PELUANG DAN PEUBAH ACAK

03/02/2022 1
 Pengantar
Peluang
POPULASI SAMPEL

 SAMPEL: Sebagian populasi yang

yang merepresentasikan populasi
 POPULASI: keseluruhan Statistika
individu/objek yang diteliti dan
memiliki beberapa karakteristik Inferensi
yang sama
 Variasi/sebaran yang luas 2

 Populasi yang homogen dibutuhkan

untuk eksperimen
Eksperimen acak

Eksperimen disebut juga percobaan.

Percobaan ini bersifat acak artinya:
 Dapat dilakukan berulang-ulang
 Dapat diestimasi/ditaksir hasilnya
 Bisa diukur
 Hasilnya tidak bisa ditebak

Contoh:
Percobaan pelemparan dadu dan koin

03/02/2022 3
 Ruang sampel dan kejadian
 Ruang Sampel (S) : himpunan semua kemungkinan yang dapat
muncul dari suatu eksperimen acak.
Contoh : Pada percobaan pengecekan 3 buah kain yang diproduksi
oleh pabrik setiap hari.
Misalkan: G=good, R=reject
S = {GGG, GGR, GRG, RGG, GRR, RGR, RRG, RRR}.
n(S) = 8 → 23 (2 output : G & R, dengan 3 benda)
 Kejadian : himpunan bagian dari ruang sampel S.
Disimbolkan dengan huruf kapital, misal: A dan B.
Contoh : kejadian komponen elektronik akan rusak
sebelum 5 tahun atau A = { t|0 ≤ t < 5 }.

03/02/2022 4
Cara Melist anggota S
Diagram Pohon

Kain 1 Kain 2 Kain 3 S

G GGG
G R GGR
G G GRG
R R GRR

G RGG
G RGR
R
R
R G RRG
R RRR
03/02/2022 5
 Kejadian (event) dan komplemen

 Kejadian A merupakan suatu himpunan.

 Himpunan mengenal operasi himpunan
 Komplemen A ditulis A’=Ac : himpunan bagian dari semua anggota S yang bukan
anggota A.

• Percobaan pelemparan dadu.

S • S = {1,2,3,4,5,6}
• Kejadian A = {munculnya mata dadu
A
A’ genap}
A = {2,4,6}
• A’ = {munculnya mata dadu ganjil} =
{1,3,5}

03/02/2022 6
Irisan dan gabungan dua kejadian

 Irisan dua kejadian A dan B:  Gabungan dua kejadian A

kejadian yang isinya adalah dan B : kejadian yang isinya
elemen-elemen ada di A dan adalah elemen-elemen ada
B. di A atau B.

S S

A B A B

A∩B AUB

• Jika A ∩ B = Ø, maka A
dan B dikatakan saling
lepas (disjoint). 03/02/2022 7
 Latihan

 Misalkan suatu percobaan menghasilkan ruang sampel S = {copper, sodium,

nitrogen, potassium, uranium, oksigen, zinc} dan kejadian
A = {copper, sodium, zinc}
B = {sodium, nitrogen, potassium}
C = {oksigen}

Tuliskan anggota-anggota dari himpunan berikut ini:

a) A’ b) AUC c) (A∩B’)UC’
d) B’∩C’ e) A∩B∩C f) (A’UB’) ∩ (A’∩C)
 Menghitung Titik Sampel
 Banyaknya titik sampel pada ruang sampel dapat ditentukan tanpa harus
melist semua anggotanya, yaitu dengan cara aturan perkalian.
 Jika operasi pertama ada n1 cara dilanjutkan operasi kedua ada n2 cara,
maka kedua operasi tersebut ada n1 n2 cara.
Contoh:
 Jika terdapat bilangan 0 – 9 yang akan disusun dalam bilangan ratusan dan
angka dapat diulang, maka tentukan banyak cara menyusun angka
tersebut

9 x
10 10 x =
900
Tempat ratusan Tempat puluhan Tempat satuan Banyak cara
(1 – 9) (0 – 9) (0 – 9) Menyusun angka
 Permutasi

Permutasi merupakan cara menyusun suatu objek yang memperhatikan

urutan.
Ilustrasi: misalkan terdapat 3 angka 1,2, dan 3, maka susunan angka yang
dapat dibuat adalah
123, 132, 213, 231, 312, 321
Susunan angka di atas sebanyak 6 cara.

