Risk (ISO 31000) adalah ketidakpastian yang membawa dampak terhadap sasaran

Elemen risiko: dampak, ketidakpastian, sasaran

Risk is uncertainty that matters Risk adalah ketidapastian yang ada buntutnya
Ilustrasi: Pak Djoko adalah seorang konglomerat di kota Bandung. Ia berencana membuka sebanyak 5 Factory Outle
Bila sebuah FO mendapat sambutan masyarakat, maka Pak Djoko akan beroleh keuntungan 12M/tahun/FO. Bila
sebuah FO tak mendapat sambutan masyarakat maka Pak Djoko akan merugi 4M/tahun/FO. Peluang sebuah FO
mendapat sambutan adalah 0.2. Sasaran Pak Djoko adalah beroleh profit 20M/tahun dari kelima FO

Parameter Dampak:
Disambut masyarakat 12 M/tahiun/FO Jumlah FO yang dibuka
Tak disambut masyarakat -4 M/tahiun/FO
n= 5
Sasaran 20 M/thn

Ketidakpastian
Disambut hangat 0.6 60.00%
Tak disambut masyarakat 0.4 40.00%

X= jumlah FO yang disambut masyarakat dari 5 FO yang dibuka

X variabel acak n=5, p=0.2
Dampak
Untung Rugi X (M/tahun) Peluang Peluang adalah ukuran seberapa bisanya sesuatu t
0 -20 0 -20 0.01024 Ketidakpastian
12 -16 1 -4 0.07680 kualitatif tinggi/sedang/rendah
24 -12 2 12 0.23040 kuantitatif 0, ….
36 -8 3 28 0.34560
48 -4 4 44 0.25920
60 0 5 60 0.07776 0.68256 0.91296
Total 1.00000

pasti tidak bisa terjadi pasti ya

P= 0 0 < P <1 P=1
Probability = ukuran seberapa bisanya suatu
peristiwa terjadi
ada buntutnya
buka sebanyak 5 Factory Outlet.
ungan 12M/tahun/FO. Bila
un/FO. Peluang sebuah FO
dari kelima FO

O yang dibuka 5

an seberapa bisanya sesuatu terjadi

tinggi/sedang/rendahlikelihood
peluang/probabilitas
 MEASURES OF CENTRAL TENDEN
Data speechless DS interpretation

Misalkan berikut ini adalah daftar usia dari 80 orang

70 58 47 67 30
26 17 64 58 64
68 52 54 47 80
34 50 60 27 72
44 30 20 59 50

Rata-rata usia mereka adalah

= 46.11

Apa makna
Untuk menjawab itu, mari kita hitung deviasi

Deviasi atau simp

Q1= 31 23.89 11.89 0.89 20.89 -16.11
Q2-= 47 -20.11 -29.11 17.89 11.89 17.89
Q3= 60.25 21.89 5.89 7.89 0.89 33.89
-12.11 3.89 13.89 -19.11 25.89
-2.11 -16.11 -26.11 12.89 3.89

Sekarang jumlahkanlah seluru

Jadi Arithmetic Mean adalah sebuah besara

A 70 58 47 67
26 17 64 58
68 52 54 47
34 50 60 27
44 30 20 59
 X
(Usia)
f
(Frekuensi) f*X X
(Usia)

16 3 48 39
17 1 17 42
19 1 19 43
20 2 40 44
22 2 44 45
26 2 52 46
27 1 27 47
28 3 84 49
29 2 58 50
30 2 60 51
31 2 62 52
32 3 96 54
33 1 33 58
34 1 34 59
35 2 70 60
36 1 36 61
37 2 74 63

Usia midclass

15- <30 22.5

30 - <45 37.5
45-< 60 52.5
60- < 75 67.5
75 - < 90 82.5

Average =

MEASURES OF CENTRAL TENDE

Pada masalah ini berlaku time v
sehingga harus digunakan rata-r
 ri 1+ri
AM= 0.0735 0.065 1.065
0.078 1.078
0.071 1.071
0.076 1.076
0.069 1.069
0.082 1.082
Geometric Mean = 0.073485

Beginning Value 1000000

Beginning value 1000000

t ri Value at time t

1 0.065 1065000
2 0.078 1148070
3 0.071 1229583
4 0.076 1323031
5 0.069 1414320
6 0.082 1530295
Ending/Beginning
1.530295
Value =

Geometric Mean = 0.073485

MEASURES OF CENTRAL T
Berikut ini data usia mereka yang sedang jogging
90 37 50 79 70

Bila data ini diurutkan dari yang terkecil hingga yang terbesar didapat
28 28 37 38 43

Q1 = 37
kuartil pertama/bawah
Sekitar 25% dari populasi berusia di bawah 37
Sekitar 75% dari populasi berusia di atas 37
Sekitar 50% dari populasi berusia di
Sekitar 50% dari populasi berusia di

