunakan frekuensi di buku
diantaranya : Binomial , poisson , uniform , exponential , and normal . kami juga telah mengembangkan
table statistic berbasis spreadsheet ( file stat table xls. ) yang mengotomatiskn perhitungan mean ,
deviasi , standar , probabilitas m dan presentil dari 16 distribusi berbeda.
Probability berkaitan dengan hasil acak dari suatu eksperimen gabungan dari semua hasil ini disebut
sebagai ruang sampel , dan bagian dari ruang sampeldisebut sebagai genap . eksperimen dapat
menangani ruang sampel secara terus menerus juga . misalnya , waktu antara kegagalan suatu komponen
elektronik dapat mengasumsikan nilai non negative.
Hasil eksperimen dapat berupa numerik alami atau dapat dikodekan secara numerik. Misalnya hasil
dari melempar dadu secara alami numerik --- yaitu, 1,2,3,4,5 atau 6 sampulnya, pengujian suatu barang
menghasilkan dua hasil buruk dan baik. la kasus seperti itu. Kita dapat menggunakan kode numerik
(0,1) untuk merepresentasikan (buruk, bagus) representasi numerik dari hasil menghasilkan apa yang
dikenal sebagai variabel acak.
Variabel acak, x mungkin diskrit atau kontinu. Misalnya, variabel acak yang terkait dengan
percobaan die rolling adalah diskrit dengan x = 1,2,3,4,5 atau 6 sedangkan waktu antar
kedatangan di fasilitas yang diteruskannya dengan x <10
Setiap variabel acak kontinu atau diskrit x dikuantifikasi oleh fungsi kepadatan probabilitas (pdf), f (x)
atau p (x) fungsi ini harus memenuhi kondisi pada tabel berikut :
5
A (pdf), p (x) atau f (x) harus nonnegatif (jika tidak, probabilitas beberapa kejadian mungkin
negatif) juga probabilitas seluruh ruang sampel harus sama 1. Ukuran probabilitas penting adalah
fungsi distribusi kumulatif yang ditentukan sebagai
CONTOH 12.2-1
Pertimbangkan kasus pengguliran dadu variabel acak x (1,2,3,4,5,6) mewakili wajah dadu yang
muncul. PDF dan CDF terkait adalah
Gambar 12.1 menggambarkan dua fungsi tersebut. PDF p (x) adalah fungsi diskrit seragam karena
semua nilai variabel acak muncul dengan probabilitas yang sama. Persamaan berkelanjutan dari
seragam p (x) diilustrasikan oleh percobaan berikut. Sebuah jarum panjang diputar di tengah
lingkaran yang diameternya juga sama dengan l, setelah menandai titik referensi acak pada keliling,
kami memutar jarum searah jarum jam dan mengukur jarak keliling x dari tempat penunjuk berhenti
ke titik yang ditandai. Jadi, variabel acak x kontinu dalam rentang 0 <x <. Tidak ada alasan untuk
percaya bahwa jarum akan cenderung berhenti lebih sering di daerah keliling tertentu, sehingga
semua nilai x dalam kisaran yang ditentukan sama-sama mungkin terjadi dan distribusi x harus
seragam.
6
2.4 Ekspektasi Variabel Acak
mengingat bahwa h (x) adalah fungsi nyata dari variabel acak x, kami mendefinisikan nilai yang
diharapkan dari h (x), E {h (x)}, sebagai rata-rata tertimbang (jangka panjang) sehubungan dengan
pdf dari x. secara matematis, mengingat bahwa p (x) dan f (x), masing-masing, pdf diskrit dan kontinu
dari x, E {h (x)} dihitung sebagai
selama minggu pertama setiap bulan, 1 (seperti banyak orang) membayar semua tagihan saya dan
menjawab beberapa surat. Saya biasanya membeli 20 perangko surat kelas satu setiap bulan untuk
tujuan ini. jumlah prangko 1 yang akan digunakan bervariasi secara acak antara 10 dan 24, dengan
probabilitas yang sama. berapa jumlah rata-rata prangko yang tersisa?
produk 5/15 (0) diperlukan untuk melengkapi nilai yang diharapkan dari h (x). secara khusus,
probabilitas ditinggalkan dengan nol prangko ekstra sama dengan probabilitas membutuhkan 20
prangko atau lebih itu
7
menentukan kemungkinan bahwa pemiliknya akan menjual seluruhnya
tentukan jumlah yang diharapkan dari salinan yang tidak terjual per hari.
jika pemiliknya membayar 50 sen salinannya dan menjualnya seharga $ 1,00. tentukan pendapatan
bersih yang diharapkan pemilik per hari.
