#4&5
Niniet Indah A.
niniet@ie.its.ac.id
1. Percobaan (Experiment)
Proses mendapatkan suatu hasil atau Which the
outcome is
kejadian sederhana melalui uncertain
pengamatan/observasi/pengukuran.
2. Titik Sampel (Sample Point)/ hasil
(outcome)
Hasil percobaan paling dasar ; Ruang Sampel
tergantung pada
kejadian sederhana Eksperimenter !
An event is a
Berapa peluang untuk
subset of the
kejadian “Indonesia sample space
menang”??
kejadian majemuk
1. Irisan (Intersection)
Hasilnya antara dua kejadian A dan B
Dinyatakan dengan ‘DAN’
Lambang (contoh : A B)
2. Gabungan (Union)
Hasilnya salah satu kejadian A atau B atau
keduanya
Dinyatakan dengan ‘ATAU’
Lambang (contoh : A B)
1.kejadian majemuk <irisan>
Irisan Kejadian : Diagram Venn
Eksperimen : Tarik 1 Kartu. Catat Macam, Warna dan Angka
Kartu.
Hitam
Kejadian
Hitam :
Ruang
2H, ...,
Sampel :
AH
2M, 2M,
2H, ..., AH
S
As Kejadian As : Irisan Kejadian (As Hitam) :
AM, AM, AH, AH AH, AH
1.kejadian majemuk <irisan>
Irisan Kejadian : Tabel Kontingensi
Eksperimen : Tarik 1 Kartu. Catat Macam, Warna dan Angka
Kartu.
Irisan Kejadian As
DAN Hitam :
AH, AH
2.kejadian majemuk <gabungan>
Gabungan Kejadian : Diagram Venn
Eksperimen : Tarik 1 Kartu. Catat Macam, Warna dan Angka
Kartu.
Hitam
Kejadian
Hitam :
Ruang
2H,
Sampel :
2H,...,
2M, 2M, 2H,
AH
..., AH
S
As
Kejadian As :
Kejadian (As Hitam) :
AM, AM, AH, AH
AM, ..., AH, 2H, ..., KH
2.kejadian majemuk <gabungan>
Gabungan Kejadian : Tabel Kontingensi
Eksperimen : Tarik 1 Kartu. Catat Macam, Warna dan Rupa
Kartu.
Ruang Sampel (S) :
2M, 2M, 2H, ..., AH
WARNA
TOTAL
JENIS MERAH HITAM
AS AS - MERAH AS - HITAM AS
NON - AS NON - MERAH NON - HITAM NON - AS
TOTAL MERAH HITAM S
Gabungan Kejadian As
ATAU Hitam :
AM, ..., AH,2H, ..., KH
kejadian mutually exclusive
Kejadian mutually exclusive adalah kejadian saling lepas, yaitu
bila suatu perstiwa terjadi, maka peristiwa lain tidak dapat/
mungkin terjadi pada saat yang bersamaan.
CONTOH :
Pada percobaan melantunkan sebuah uang logam. Kejadian
munculnya SISI MUKA akan selalu bergantian dengan munculnya
SISI BELAKANG.
B Aturan:
P( A B ) = 0
A P( A U B ) = P ( A ) + P( B )
S
kejadian mutually exclusive
CONTOH :
Hasil pada
kejadian
Ruang
Sampel :
2, 2, 2, ...,
A
Heart:
2, 3, 4, ...,
A
S
Kejadian Spade: Kejadian & adalah Mutually Exclusive
2, 3, 4, ..., A
kejadian komplemen
Ac dikatakan komplemen dari A bila kejadian yang muncul
adalah selain kejadian A, yaitu kejadian yang terdiri atas
kejadian sederhana yang tidak termasuk dalam kejadian A.
CONTOH :
Ruang
Sampel :
2M, 2M, 2H,
..., AH
S
Kejadian Hitam : Komplemen Kejadian Hitam <HitamC> :
2H, 2H, ..., AH 2M, 2M, ..., AM, AM
kejadian komplemen
CONTOH :
Dalam undian dengan sebuah dadu, misalkan A =
mendapat muka 6 di sebelah atas. Tentukan ruang
sampel kejadian A dan Ac !
JAWAB :
A={6}
Ac={1, 2, 3, 4, 5}.
CONTOH :
Undian dilakukan dengan melantunkan sebuah mata uang
sebanyak dua kali. Misalkan A = muncul ANGKA pada pelemparan
pertama dan B = muncul ANGKA pada pelemparan kedua.
menghitung titik
sampel
menghitung titik sampel
Banyaknya titik sampel dalam ruang sampel dapat dihitung dengan
cara PERMUTASI, KOMBINASI, MULTIPLIKATIF dan PARTISI.