Q1,Q2,Q3 kuartil
 none none perunggu perunggu perunggu
Q1 = perunggui
Sekitar 25% dari populasi beroleh perunggu atau tidak sama sekali
Sekitar 75% dari populasi beroleh perunggu/perak/emas
Sekitar 50% dari populasi beroleh pe
Sekitar 50% dari populasi beroleh pe

frek (fi) cum

-30 - -20 1 1 1

Md  L 
-20 - -10 2 3 2,3
-10 - 0 3 6 4,5,6,
0 - 10 7 13 7,8,9,..,13
10 - 20 3 16 14, 15, 16
20 - 30 2 18 17, 18 Md  median
30 - 40 1 19 19 L  exact lower li
40 - 50 1 20 20 fL  jumlah freku
i  ukuran kelas
20 f m  frekuensi dar
n  banyaknya A
median adalah data ke 10 dan ke- 11, jadi ada di "0-10

i= 10
fm= 7
f L= 6
n= 20
L= 0

Q2 Q2= 5.714286 50% saham returnnya dibawah 5.71429%

Q1 adalah data ke 5 (25% dari jumlah data, 20), jadi ada di -10 - 0

i= 10

Md  L 
fm f-Q1= 3
fL= 3
n= 20
L= -10

Q1 Q1= -3.333333 25% saham returnnya di bawah -3.333%

Q3 adalah data ke 15 (75% dari jumlah data, 20), jadi ada di 10 -20

i= 10
f-Q3= 3
fL= 13
n= 20
L= 10
 Q3 Q3= 16.66667 75% saham returnnya di bawah 16.6667%

MEASURES OF DI

4 anak kembar 4 anak kelas 11

17 16.9
17 16.8
17 17.1
17 17.2

Mean 17 17

Range 0 0.399999999999999
Variance 0 () ̅
0.0333333333333333
Standar Deviasi 0 0.182574185835055
Mean ABSOLUTE Deviation 0 0.15
XI xbar
Usia Rata-rata
62
3
17
2
1
Total
 MEASURES OF S

Descriptive Statistics data speechless DS

Measure of Central Tendency: Mode, Quartile, Rata-rata Aritmatika, Rata-rata
Measure of Dispersion: Range, Variance, Standard Deviation, Mean Abs
Maesure of Skewness
Measure of Peakedness/Kurtosis

X =Usia pertamakali terkena serangan jantung

X frek
34 1,2 17 2 11
36 3,4 18 2 11
57 5,6,7 19 3 111 Skewness= 3(mean-median)/stdev
80 8,9,10,11 20 4 1111 skewness=(Q1+q3-2Q2)/(Q3-Q1)
105 12,13,14,15,16 21 5 1111111
110 22 5 11111 17 19
17 19
422 21 18 19
 18
median = data ke11 adalah 20
mean= 20.09524
stdev 1.640267 Q1 adalah data ke 21/4=5.25 data ke 5
skewness= 0.174188 Q2
Q3 adalah datake 3(21/4)= 15.75 data k

skewness= 0
skewness Excel
ENTRAL TENDENCY - ARITHMETIC MEAN
talkative

r usia dari 80 orang yang sedang jogging di Lapangan Banteng:

63 28 37 60 16 28 26 22 35 16
52 31 64 28 47 31 69 77 78 32
32 36 67 51 42 78 22 33 52 49
47 29 60 32 64 16 76 42 46 51
50 51 42 29 61 39 68 19 43 68

46.11

Apa maknanya?
mari kita hitung deviasi data di atas terhadap nilai rata-rata ini

Deviasi atau simpangan terhadap rata-rata

16.89 -18.11 -9.11 13.89 -30.11 -18.11 -20.11 -24.11 -11.11 -30.11
5.89 -15.11 17.89 -18.11 0.89 -15.11 22.89 30.89 31.89 -14.11
-14.11 -10.11 20.89 4.89 -4.11 31.89 -24.11 -13.11 5.89 2.89
0.89 -17.11 13.89 -14.11 17.89 -30.11 29.89 -4.11 -0.11 4.89
3.89 4.89 -4.11 -17.11 14.89 -7.11 21.89 -27.11 -3.11 21.89

jumlahkanlah seluruh Deviasi tersebut 0.00

dalah sebuah besaran, yang terhadapnya, total seluruh deviasi bernilai 0

30 63 28 37 60 16 28 26 22 35
64 52 31 64 28 47 31 69 77 78
80 32 36 67 51 42 78 22 33 52
72 47 29 60 32 64 16 76 42 46
50 50 51 42 29 61 39 68 19 43
 f
(Frekuensi) f*X X
(Usia)
f
(Frekuensi) f*X
1 39 64 4 256
3 126 67 2 134
1 43 68 3 204
1 44 69 2 138
1 45 70 1 70
1 46 72 1 72
4 188 76 1 76
1 49 77 1 77
3 150 78 2 156
3 153 80 1 80
3 156
1 54
2 116
1 59
3 180
1 61
1 63
∑f ∑( f*x)
80 3689
Average = 46.1125