2.5 mean dan varians (deviasi standar) dari variabel acak
Mean dari x, E (x), adalah ukuran numerik dari tendensi sentral (atau jumlah tertimbang) dari
variabel acak. Varience, var {x}, adalah ukuran dispersi atau deviasi x di sekitar mean E {x}. Akar
kuadratnya dikenal sebagai simpangan baku dari x, stdDev {x}. Devisi standar yang besar berarti tingkat
ketidakpastian yang lebih tinggi mengenai variabel acak. Khususnya, ketika nilai variabel diketahui
dengan pasti, deviasi standarnya adalah nol.
Rumus untuk mean dan varians dapat diturunkan dari definisi umum E {h (x)} sebagai berikut;
untuk E {x}, gunakan h {x} = x, dan untuk var {x} gunakan h {x} = (x – E {x}) 2 (pangkat 2). Jadi
Pertimbangkan dua variabel acak kontinu x1,, a1 <kurang lebih x1, <kurang lebih b1, dan x2,
a2 kurang lebih x2 kurang lebih b2. tentukan f (x1, x2) sebagai pdf gabungan dari x1 dan x2 dan f1 (x1)
dan f2 (x2) sebagai pdf marginal dari x1 dan x2, masing-masing. kemudian
8
Rumus yang sama berlaku untuk pdf diskrit, menggantikan integrasi dengan penjumlahan.
Untuk kasus khusus y = c1x1 + c2x2, dimana variabel random x1 dan x2 terdistribusi secara bersama-
sama menurut pdf f (x1, x2), dapat dibuktikan bahwa
jika x1 dan x2 tidak bergantung, maka E {x1x2} = E {x1} E {x2} dan cov {x1, x2} = 0.
kebalikannya tidak benar, dalam arti bahwa dua variabel dependen dapat memiliki kovarian nol.
Example
banyak termasuk empat item cacat (D) dan enam item bagus (G). Anda memilih satu item secara
acak dan mengujinya. itu, tanpa penggantian, Anda menguji item kedua. biarkan variabel acak
x1 dan x2 masing-masing mewakili hasil untuk item pertama dan kedua.
Misalkan p (x1, x2) menjadi pdf gabungan dari x1 dan x2, dan tentukan p1 (x1) dan p2 (x2)
sebagai pdf marginal masing-masing. Pertama, kita tentukan p1 (x1) sebagai
9
selanjutnya, kita tahu bahwa x2, hasil kedua, bergantung pada x1. Oleh karena itu, untuk
menentukan p2 (x2), pertama-tama kita tentukan gabungan pdf p (x1, x2), dari situ kita dapat
menentukan distribusi marginal p2 (x2)
untuk menentukan p (x1, x2), kita menggunakan rumus P {AB} = P {A | B} P {B} (lihat bagian
12.12)
Distribusi marginal, p1 (x1) dan p2 (x2), dapat ditentukan dengan meringkas distribusi gabungan,
p (x1, x2), dalam format tabel dan kemudian menambahkan baris dan kolom rrspektif, seperti
yang ditunjukkan tabel berikut.
10
misalkan sebuah pabrik menghasilkan produk tertentu dalam banyak item masing-masing bagian dari
item yang rusak Pak di setiap lot p,s diperkirakan dari data historis. Kami tertarik dalam menentukan PDF
dari jumlah cacat banyak.
Ada C Kombinasi berbeda dari x barang dalam banyak item. Masing masing, dan
Ini adalah distribusi binomial dengan parameter n dan v rata-rata item dan varians diberikan oleh
E (x) =np
Example
Tugas harian john doe mengharuskan melakukan 10 perjalanan pulang pergi dengan mobil antar dua kota.
Sekali dengan semua 10 perjalanan tuan doe, bisa cuti sisa hari ini. Motivasi yang cukup baik untuk
mengemudi di atas batas kecepatan pengalaman menunjukkan bahwa ada peluang 40% untuk
mendapatkan tiket ngebut satu perjalanan pulang pergi
a. Berapa probabilitasnya bahwa hari itu akan berakhir tanpa tiket ngebut?
b. Jika setiap tilang ngebut berharga $80 , berapa rata-rata denda harian?