Beberapa rumusan permutasi:

 Banyaknya permutasi dari n objek adalah n!.
 Banyaknya permutasi pengambilan r objek dari n objek yang berbeda:

n!
n Pr =
(n − r )!
 Permutasi
 Banyaknya permutasi dari n objek yang tersusun melingkar adalah (n–1)!
(n − 1)!

 Banyaknya permutasi dari n objek yang memiliki k kelompok unsur yang sama
dengan masing-masing kelompok sebanyak n1 , n2 , ..., dan nk adalah
n!
n1 !n2 ! nk !
 Contoh:
Berapa banyak susunan huruf dari MATEMATIKA!
Terdapat beberapa huruf yang sama yaitu: M 2 buah, A 3 buah, T 2 buah,
E 1 buah, I 1 buah, dan K 1 buah
Banyak cara: 10!   
10.9.8.7.6.5.4.3.2!
=
2!3!2!1!1!1!    
2.3.2.2!
 Kombinasi

Kombinasi merupakan cara menyusun suatu objek yang tidak

memperhatikan urutan.
Ilustrasi: misalkan terdapat 3 angka 1,2, dan 3, maka kombinasi susunan
angka yang dapat dibuat adalah
123, 132, 213, 231, 312, 321
Susunan angka di atas sebanyak 1 cara karena dianggap sama.

Banyaknya kombinasi pengambilan r objek dari n objek yang berbeda:

n n!
n Cr =   =
 r  r !(n − r )!
Pemetaan (Fungsi)
Pemetaan: relasi khusus dari daerah asal (domain)
ke kodomain (daerah lawan)
A B
1. Fungsi titik •
•
•
•
•
•
•
•
•

2. Fungsi himpunan
A B

•
•
•
03/02/2022 13
Peluang

 Definisi : peluang kejadian A adalah jumlah bobot

dari seluruh titik sampel dalam A.
 Rumus peluang :
n( A)
P( A) =
n( S )
Sifat-sifat Peluang:
1. Nilai peluang: 0 ≤ P(A) ≤ 1
2. P(Ø) = 0
3. P(S) = 1
4. P(A) + P(A’) = P(A∪A’) = P(S) = 1

03/02/2022 14
Peluang

 Jika A1, A2, A3, ... barisan kejadian yang saling lepas (mutually exclusive
events) maka
P(A=A1UA2UA3U...) = P(A1) + P(A2) + P(A3) + ...

Contoh:
Misalkan Ai kejadian banyaknya pasien Covid di RS yang meninggal pada hari
ke-i
A1, A2, A3, ... akan merupakan barisan kejadian banyak pasien meninggal yang
saling lepas karena pengamatannya berbeda hari.

03/02/2022 15
Peluang Bersyarat

 Peluang bersyarat terjadi jika ada kejadian yang telah terjadi terlebih
dahulu kemudian ingin menentukan peluang kejadian yang baru.

P( A  B)
P( B | A) = , P( A)  0
P( A)

• P(B|A) adalah peluang B jika diketahui kejadian A.

• Jika kejadian A dan B saling bebas (independent) jika dan hanya
jika
P( A  B ) P ( A) P ( B )
P( B | A) = = = P( B)
P( A) P( A)
• Artinya bahwa peluang kejadian B walau diketahui A tetap saja
hanya dihitung peluang B saja, karena tidak berpengaruh.
Peubah Acak

 Peubah acak merupakan suatu pemetaan dari ruang sampel (S) ke

bilangan riil (R)

X :S → R
X

Ruang Sampel S Himpunan Bil.Riil

 Contoh: S= { , , ... , }

X= { 1 , 2 ,…, 6 } 17
03/02/2022
Keuntungan Peubah Acak

 Merepresentasikan suatu masalah ke dalam bilangan riil.

 Dapat dipetakan.
 Lebih mudah dan singkat dalam penulisan.
 Dapat menurunkan/mengembangkan sesuatu yang
berhubungan dengan peubah acak tersebut.