frekuensi
frekuensi *
midclass

17 382.5
20 750
20 1050
18 1215
5 412.5
80 3810
Average = 47.625

ENTRAL TENDENCY - GEOMETRIC MEAN

ah ini berlaku time value of money
rus digunakan rata-rata geometrik
S OF CENTRAL TENDENCY - quartile

28 43 28 87 38 48 76

48 50 70 76 79 87 90

Q2 = 49 Q3=79
kuartil dua/tengah, median kuartil tiga/atas

kitar 50% dari populasi berusia di bawah 49

kitar 50% dari populasi berusia di atas 49
Sekitar 75% dari populasi berusia di bawah 79
Sekitar 25% dari populasi berusia di atas 79
 perak perak perak perak perak perak emas emas
Q2 = perak Q3 = perak

kitar 50% dari populasi beroleh perak atau di bawahnya

kitar 50% dari populasi beroleh perak atau emas
Sekitar 75% dari populasi beroleh perak atau di bawahnya
Sekitar 25% dari populasi beroleh perak atau emas

0,5n  f L
Md  L  i
fm
Md  median
L  exact lower limit dimana median berada
fL  jumlah frekuensi di bawah L
i  ukuran kelas
f m  frekuensi dari interval kelas dimana median berada
n  banyaknya Anggota

turnnya dibawah 5.71429%

di ada di -10 - 0

0,5n  f L
Md  L  i
fm
turnnya di bawah -3.333%

adi ada di 10 -20

 turnnya di bawah 16.6667%

MEASURES OF DISPERSION

4 sekawan ayah, ibu, anak Nenek dan 3 cucu

15 33 62
19 32 3
18 2 2
16 1 1

17 17 17

4 32 61 TAHUN
3.33333333333333 320.666666666667 900.666666666667 TAHUN^2
1.82574185835055 17.9071680247511 30.0111090542597 tahun
1.5 15.5 22.5 TAHUN
xi-xbar
Deviasi Deviasi2 Absolute Deviation
45 2025 45
-14 196 14
-15 225 15
-16 256 16
0 2702 90

Variance = 900.666666666667 =2702/(4-1)

Standar Deviasi = 30.0111090542597 =akar(9000.66667)
MAD = 22.5 =90/4
MEASURES OF SKEWNESS

bisa ngomong banyak

e, Rata-rata Aritmatika, Rata-rata Geometris makmur
ce, Standard Deviation, Mean Absolute Deviation adil

mean-median)/stdev
1+q3-2Q2)/(Q3-Q1)

20 21 22
20 21 22
20 21 22
 20 21 22
21 22

alah data ke 21/4=5.25 data ke 5 19

20
alah datake 3(21/4)= 15.75 data ke 16 21

-0.543381
eng:

45
69
20
37
35

-1.11
22.89
-26.11
-9.11
-11.11

0.00

ernilai 0

16 45
32 69
49 20
51 37
68 35
staff manajer manajer staff ditrektur staff staff manajer direktur

Q2= ,manajer 50% manajer atau lebih rendah, 50% manajer atau di atasnya

30 27
30.3 ? 27.6

31 29
 4 anak 4 anak dua ibu, Nenek dan 3
kembar kelas 11 4 sekawan dua anak cucu
17 16.9 15 33 62 962
17 16.8 19 32 3 903
17 17.1 18 2 2 902
17 17.2 16 1 1 901

mean 17 17 17 17 17 tahun

range= 0 0.4 4 32 61 tahun 61

s^2 variance 0 0.033333 3.3333333333 320.6667 900.6667 tahun^2 900.6667
s stdev 0 0.182574 1.8257418584 17.90717 30.01111 tahun 30.01111
MAD 0 0.15 1.5 15.5 22.5 tahun
MAD Mean Absolute Deviation
dev DARI RATA
Xi xbar dev=xi-Xbar dev^2 abs(dev) 𝑟𝑎𝑛𝑔𝑒=𝑡𝑒𝑟𝑏𝑒𝑠𝑎𝑟
62 17 45 2025 45
𝑠𝑡𝑑𝑒𝑣= √((∑▒ 〖 (𝑥_𝑖−(𝑥)) ̅ 〗 ^2 )/(𝑛−1)) 3 17 -14 196 𝑣𝑎𝑟𝑖𝑎𝑛𝑐𝑒=
14 (∑▒ 〖 (𝑥_𝑖−(
2 17 -15 225 15
1 17 -16 256 16