Probabilitas mendapatkan tiket dalam perjalanan apapun adalah P=A.4. dengan demikian kemungkinan
tidak mendapatkan tiket dalam satu hari adalah
Ini berarti ada peluang kurang dari 1% untuk menyelesaikan hari tanpa denda, secara cepat rata-rata denda
perhari yang bisa dihitung adalah
Pelanggan tiba di bank atau toko kelontong dengan cara yang” benar-benar acak” artinya kita tidak dapat
memprediksi kapan seseorang akan datang. PDF yang menggambarkan jumlah kedatangan tersebut
selama periode tertentu adalah distribusi
11
Misalkan x adalah jumlah kejadian ( misalnya kedatangan) yang terjadi selama unit waktu tertentu (
misalnya, 1 menit atau 1 jam ) mengingat adalah konstanta yang diketahui PDF poison didefinisikan
sebagai
E (x) =A
Var (x) =A
Rumus untuk mean mengungkapkan bahwa a harus mewakili tingkat kejadian penyihir. Angka
distribusi poisson dalam studi antrian secara menonjol dalam studi antrian ( lihat bab 15)
Example
pekerjaan perbaikan tiba di bengkel mesin kecil dengan cara yang benar-benar acak dengan kecepatan
10 per hari
Jumlah rata-rata pekerjaan yang diterima perhari sama dengan a sama dengan 10 pekerjaan perhari.
untuk menghitung probabilitas tidak ada kedatangan per jam, kita perlu menghitung tingkat
Jika kamu kedatangan di fasilitas layanan selama ditentuka mengikuti poisson distribusi ,
maka secara otomatis distribusi interval waktu antara kedatangan yang berurutan harus mengikuti
eksponensial negative atau hanya distribusi eksponensial , khususnya adalah tingkat diaman a peristiwa
racun terjadi kemudian distribusi waktu antara setiap kedatangan yang berurutan , x, adalah
12
2.7.4 Normal Distributions
Distribusi normal menggarbakan banyak fenomena acak yang terjadi dalam kehidupan sehari – hari
termasuk tinggi badan kursusu tes dan banyak lainnya . PDF dari distribusi normal didefinisikan sebagai
13
2.8 Distribusi Empiris
Distribusi empiris adalah penyajian distribusi data dalam bentuk gabungan table dan grafik yang berupa
diagram batang dan daun. Diagram batang dan daun mislkan umur baterai mobil 40 , baterai mobil
dibulatkan sampai persepuluh tahun . dan ada garansi setiap baterai mendapat garansi 3 tahun
Langkah ke 1
Pishkan tiap data menjadi dua bagian : batang dan daun , batang menyatakan satuan ( digit ) dan daun
menyatakan decimal ( persepuluhan ) .
Contoh untuk 3, 7 menjadi angka ( digit ) 3 menjadi batang dan angka 7 menjadi daun
Diagram batang – dun sebelumnya berisi empat batang dan tidak menggambarkan secara baik
distribusi data .
Salah satu cara memperbaikinya ialah menuliskan tiap nilai batang dua kali pada sebelah kiri
garis tegak dan kemudian tuliskan daun 0,1,2,3,4 di sebelah kanan batang yang pertama muncul , dan
daun 5,6,7,8, dan 9 di sebelah kanan niali batang yang sama yang kedua ( dibawah yang pertama )
14
Frekuensi nisbi
Bila frekuensi tiap kelas dibagi dengan banyaknya pengamatan di setiap kelas . frekuensi nisbi dibentuk dengan
menggunakan titik tengahtiap selang dan frekuensi nisbi padannya dibentuk oleh histogram frekuensi nisbi
15
BAB III
PENUTUP
3.1 Kesimpulan
Probabilitas adalah kemungkinan yang dapat terjadi dalam suatu peristiwa . dala kehidupan sehari –
hari sulit untuk mengetahui dengan “ pasti “ aoa yang akan terjadi pada waktu yang akan datang ., baik
dalam jangka pendek , ataupun jangka panjang . dengan demikian , probabilitas atau peluang merupakan
“ derajat kepastian “ untuk terjadinya suatu peristiwa yang diukur dengan angka pecahan antara nol
sampai dengan satu, dimana peristiwa tersebut terjadi secara acak atau random .
16
DAFTAR PUSTAKA
http://adtyadjavanet.blogspot.com/2013/11/makalah-probabilitas.html?m=1
https://translate.googleusercontent.com/translate_c?client=srp&depth=1&hl=id&nv=1&prev=
search&pto=aue&rurl=translate.google.com&sl=en&sp=nmt4&tl=id&u=https://en.m.wikipedia
.org/wiki/Empirical_probability&usg=ALkJrhhhqdbzWA-WBGT9NvX8acO66kcWmw
17