1.PERMUTASI
Permutasi digunakan untuk mengetahui sejumlah kemungkinan
susunan (arrangement) jika terdapat sekelompok objek. Pada
permutasi kita berkepentingan pada susunan atau urutan dari objek.
Prn n(n 1)(n 2)...(n r 1)
n = jumlah total objek yang disusun
n! r = jumlah objek yang digunakan pada
Prn n Pr
n r ! saat bersamaan
2.KOMBINASI
Kombinasi dipergunakan apabila kita tertarik pada berapa cara
sesuatu diambil dari keseluruhan objek tanpa memperhatikan
urutannya.
n n!
( ) =n Cr =
r r! (n - r)!
menghitung titik sampel
CONTOH :
Huruf A, B, C disusun berpasangan antara 2 huruf. Tentukan
jumlah titik sampel yang mungkin, bila dengan memperhatikan
urutan dan tidak memperhatikan urutan !!!
Memperhatikan urutan objek <PERMUTASI>
AB CB
3! 3!
3 P2 = = = 3.2 = 6 BA AC
(3 - 2)! 1!
BC CA
25 25!
25! 12650
4 4!( 25 4)! 4!21!
menghitung titik sampel
3.MULTIPLIKATIF
n1 n2 n3 ... nk
Contoh Multiplikatif:
Terdapat 20 calon untuk menduduki 3 jabatan engineer di suatu
perusahaan ( E1, E2 dan E3). Berapa macam alternatif yang
tersedia ?
Jawab :
Soal ini terdiri dari 3 himpunan elemen yaitu :
Himpunan 1 : calon yang tersedia untuk jabatan E1
Himpunan2 : calon yang tersisa (setelah menjabat E1) yang
tersedia untuk jabatan E2
Himpunan3 : calon yang tersisa ( setelah menjabat E1 dan
E2) yang tersedia untuk jabatan E3
Jumlah elemen himpunan n1 = 20, n2=19, n3 = 18
Maka alternatif yang tersedia adalah :
n1 n 2 n 3 20 19 18 6840
menghitung titik sampel
4.PARTISI
Terdapat sejumlah himpunan dengan N elemen yang berbeda
dan akan dibagi dalam K himpunan kecil. Himpunan ke- 1
memiliki n1 elemen. Himpunan ke- 2 memiliki n2 elemen,...,dan
himpunan ke- K memiliki nK elemen
Jawab:
4 orang analis sistem : A, B, C, D
4 4! 4 .3.2.1
P
1 4
4 1! 3.2.1.1
Cara untuk menugaskan ke -4 orang
Grup 1:ABCD;ACBD;BACD;BCAD;CABD;CBAD
Grup 3: ACDB;ADCB;CADB;CDAB;DACB;DCAB
Grup 4: BCDA;BDCA;CDBA;CBDA;DCBA;DCBA
(dgn aturan multiplikatif, kita dpt menghitungnya yaitu 4.3.2.1=24)
0.75
0.50
0.25
0.00
0 25 50 75 100 125
Number of Tosses
apakah peluang itu ???
1. Ukuran numerik dari Pasti
1
kemungkinan suatu
kejadian akan terjadi
P(Kejadian)
P(A) .5
Prob(A)
2. Terletak antara 0 & 1
3. Jumlah seluruh kejadian
adalah 1 0 Tidak Mungkin
Peluang adalah angka yang mengukur seberapa besar
kemungkinan terjadinya suatu kejadian akan muncul
ketika eksperimen dilakukan.
Peluang terjadinya suatu kejadian (E) dilambangkan
dengan simbol : P(E)
Aturan :
Peluang kejadian sederhana harus berada diantara 0
dan 1
0<= P(Ei) <=1, i=1,..,k
Berapakah
peluangnya ?
1. Pendekatan klasik
(a priori Classical Method)
3. Pendekatan subyektif
(Subjective Method)
pendekatan penetapan peluang kejadian
1. PENDEKATAN KLASIK
§ Didasarkan pada asumsi bahwa kemungkinan kemunculan setiap
hasil sama besar.
§ Memungkinkan penentuan nilai probabilitas sebelum eksperimen.
§ Pendekatan klasik = pendekatan apriori
§ Dirumuskan : Hasil elementer
No. of Event Probabilitas tiap
yang mungkin hasil sama –
diinginkan untuk Outcomes sama mungkin
N( A ) peristiwa A dan saling
P( A ) = meniadakan
N(S) Hasil yang Total (mutually
mungkin dalam exclusive)
Outcomes in
ruang sampel
Sample Space
pendekatan penetapan peluang kejadian
CONTOH PENDEKATAN KLASIK :
Maka, 520
P(lulus memuaskan ) = = 0.58
900
295
P(lulus SM) = = 0.33
900
85
P(lulus SM) = = 0.09
900
+
1
pendekatan penetapan peluang kejadian
3. PENDEKATAN SUBYEKTIF :
1. Probabilitas akan terjadinya suatu peristiwa adalah
derajat kepercayaan oleh seseorang bahwa
peristiwa tersebut akan terjadi berdasarkan semua
bukti yang dimiliki.