0 2702 22.5 MAD

Mean Absolut Deviation
Manual Excel
variance= 900.6667 σ²X 900.6667
stdev= 30.01111 σX 30.01111
Xi xbar Deviasi Dev^2
2 5 -3 9 Kurtosis 0
3 5 -2 4
5 5 0 0
6 5 1 1
4 5 -1 1
9 5 4 16
3 5 -2 4
4 5 -1 1
5 5 0 0
9 5 4 16

0 52

var= 5.7777777778
stdev= 2.4037008503
SMA
doyan ngerumpi
muda belia
penyuka KPOP
janda muda
 62 72 82
3 13 23
2 12 22
1 11 21

muda 17 27 37
sehat
energik range 61 61 61
sekolah var 900.6667 900.6667 900.6667
senang dugem

𝑟𝑎𝑛𝑔𝑒=𝑡𝑒𝑟𝑏𝑒𝑠𝑎𝑟 −𝑡𝑒𝑟𝑘𝑒𝑐𝑖𝑙

𝑖𝑎𝑛𝑐𝑒= (∑▒ 〖 (𝑥_𝑖−(𝑥)) ̅ 〗 ^2 )/(𝑛−1)

Mean Absolut Deviation

Berikut ini catatan berat beras perkarung dari 5 sample karung yang dipilih secara acak: 24 kg, 24,5 kg, 25 kg, 25.5 kg, 25 kg.
Hitunglah:
a. Deviasi standard dari berat beras.
b. Kemungkinan beras yang terjual dengan berat dibawah 24 kg.
c. Kemungkinan berat beras yang terjual antara 24 dan 25 kg.

Menghitung varians dan stdev

X (kg) x-bar (kg) (X-xbar) (kg) (x-xbar)^2 (kg²) z-score X= berat sekarung beras
24 -0.8 0.64 -1.403 -0.8
24.5 -0.3 0.09 -0.526 -0.3
25 24.8 0.2 0.04 0.351 0.2
25.5 0.7 0.49 1.228 0.7
25 0.2 0.04 0.351 0.2
TOTAL 1.3

Jawaban a
0.325 varians= 0.325 kg² didapat dari pembagian 1
0.570088 stdev= 0.57008771255 kg didapat dari akar varians

Jawaban b
P(X<24)= P(Z<-1.40329)= 0.080264768

Jawaban c
P(24<X<25)= P(X<25)- P(X<24) = P(Z<0.350823)-P(Z<-1.40329)=

Memorize This:
68% confidence interval for X is X ± 1.00
90% confidence interval for X is X ± 1.65
95% confidence interval for X is X ± 1.96
99% confidence interval for X is X ± 2.58

Misalkan kita diberitahu bahwa gaji pegawai di suatu instansi berdistribusi normal dengan rata-
rata 14 000 000 rupiah, dengan standar deviasi 4 000 000
μ= 14000000
σ= 4000000

68% pegawai gajainya antara 10000000 hingga 18000000

90% pegawai gajainya antara 7400000 hingga 20600000
95% pegawai gajainya antara 6160000 hingga 21840000
99% pegawai gajainya antara 3680000 hingga 24320000

rata-rata 150
stdev 20

68% 130 170

90% 117 183
95% 110.8 189.2
110 190
24,5 kg, 25 kg, 25.5 kg, 25 kg.

t sekarung beras

dapat dari pembagian 1

dapat dari akar varians

0.557

00
65
96
58

stribusi normal dengan rata-

4 SD bintang Virgo: hijau rata-rata 10 thn stdev kecil
4 SD merah rata-rata 10 thn stdev sedang
3-5 SD biru rata-rata 10 thn stdev besar
2-6 SD orange rata-rata 10 thn stdev lebih besar lagi

4 kurva normal
rata-rata sama
stdev beda'
merah,biru, violet rata-rata sama
stdev merah < biru < violet
merah, hijau rata-rata merah < hijai\u
stdev merah < hijau
orange, biru, hijau rata-rata orange<biru<hijau
stedv orange=biru=hijau
 Berikut ini adalah contoh Perhitungan Value at Risk (VaR)

Langkah-1 Tentukan kejadian yang akan diamati.

Misalnya.: kecelakaan kendaraan

Langkah-2 Kumpulkan data historis tentang kejadian tersebut.