03/02/2022 18
 Jenis Peubah Acak

❑ Peubah Acak Diskrit

himpunan terhitung  x1 , x2 ,..., berhingga

atau tak berhingga, dan s : X ( s) = xi   E  S
Contoh : X banyaknya komputer di Lab
❑ Peubah Acak Kontinu
peubah acak yang fungsi distribusinya F(x)
merupakan fungsi kontinu untuk semua x
bilangan riil.
Contoh : X = jarak rumah ke kampus
03/02/2022 19
 Fungsi peluang

Suatu peubah acak X pasti memiliki distribusi,

yang digambarkan dalam fungsi peluang
▪ Diskrit → 𝑃(𝑋 = 𝑥)
disebut juga sebagai f(x)
fungsi massa peluang (f.m.p).
▪ Kontinu → f(x),
disebut juga sebagai
fungsi kepadatan peluang (f.k.p). P(X=x)
03/02/2022 20
 X:S R

Diskrit Kontinu

1. 𝑃 𝑋=𝑥 ≥0 1. 𝑓 𝑥 ≥ 0, 𝑥 ∈ 𝑅
∞
2. σ𝑥 𝑃(𝑋 = 𝑥) = 1 2. ‫׬‬−∞ 𝑓 𝑥 𝑑𝑥 = 1
3. 𝑃 𝑋 = 𝑥 = 𝑓(𝑥) 𝑏
3. 𝑃 𝑎 < 𝑋 ≤ 𝑏 = ‫𝑓 𝑎׬‬ 𝑥 𝑑𝑥
4. 𝐹 𝑥 =𝑃 𝑋≤𝑥
= σ𝑡≤𝑥 𝑓(𝑡) 4. 𝐹 𝑥 = 𝑃 𝑋 ≤ 𝑥
𝑥
= න 𝑓 𝑡 𝑑𝑡
Contoh: −∞
▪ X : banyaknya sukses
dalam n percobaan Contoh:
▪ X : banyaknya bakteri dalam ▪ X : waktu menunggu antrian
suatu medium per mm2 ▪ X : tinggi badan mahasiswa

03/02/2022 21
Fungsi Peluang f(x) & Grafiknya

Diskrit Kontinu
P(X=x) f(x)
0.45
0.4
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0
x
1 2 3 4
x
Jumlah peluangnya Luas di bawah grafik
= 0.1+0.3+0.4+0.2 = 1 = ½03/02/2022
x alas x tinggi
22 =1
 Fungsi Distribusi F(x)
Diskrit
 Fungsi distribusi (F.d) disebut juga fungsi distribusi kumulatif
dari peubah acak X, disimbolkan oleh F(x).

 Sifat-sifat F.d:
1. 0 ≤ F(x) ≤ 1
2. F fungsi yang monoton tidak turun (naik/datar),
3. lim 𝐹(𝑥) = 1
𝑥→∞
4. lim 𝐹(𝑥) = 0 Kontinu
𝑥→−∞
5. F kontinu dari kanan: lim+ 𝐹(𝑥) = 𝐹(𝑎)
𝑥→𝑎

03/02/2022 23
 Contoh 1

Dipelajari mood dari sepasang mahasiswa (L dan P).

Jika mood diamati berdasarkan paras mahasiswa dan dimisalkan ada
dua kategori (mood ’baik’ & ’tidak’).
Misalkan T peubah acak yang menyatakan banyaknya
mahasiswa yang bermood baik. Tentukan :
a. Ruang sampel.
b. Fungsi massa peluang dari peubah acak T.
c. Fungsi distribusi peubah acak T dan gambarkan.

Jawab
a. Ruang sampel :
S = {☺☺, ☺, ☺, }, dengan
☺ = baik,  = tidak.
n(S) = 22 = 4 (2 output (mood baik/tidak) dari 2 mhs)
03/02/2022 24
…
 Ilustrasi Contoh

T P(.)
☺☺ 2 1/4
 0 𝑛(𝑇 = 0) 1
☺ 2/4 𝑃 𝑇=0 = =
1 𝑛(𝑆) 4
☺ 𝑛(𝑇 = 1) 2
𝑃 𝑇=1 = =
P (T = t) 𝑛(𝑆) 4
Ruang Sampel
𝑛(𝑇 = 2) 1
𝑃 𝑇=2 = =
𝑛(𝑆) 4
T = # mahasiswa yang bermood baik = { 0, 1, 2 }
Hitung Peluang di masing-masing titik.