2. Nilai probabilitas adalah penilaian pribadi
(Individual Knowledge of Situation)
3. Before Experiment
4. Unique Process ; Not Repeatable
5. Different Probabilities from Different People
6. Pendekatan subyektif = pendekatan personalistik.
aturan perhitungan peluang
kejadian majemuk
ATURAN PENJUMLAHAN
1. Dipergunakan pada peristiwa yang saling lepas <mutually
exclusive> yaitu apabila suatu peritiwa terjadi maka peristiwa
lain tidak dapat terjadi pada saat bersamaan.
2. Diagram venn untuk peristiwa saling lepas adalah :
Aturan:
P( A B ) = 0
P( A U B ) = P ( A ) + P( B )
S
3. Aturan penjumlahan dinyatakan dengan :
P( A atau B) = P( A ) + P(B)
P( A atau B atau ... n) = P( A ) + P(B) + ... P(n)
kejadian mutually exclusive
Contoh :
Pada pelemparan 1 buah dadu, berapa muncul angka 4 atau 5?
Ketika muncul angka 4, maka tidak akan muncul angka 5 dan
sebaliknya.
A : { Keluar angka 4 }
B :{Keluar angka 5}
Berapakah peluang A B atau A U B ?
P( A B ) = 0
P(AUB) =P(A)+P(B)
= P (4) + P(5)
= 2/6
aturan perhitungan peluang
kejadian majemuk
CONTOH ATURAN PENJUMLAHAN :
HASIL INSPEKSI UNIT 120
Saling lepas, P(Baik) P(A) 0.6
tidak mungkijn BAIK 120 200
terjadi pada saat BURUK 80 80
bersamaan P(Buruk) P(B) 0.4
JUMLAH TOTAL INSPEKSI 200 200
Sehingga probabilitas A atau B :
P(Baik atau rusak) P(A atau B) 0.6 0.4 1
APABILA DITINJAU DARI PRODUK YANG DIINSPEKSI :
P R O D UK Y ANG DIINS P E K S I J UML AH 70
P(produk 1) P(D) 0.35
P R O D UK 1 70 200
80
P R O D UK 2 80 P(produk 2) P(E) 0.4
200
P R O D UK 3 50 50
J UML AH P R ODUK K E S E L UR UHAN 200 P(produk 3) P(F) 0.25
200
A A∩D D
S
4. Dilambangkan dengan P(AUD). Pada contoh sebelumnya : probabilitas
hasil inspeksi baik dari produk 1.
5. Aturan penjumlahan dinyatakan dengan :
P(A atau D) P(A) P(D) - P(A D)
aturan perhitungan peluang
kejadian majemuk
CONTOH ATURAN PENJUMLAHAN PADA GABUNGAN KEJADIAN :
P R ODUK YANG DIINS P E K S I
J UML AH
HAS IL INS P E K S I P R ODUK 1 P R ODUK 2 P R ODUK 3
B AIK 30 50 40 120
B UR UK 40 30 10 80
TOTAL 70 80 50 200
JAWAB :
120
P(A) 0.6
200
70 P(A atau D) P(A) P(D) - P(A D)
P(D) 0.35
200 P(A atau D) 0.6 0.35 - 0.15 0.80
30
P(A D) 0.15
200
Partially overlapping
aturan perhitungan peluang
kejadian majemuk
ATURAN PERKALIAN
1. Dipergunakan pada peristiwa yang independent <saling
bebas>, yaitu suatu peristiwa terjadi tanpa harus menghalangi
peristiwa lain terjadi.
2. Contoh peristiwa independent adalah pelemparan mata uang
dua kali, pada pelemparan pertama diperoleh ANGKA, pada
pelemparan kedua bisa muncul ANGKA lagi atau GAMBAR
<hasil lemparan pertama tidak mempengaruhi probabilitas
kejadian kedua>.
3. Aturan perkalian dinyatakan dengan :
P( A dan B) = P( A ) x P(B)
aturan perhitungan peluang
kejadian majemuk
CONTOH ATURAN PERKALIAN (Contoh 1)
Pada pelemparan uang logam dua kali ke udara, berapa
probabilitas kedua lemparan menghasilkan GAMBAR ?