Jumlah kerugian akibat kecelakaan (dalam
Rp jt)
Tahun
2001 2
2002 4
2003 5
2004 2
2005 10

Langkah-3 Hitung rata-rata kerugian

µ= 4.6 jt rupiah/tahun

Langkah-4 Hitung standard deviasi kerugian

Jumlah kerugian akibat kecelakaan (dalam

Rp jt)
Tahun dev dev²
2001 2 -2.6 6.76
2002 4 -0.6 0.36
2003 5 0.4 0.16
2004 2 -2.6 6.76
2005 10 5.4 29.16
Jumah 0 43.2

varians atau s^2= 10.8 10.8 Excel

s atau σ = 3.29 jt rupiah/tahun

Langkah-5 Hitung x yang merupakan potensi kerugian

x  x  z s  luas Z VaR


 n 
 x  x  z s 
 0.01 2.326348 8.019019
 n  0.05 1.644854 7.017431
0.1 1.281552 6.483488

x  4.6  1,645 3.29 

 5
 Rp 7.02

Jadi VaR pada 5% adalah 7.02 jt/thn

95% 5%
7.02 jt/thn
Artinya, kita 95% yakin bahwa kerugian akibat kecelakaan tidak akan melebihi Rp 7.02 jt/tahun
atau
kita hanya 5% yakin bahwa kerugian akibat kecelakaan akan melebihi Rp 7.02 jt/tahun
5%

1.28 luas = 0.10

1.645 luas = 0.05

2.31 luas 0.01

 Catatan peserta yang mengikuti ujian menunjukkan 75% berhasil. Perusahaan mengirim 5
peserta, berapa kemungkinan 1 orang gagal?

Yang ditanya adalah yang gagal Variabel Random

Jadi, yang gagal adalah sukses
Parameter Distribusi
p= P(sukses) = P(yang gagal)=
n= jumlah percobaan =
X = jumlah percobaan sukses dalam n percobaan (Jumlah
peserta gagal dalam 5 peserta)
0.25 hati-hati!!!!
5 sekali mengirim orang adalah sekali percobaan, dan percoba

Tabel Distribusi Peluang Binomial B(n=5, p = 0.25) variabel randomX= jumlah peserta ujian yang gaga
x P(x) manual dalam 5 orang peserta ujian
0 0.2373 0.2373
1 0.3955 0.3955
 n!  x n x
0.2637 b( x, n, p )  
2 0.2637
 x!(n  x)!  p q
3 0.0879 0.0879  
4 0.0146 0.0146
5 0.0010 0.0010

TOTAL 1.0000

Contoh-2 Football Team is competing for league championship. Probability of winning in any match is 0.6.
What is the probability of winning 3 times during the next 5 matches?

Yang ditanya adalah winning P(3 pertandingan menang dalam 5 pertandingan)

Jadi, winning adalah sukses Binomial

Parameter Distribusi
p= P(sukses) = P(winning)= 0.6
n= jumlah percobaan = 5 sekali bertanding adalah sekali percobaan

Tabel Distribusi Peluang Binomial B(n=5, p = 0.60) X = jumlah percobaan sukses dalam n percobaan
x P(x) x = jumlah pertandingan menang dalam 5 pertandingan
0 0.0102   x n x
n!
1 0.0768 b( x, n, p )    p q
2 0.2304  x! ( n  x )! 
3 0.3456 x= jumlah sukses dalam n percobaan = junmlah pe
dalam 5 pertanding
4 0.2592
5 0.0778
TOTAL 1.0000

Binomial Ada 100 tegel, berapa peluang terdapat 5 tegel retak dalam 100 tegel
n,p Ada 10 orang ujian, berapa peluang 7 orang peserta berhasil lulus dari 10 peserta
x Ada 50 tikungan yang dijalani, berapa peluang 3 tikungan diantaranya berbahaya dari 50 tikungan

Poisson Ada tegel dalam 100 m2 luas lantai, berapa peluang 5 tegel retak dalam 100 m2 luas lantai
µ Amati 3 bulan terakhir ini, berapa peluang ada 7 orang lulus dalam 3 bulan terakhir ini
x Saya kan nyetir 10 jam, berapa peluang menemukan 3 tikungan berbahaya dalam 10 jam

n= 12 X =jumlah client yang akan ngeklaim tahun depan, dari 12 clie

p= 0.023

X P(x) Kum P(x)

0 0.756371 0.756371
1 0.213673 0.970044
2 0.027666 0.99771
3 0.002171 0.999881
4 0.000115 0.999996
5 4.331E-06 1
6 1.19E-07 1
7 2.4E-09 1
8 3.532E-11 1
9 3.695E-13 1
10 2.61E-15 1
11 1.117E-17 1
12 2.191E-20 1
1