03/02/2022 25
b. Fungsi massa peluang P(T=t) adalah:

1/ 2, t = 1

P(T = t ) = 1/ 4, t = 0, 2
0,
 t yang lain
Grafik f.m.p dari T :

1/2
1/4

0 1 2
03/02/2022 26
c. Fungsi distribusi kumulatif F(t) dihitung untuk semua nilai riil.
▪ Untuk t < 0, maka F(t) = P(T ≤ t) = 0
▪ Untuk 0 ≤ t <1, maka F(t) = P(T ≤ t)
= P(T < 0) + P(T = 0) + P(0 < T < 1)
t < 0 0 ≤ t <1 1 ≤ t <2 t ≥ 2
= 0+¼+0=¼
▪ Untuk 1 ≤ t <2, maka F(t) = P(T < 2) I II III IV
= P(T < 0) + P(0 ≤ T <1) +P(T=1)+ P(1 < T <t)
0 1 2
=0+¼+½+0=¾
▪ Untuk t ≥ 2, maka F(2) = P(T≤ 2)
= P(T ≤ 1) + P(1<T < 2) + P(T=2)
=¾+0+¼ =1
Jadi,
0, t0 F(t)
1/ 4, 1
 0  t 1 ¾
F (t ) = 
3 / 4, 1 t  2 ½
1, t2 ¼ 03/02/2022 27

1 2
t
0
 Contoh 2

Misalkan kesalahan dalam pengukuran volume isi botol parfum antara -1/2 mL s/d
1/2 mL. Dianggap setiap pengisian oleh mesin tidak akan kurang dan tidak akan
lebih dari 1/2 mL.
Jika Y adalah peubah acak volume isi parfum yang kurang atau lebih.

Tentukan :
a. Peluang mesin melakukan kesalahan pada pengisian botol antara -1/4 mL dan
1/5 mL.
b. Peluang mesin melakukan kesalahan dalam pengisian botol lebih dari 0,2 mL.
c. Fungsi distribusi kumulatif F(y) dan gambarkan.

03/02/2022 28
Jawab
Diketahui:
Y = volume kesalahan mesin mengisi botol parfum (mL).
 1 1
 1, −  y 
f ( y) =  2 2
0, y yang lain

a.  1 1  1/5 1 1 9
I . P  −  Y   =  f ( y )dy = + =
 4 5  −1/4 5 4 20
 1 1  1  1 Menggunakan konsep Fd
II . P  −  Y   = P  Y   − P  Y  − 
 4 5  5  4 F(1/5) – F(-1/4)
−1/2
 − 12 −1
4 
=  0 dy +  1 dy −  0 dy +  1 dy 

1/5

− −1/2  − 
 −1
2 
7  1  ( 28 − 10 ) 18
= 0+ −0+  = =
10  4 40 40
03/02/2022 29
 
b. I . P (Y  0, 2 ) =
0.5

 f ( y ) dy =  1 dy = 0.5 − 0.2 = 0.3

0.2 0.2
Fungsi distribusi :
II . P (Y  0, 2 ) = 1 − P (Y  0, 2 )
F(y)
 1
= 1− P Y   1
 5
1/2
 − 12 −1
5 
= 1 −   0 dy +  1 dy 
 −  y
 −1
2 
-½ ½
 7 3
= 1−  0 +  = = 0.3
 10  10
y
c. untuk y < -1/2, F ( y ) =  f ( y ) dy =
y

−  0 dy = 0
−
−1 y
2
1
untuk -1/2  y < 1/2, F ( y ) = 
y

−
f ( y ) dy =  0 dy + 
−
1 dy = y +
2
−1
2
−1/2 1/2 y
1 1
untuk y  1/2, F ( y ) = 
y

−
f ( y ) dy = 
−
0 dy + 03/02/2022
−1/2
1 dy +  0 dy =30
1/2
+ =1
2 2
Ekspektasi

 Ekspektasi dari X adalah nilai harapan dari X.