JAWAB :
Probabilitas ANGKA = ½
Probabilitas GAMBAR = ½
Pada pelemparan pertama dan kedua probabilitas GAMBAR
sebesar ½. MAKA :
1 1 1
P( A dan B) = P( A ) x P(B) = x =
2 2 4
Contoh 2 :
Jawab :
P(Pt).P(Pt)=(5/8)(5/8)=25/64
aturan perhitungan peluang
kejadian majemuk
ATURAN PERKALIAN PADA PROBABILITAS BERSYARAT
1. Probabilitas bersyarat adalah suatu peristiwa akan terjadi
dengan ketentuan peristiwa yang lain telah terjadi.
2. Probabilitas bersyarat dilambangkan dengan :
P( B A)
Probabilitas peristiwa B dengan syarat peristiwa A telah terjadi.
3. Aturan perkaliannya dinyatakan dengan :
P( A dan B) = P( A ) x P(B A )
WARNA
TOTAL
JENIS MERAH HITAM
AS 2 2 4
NON - AS 24 24 48
TOTAL 26 26 52
P( A dan B) = P( A ) x P(B A )
P( As dan hitam ) 2 52 2
P( As Hitam ) = = =
P(Hitam ) 26 52 26
THINKING CHALLENGE
Tentukan Berapakah peluangnya ?
P(A|D) =
P(C|B) =
THINKING CHALLENGE
<SOLUSI>
Peluangnya adalah :
P(A D) 2 / 10 2
P(A | D) =
P(D) 5 / 10 5
P(C B) 1 / 10 1
P(C | B) =
P(B) 4 / 10 4
Prosedur Menghitung Peluang
Belakang
BM
hasil/ Titik MB
sampel MM
BB
S
Ruang Sampel
S = {MM, MB, BM, BB}
visualisasi ruang sample <ADD>
Contingency Table
Ruang Sampel
S = {MM, MB, BM, BB}
visualisasi ruang sample <ADD>
Decision Tree Diagram
Eksperimen : Pelemparan 2 Koin. Catat Permukaan.
KOIN 1 KOIN 2
M MM
M
B MB
Hasil
M BM
B
B BB
Ruang Sampel
S = {MM, MB, BM, BB}
Marginal, Joint, and
Conditional Probability
MARGINAL PROBABILITY
Class Frequency
Male 120 Age (Years)
<30 30-45 >45
Female 80
Sex (U) (B) (O)
200 60 20 40
Male (M)
Female (F) 40 30 10
Class Frequency 100 50 50
Under 30 100
P(M) = 120/200 = 0.6
30-45 50
P(F) = 80/200 = 0.4
Over 45 50
P(U) = 0.5
200
P(B) = 0.25
P(O) =0.25
MARGINAL PROBABILITY Example
The probability selecting a clerical employee is 0.110
(from joint probabilities table) which is obtained by
summing the two joint probabilities for married and single
clerical employees.
Clerical 27 51 78
Admin 24 12 36
Other 14 3 17
P A B
P A / B dimana P (B) ≠ 0
P( B)
Probabilitas Bersyarat Dalam Data
# Cuaca Temperatur Kecepatan Angin Berolah-raga
1 Cerah Normal Pelan Ya
2 Cerah Normal Pelan Ya
3 Hujan Tinggi Pelan Tidak
4 Cerah Normal Kencang Ya
5 Hujan Tinggi Kencang Tidak
6 Cerah Normal Pelan Ya
Bayes Rule
P(A ∩ B) P(A|B) * P(B)
P(B|A) = ----------- = ----------------
P(A) P(A)
P(B | A)P(A)
P(A | B)
P(B)
TREE DIAGRAM
Is the another useful device for determining probabilities
Numerical Example
Only 1 in 1000 people have rare disease A
P(positive test result FROM people has disease) = .99
P(positive test result FROM people has no disease)=.02
If one randomly tested individual is positive, what is the probability they
have the disease
Label events:
A = has disease Ao = no disease
B+
B+ = Positive test result
Examine probabilities A B-
p(A) = .001
p(Ao)= .999 B+
Ao
p(B+|A) = .99
p(B+|Ao)= .02 B-
Numerical Example
p(A ∩ B) = .00099
p(Ao ∩ B) = .01998
P(positive test result from
people has no disease)
E
A
1. P(E∩A) = ?
E∩A E’∩A 2. P(E’∩A) = ?
3. P(A) = ?
E’
P ( AB ) P( B | A) P( A)
P(A B)
P(A | B)
P(B)
P(B) = P(A) P(B l A) + P(A’) P(B l A’)
p(A ∩ B) = .00099
p(Ao ∩ B) = .01998
It’s time to practice..!
Materials for a food-processing plant are supplied by four companies. The
following table lists the percentage of defective items from each company
and the percentage of materials supplied by that company to the food-
processing plant.
Supplier 1 40 2
Supplier 2 5 10
Supplier 3 20 8
Supplier 4 35 3