Binomial Jumlah rambut putih dalam 50 rambut

Poisson Jumlah rambut putih dalam 3 jam

Binomial Jumlah tikungan berbahaya dalm 100 tikungan

Poisson Jumlah tikungan berbahaya dalm 200 kilometer

Binomial Jumlah peserta lulus ujian CRMO dalam 200 peserta

Poisson Jumlah peserta lulus ujian CRMO dalam setengah tahun mendatang
cobaan (Jumlah

hati!!!!
ekali percobaan, dan percobaan Bernoulli

umlah peserta ujian yang gagal

ta ujian

n!  x n x
p q
!(n  x)! 

m 5 pertandingan)

ding adalah sekali percobaan

dalam n percobaan
ng dalam 5 pertandingan

am n percobaan = junmlah pertandingan yang winning

i 50 tikungan

klaim tahun depan, dari 12 client

Contoh-1 Seorang agen asuransi menjual rata-rata 3 polis asuransi per minggu. Berapa kemungkinan dalam
satu minggu dia akan menjual:
a. Beberapa (lebih dari satu) polis asuransi
b. 2 atau lebih polis asuransi tetapi kurang dari 5.
c. Asumsi ada 5 hari kerja dalam seminggu, berapa kemungkinan dia bisa jual satu polis dalam
sehari?

Yang ditanya adalah yang terjual

Jadi, yang terjualadalah sukses

Parameter Distribusi per minggu per hari x

µ= rata-rata volume penjualan polis per satuan waktu 3 0.6
p (x)  hati-

JAWABAN a, b dan c
X= volume penjualan polis per satuan waktu (minggu)
Tabel Distribusi Peluang Poisson P(µ = 3)
x P(x) manual Untuk soal a dan b gunakan
0 0.049787 0.049787068 a) P(terjual beberapa polis asuransi dalam sem
1 0.149361 0.149361205 b) P(2 atau lebih polis asuransi tetapi kurang da
2 0.224042 0.224041808
3 0.224042 0.224041808
4 0.168031 0.168031356 Untuk soal a dan b gunakan T
5 0.100819 0.100818813
6 0.050409 0.050409407 c) P(terjual satu polis dalam sehari) = P(X=1) =
7 0.021604 0.021604031
8 0.008102 0.008101512
9 0.002701 0.002700504
10 0.000810 0.000810151
11 0.000221 0.00022095
12 0.000055 5.52376E-05
13 0.000013 1.27471E-05
14 0.000003 2.73153E-06
15 0.000001 5.46306E-07
16 0.000000102432326 1.02432E-07
17 0.000000018076293 1.80763E-08
18 0.000000003012715 3.01272E-09
dstnya

TOTAL 1.0000

Contoh-2 Customers arrive at a rate of 72 per hour. What is the probability of 4 customers arriving in 3
minutes?
minutes?

Yang ditanya adalah yang arriving 72 orang/jam = 3.6 orang/3 menit

Jadi, yang arriving adalah sukses

Parameter Distribusi per jam per 3 menit

µ= rata-rata arriving per satuan waktu 72 3.6 hati-

Tabel Distribusi Peluang Poisson P(µ = 3.6)

x P(x)
0 0.027324 0.027323722
1 0.098365 0.098365401
2 0.177058 0.177057721
3 0.212469 0.212469266 x= jumlah sukses dalam 3 menit
4 0.191222 0.191222339
5 0.137680
6 0.082608
7 0.042484 2.718282
8 0.019118
9 0.007647
10 0.002753
11 0.000901
12 0.000270
13 0.000075
14 0.000019
15 0.000005
16 0.000001
17 0.000000
18 0.000000
dstnya

TOTAL 1.0000

1. An auto insurance company has determined that the average number of claims against the
comprehensive coverage of a policy is 0.6 per year. What is the probability that a policy holder will
file (a) 1 claim in a year; (μ=0.6, x=1) (b) more than 1 claim in a year?