 Ekspektasi bermakna juga nilai pemusatan data X.
 Definisi Ekspektasi :

  xP( X = x), jika X peubah acak diskrit

 semua x
 = E[ X ] =  
  x f ( x)dx , jika X peubah acak kontinu
 −
dengan
x : nilai-nilai pada X
P(X=x) : peluang untuk setiap nilai x

03/02/2022 31
 Ekspektasi g(x) didefinisikan sebagai:
  g ( x) P( X = x), jika X peubah acak diskrit
 semua x
E[ g ( x)] =  
  g ( x) f ( x) dx , jika X peubah acak kontinu
 −

 Jika g(x) = Xp, maka E[Xp] disebut momen ke-p,

tetapi jika g(x) = (X-a)p disebut momen ke-p di
sekitar a.
 Umumnya diambil a =  = E[X] atau rataan X
(momen ke satu)
03/02/2022 32
Sifat Ekspektasi

Misalkan: X dan Y peubah acak, a dan b suatu

konstanta, maka
 E[aX] = aE[X]
 E[a] = a
 E[X+Y] = E[X]+E[Y]
 Jika g suatu fungsi bernilai riil yang dikenakan
pada X, maka:

  g ( x) P( X = x), jika X peubah acak diskrit

 semua x
E(g(x)) = 
  g ( x) f ( x) dx , jika X peubah acak kontinu
 −

03/02/2022 33
Variansi

o Jika g(x) = (X-)2, maka E[(X-)2] adalah

variansi X.
o Definisi Variansi dari X :
Var ( X ) = E[( X −  ) 2 ]
= E[ X 2 − 2  X +  2 ]
= E[ X 2 ] − 2  E[ X ] + E[  2 ]
= E[ X 2 ] − 2  2 +  2
= E[ X 2 ] −  2
atau Var ( X ) = E[ X 2 ] − ( E[ X ]) 2
03/02/2022 34
 Sifat Variansi

Jika X dan Y peubah acak, a dan b tetapan, maka

o Var(aX) = a2Var(X)
o Var(a) = 0
o Var(X+Y) = Var(X) + Var(Y) + 2 Cov(X,Y)
Jika X dan Y saling bebas, maka Cov(X,Y) = 0, sehingga
Var(X+Y) = Var(X) + Var(Y)
o Jika g suatu fungsi bernilai riil, maka:

Var(g(x)) = E[( g ( x) −  ) ]
2

  ( g ( x) −  ) 2 P( X = x), jika X peubah acak diskrit

=  semua x
 
  ( g ( x) −  ) 2 f ( x) dx , jika X peubah acak kontinu
 −
03/02/2022 35
 Contoh

Misalkan X suatu p.a dengan nilai E(X)=2 dan

Var(X)=9. Tentukan E(Y) dan Var(Y) jika Y =
2X – 4.
❑ E(Y) = E(2X–4) = 2E(X)–E(4)
= 2.2 – 4 = 0.
❑ Var(Y) = Var(2X–4) = 22Var(X)+Var(4)
= 4.9 + 0 = 36.

03/02/2022 36
 Contoh 3

Misal X adalah kesalahan dalam pengukuran untuk suatu diameter

baut (dalam mm). Jika ditetapkan fungsi peluang sbb:

 x2
 , −1  x  2
f ( x) =  3
0, x yang lain

Tentukan:
a. Rataan dan variansi dari kesalahan pengukuran di atas.
b. Jika dibangun Y = 4X + 3, tentukan rataan dan variansi dari Y ini.

03/02/2022 37
Jawab
a. Rataan dari X b. Variansi dari X

E X  = Var ( X ) = E  X 2  − E 2  X 

−
x f ( x) dx
 
2
5
2 2
x
2
 x2  =  x 2  dx −  
=  x  dx −1  3  4
−1 
3  2
1 x  5
25
2 =   −
1  x4  3  5  −1 16
=  
3  4  −1 1  32 1  25 11 25
=  + − = −
1 5 3  5 5  16 5 16
= (16 − 1) =
12 4 176 − 125 51
= =
80 80
= 0, 6375
03/02/2022 38
c. E Y  = E  4 X + 3
= 4E  X  + 3
5
= 4  + 3 = 5 + 3 = 8
4
Var (Y ) = Var  4 X + 3
= 42 Var  X  +Var 3
= 16(0, 6375) + 0
= 10, 2

03/02/2022 39
TERIMA KASIH

03/02/2022 40