μ= 0.6
Tabel Distribusi Peluang Poisson(μ=0.6)
x P(x)
 0 0.548812 0.548812
1 0.329287 0.329287 a) 0.329286982
2 0.098786 0.098786 b) 0.121901382
3 0.019757 0.019757
4 0.002964 0.002964
5 0.000356 0.000356
6 3.556E-05 3.556E-05
7 3.048E-06 3.048E-06
8 2.286E-07 2.286E-07
9 1.524E-08 1.524E-08
10 9.145E-10 9.145E-10
11 4.988E-11 4.988E-11
12 2.494E-12 2.494E-12
13 1.151E-13 1.151E-13
14 4.933E-15 4.933E-15
15 1.973E-16 1.973E-16
16 7.4E-18 7.4E-18
17 2.612E-19 2.612E-19
18 8.706E-21 8.706E-21
19 2.749E-22 2.749E-22
20 8.248E-24 8.248E-24
21 2.356E-25 2.356E-25
22 6.427E-27 6.427E-27
23 1.677E-28 1.677E-28
24 4.191E-30 4.191E-30
25 1.006E-31 1.006E-31
26 2.321E-33 2.321E-33
27 5.159E-35 5.159E-35
28 1.105E-36 1.105E-36
29 2.287E-38 2.287E-38
30 4.574E-40 4.574E-40
31 8.853E-42 8.853E-42
32 1.66E-43 1.66E-43
33 3.018E-45 3.018E-45
34 5.326E-47 5.326E-47
35 9.13E-49 9.13E-49
36 1.522E-50 1.522E-50
37 2.468E-52 2.468E-52
38 3.896E-54 3.896E-54
39 5.994E-56 5.994E-56
40 8.991E-58 8.991E-58
41 1.316E-59 1.316E-59
42 1.88E-61 1.88E-61
43 2.623E-63 2.623E-63
44 3.577E-65 3.577E-65
45 4.769E-67 4.769E-67
46 6.22E-69 6.22E-69
47 7.941E-71 7.941E-71
48 9.926E-73 9.926E-73
49 1.215E-74 1.215E-74
50 1.459E-76 1.459E-76
51 1.716E-78 1.716E-78
52 1.98E-80 1.98E-80
53 2.241E-82 2.241E-82
54 2.49E-84 2.49E-84
55 2.717E-86 2.717E-86
56 2.911E-88 2.911E-88
57 3.064E-90 3.064E-90
58 3.17E-92 3.17E-92
59 3.223E-94 3.223E-94
60 3.223E-96 3.223E-96
61 3.171E-98 3.171E-98
62 3.07E-100 3.07E-100
63 2.92E-102 2.92E-102
64 2.74E-104 2.74E-104
65 2.53E-106 2.53E-106
66 2.3E-108 2.3E-108
67 2.06E-110 2.06E-110
68 1.82E-112 1.82E-112
69 1.58E-114 1.58E-114
70 1.35E-116 1.35E-116
71 1.14E-118 1.14E-118
72 9.53E-121 9.53E-121
73 7.84E-123 7.84E-123
74 6.35E-125 6.35E-125
75 5.08E-127 5.08E-127
76 4E-129 4E-129
77 3.13E-131 3.13E-131
78 2.41E-133 2.41E-133
79 1.83E-135 1.83E-135
80 1.37E-137 1.37E-137
81 1E-139 1E-139
82 7.43E-142 7.43E-142
83 5.37E-144 5.37E-144
84 3.83E-146 3.83E-146
85 2.71E-148 2.71E-148
86 1.89E-150 1.89E-150
87 1.3E-152 1.3E-152
88 8.88E-155 8.88E-155
89 6E-157 6E-157
 90 4E-159 4E-159
91 2.63E-161 2.63E-161
92 1.72E-163 1.72E-163
93 1.11E-165 1.11E-165
94 7.07E-168 7.07E-168
95 4.46E-170 4.46E-170
96 2.79E-172 2.79E-172
97 1.73E-174 1.73E-174
98 1.06E-176 1.06E-176
99 6.4E-179 6.4E-179
100 3.84E-181 3.84E-181
101 2.28E-183 2.28E-183
102 1.34E-185 1.34E-185
103 7.82E-188 7.82E-188
104 4.51E-190 4.51E-190
105 2.58E-192 2.58E-192
106 1.46E-194 1.46E-194
107 8.18E-197 8.18E-197
108 4.55E-199 4.55E-199
109 2.5E-201 2.5E-201
110 1.37E-203 1.37E-203
111 7.38E-206 7.38E-206
112 4E-208 4E-208
113 2.1E-210 2.1E-210
114 1.1E-212 1.1E-212
115 5.76E-215 5.76E-215
116 3E-217 3E-217
117 1.53E-219 1.53E-219
118 7.77E-222 7.77E-222
119 3.92E-224 3.92E-224
120 2E-226 2E-226
121 9.72E-229 9.72E-229

1
 e= 2.71828182845904000000

 xe
p ( x)  hati-hati!!!!

x! X = jumlah polis yang terjual dalam seha

Tabel Distribusi Peluang Poisson P(µ = 0
Untuk soal a dan b gunakan Tabel Distribusi Peluang Poisson P(µ = 3) x
a polis asuransi dalam seminggu)=P(X>1)= 1- 0.049787 - 0.149361= 0.800852 0
s asuransi tetapi kurang dari 5 dalam seminggu)= P(2≤X<5)=P(2)+P(3)+P(4)= 0.616115 1
2
3
ntuk soal a dan b gunakan Tabel Distribusi Peluang Poisson P(µ = 0.6) 4
5
s dalam sehari) = P(X=1) = 0.329287 6
7
8
9
10
11
12
13
14
15
16
17
18
dstnya

TOTAL
hati-hati!!!!

4
h polis yang terjual dalam sehari
ribusi Peluang Poisson P(µ = 0.6)
P(x)
0.548812
0.329287
0.098786
0.019757
0.002964
0.000356
0.000036
0.000003
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000

1.0000
 Binomial
X = banyaknya rambut putih yang tercabut dalam 5 rambut yang dicabut = 0,1,2,3,4,5

X= banyaknya kelahiran bayi laki-laki dalam 100 kelahiran = 0,1,2,3, …, 100

X = banyaknya tikungan berbahaya dalam 10 tikungan = 0,1,2,3, ..,10

X= banyakanaya polis mahal yang terjual dalam 100 polis yang terjual
 Poisson
X = banyaknya rambut putih yang tercabut dalam sejam = 0,1,2,3, ….

X = banyaknya kelahiran bayi laki-laki per kecamatan = 0.,1,2,3,….

X = banyaknya tikungan berbahaya dalam sebulan = 0,1,2,3,…

X = banyaknya polis mahal yang terjual pada satu perusahaan

 Tidak Terbakar Terbakar P(Arus Pendek |Tidak Terbak
Arus Pendek 10 2 12
Berapa peluang bahwa keb
Bukan Arus Pendek 12 1 13 pendek, apabila kita diberi in
22 3 25 tidak terb

UNCONDITIONAL PROBABILITY COND

Peluang Sederhana (Simple Probability) karena hanya menyangkut sebuah event
P(Arus Pendek) = 12/25 P(Arus Pendek |Tidak Terbakar) =
P(Bukan Arus Pendek) = 13/25 P(Bukan Arus Pendek |Tidak Terbakar)
P(Tidak Terbakar) = 22/25 P(Arus Pendek |Terbakar) =
P(Terbakar) = 3/25 P(Bukan Arus Pendek |Terbakar) =
P(Tidak Terbakar |Arus Pendek) =
Peluang Majemuk (Compound/Join Probability) menyangkut lebih dari sebuah event P(Tidak Terbakar |Bukan Arus Pendek)
P(Arus Pendek ∩Tidak Terbakar) = 10/25
P(Arus Pendek ∩ Terbakar) = 2/25
P(Bukan Arus Pendek ∩ Tidak Terbakar) = 12/25
P(Bukan Arus Pendek ∩ Terbakar) = 1/25

P(arus pendek U tidak terbakar)= 24/25

P(arus pendek U Terbakar)= 13/25
P(Bukan arus pendek U Tidak Terbakar)= 23/25
P(Bukan arus pendek U Terbakar)= 15/25

Tidak Terbakar Terbakar P(Arus Pendek ∩Tidak Terbakar) = 10/25

Arus Pendek 10 2 12
Bukan Arus Pendek 12 1 13
22 3 25

Tidak Terbakar Terbakar P(arus pendek U tidak terbakar)= 24/25

Arus Pendek 10 2 12
Bukan Arus Pendek 12 1 13
22 3 25

Berapa peluang bahwa sebuah restoran itu akan terbakar dan penyebabnya arus pendek

P(SABTU)= 1/7 Unconditional Prob tanpa info

p(SABTU|"S")= 1/3 Conditional Prob dengan info

P(wanita) = 0.5
P(wanita|berkumis) = 0.000123
P(wanita |pink) = 0.99924

P(lulus)= 0.6
P(lulus|tidak konsentrasi) 0.2
P(lulus|bocoran soal) 0.99

P(wanita) 0.5
P(wanita |rambutnya hitam) 0.5

P(hujan)= 0.55
P(hujan |kemarin dan kemarin lusa hujan) 0.95
P(hujan|kemarin tidak hujan, kemarin lusa tidak hujan, demikian juga kota2 pulau Jawa)=
P(hujan|President Trump terkena covid kembali)=

kepastian ketidakpastian
Tidak mungkin terjadi bisa/mungkin terjadi
P=0 0 < P <1

Probabilitas = ukuran seberapa mungkin sesuatu bisa terjadi (numerik)

Likelihood = ukuran seberapa sesuatu bisa terjadi (nonnumerik)

 P(Arus Pendek |Tidak Terbakar) =

Berapa peluang bahwa kebakaran itu karena arus

pendek, apabila kita diberi informasi bahwa restoran
tidak terbakar)

CONDITIONAL PROBABILITY

ndek |Tidak Terbakar) = 10/22 0.454545

Arus Pendek |Tidak Terbakar) = 12/22
ndek |Terbakar) = 2/3
Arus Pendek |Terbakar) = 1/3
erbakar |Arus Pendek) = 10/12
erbakar |Bukan Arus Pendek) = 12/13

dek ∩Tidak Terbakar) = 10/25

ndek U tidak terbakar)= 24/25

2 pulau Jawa)= 0.05
0.55

keastian
Pasti terjadi
P=1