PERTEMUAN 1
Konsep Peluang
Konsep Peluang
Kejadian di dunia: pasti (deterministik) atau tidak pasti (probabilis
tik)
Contoh kejadian yang tidak pasti:
- Akankah besok hujan?
Nilai kejadian meskipun tidak pasti tetapi memiliki pola
Pembelajaran pola kejadian memberikan informasi kemungkinan
terjadinya kejadian
Ukuran kemungkinan disebut sebagai PELUANG
Konsep Peluang
Peluang dapat diartikan sebagai ukuran kemungkinan terjadinya
suatu kejadian
Dalam hal ini, ukuran kemungkinan dinyatakan dalam besaran
numerik bernilai antara 0 (nol) sampai 1 (satu)
- 0 kejadian yang mustahil
- 1 kejadian yang pasti terjadi
Ruang Contoh
Ruang contoh adalah suatu gugus yang memuat semua hasil yang
berbeda, yang mungkin terjadi pada suatu percobaan.
Latihan:
1. Pada pelemparan sebuah dadu, berapa ruang contoh yang akan dibentuk?
Jawaban: n(S) = 6, S = (1, 2, 3, 4, 5, 6)
2. Seorang ahli medis ingin mengidentifikasikan golongan darah (A, AB, B, O) seseorang,
dengan faktor Rh nya (Positif atau Negatif). Tentukanlah berapa banyaknya contoh dan
tentukan ruang contoh yang bisa di dapatkan!
Jawaban: ???
3. Dalam melakukan budidaya ikan lele akan ada kemungkinan beberapa diantaranya mati
sehingga kemungkinan hasil yang diperoleh adalah ikan lele yang hidup (H) atau ikan
lele yang mati (M), berapa ruang contoh dari kejadian tersebut?
Jawaban: ???
Ruang Kejadian
Ruang kejadian adalah anak gugus/ himpunan bagian dari ruang
contoh, yang memiliki karakteristik tertentu.
Ruang kejadian biasa dinotasikan dengan huruf kapital (A, B, …)
Latihan:
1. Pada pelemparan dua buah dadu sisi enam setimbang, berapa muncul kejadian sisi ganjil
pada dadu I serta tentukan ruang kejadiannya?
Jawaban: n(B) = 18, B = (11, 12, 13, 14, 15, 16, 31, 32, 33, 34, 35, 36,….., 56
2. Seorang ahli medis ingin mengidentifikasikan golongan darah (A, AB, B, O) seseorang,
dengan faktor Rh nya (Positif atau Negatif). Berapa banyaknya kejadian dan tentukan
ruang kejadian yang bisa di dapatkan dari hasil golongan darah dengan Rh positif!
Jawaban: ???
Menghitung Ruang Contoh dan Kejadian
Ingat kembali KAIDAH PENGGANDAAN, KOMBINASI, DAN
PERMUTASI
FAKTORIAL
Jika n adalah bilangan bulat positif, maka
n! = n (n-1) (n-2) ... (3)(2)(1)
n! = n (n-1)!
Kasus khusus 0! 0! = 1
Contoh :
• 4! = 4.3.2.1 = 24
• 5! = 5.4.3.2.1 = 5.4! = 120
• 6! =6.5! = 720
• 7! =7.6! = ……?
• 10! =.…..?
Menghitung Ruang Contoh dan Kejadian
PENGGANDAAN
– Pengandaan dapat digunakan jika setiap kemungkinan dibentuk dari
komponen-komponen yang saling bebas.
N(S) = n1 x n2 x … x n1
– Contoh
1. Melempar 3 buah mata uang:
N(S) = 2 x 2 x 2 = 8
2. Melempar 2 buah dadu
N(S) = 6 x 6 = 36
Menghitung Ruang Contoh dan Kejadian
PERMUTASI
– Permutasi merupakan kejadian dimana SUSUNAN OBJEK yang
terpilih DIPERHATIKAN.
– Misalkan memilih orang untuk membentuk kepengurusan suatu
organisasi, dimana jika Si A terpilih menempati posisi ketua berbeda
maknanya dengan Si A terpilih menempati posisi wakil ketua.
6 5 4
6.5.4 = 120
K WK B
6! 6! 6.5.4.3!
Permutasi 3 dari 6 objek P36 120
(6 3)! 3! 3!
Menghitung Ruang Contoh dan Kejadian
KOMBINASI
– Kombinasi merupakan kejadian dimana SUSUNAN OBJEK yang
terpilih TIDAK DIPERHATIKAN
– Misalkan memilih sejumlah orang untuk menempati suatu sejumlah
kursi tempat duduk, dimana susunan tempat duduk tidak menjadi
perhatian .
6! 6! 6.5.4.3!
C36 20
Kombinasi 4 dari 8 objek (6 3)!3! 3!3! 3.2.3!
Pengambilan r objek dari n objek
Pengambilan Penataan
Tertata (Ordered) Tidak Tertata
(Unordered)
Dengan Pengembalian nr (n 1 r )!
Crn 1 r
(With Replacement) (n r )!r!
Peluang Suatu Kejadian
6. Anita membawa sebuah kantong belanja yang berisi 6 buah apel lokal (L)
dan 4 buah apel impor (I) yang baru dibeli dari sebuah pasar modern. Bila dua
buah apel diambil secara acak tanpa pemulihan, hitung berapa peluang kedua
apel tersebut adalah apel lokal (P(LL))?
Kejadian Saling Bebas
Kejadian saling bebas adalah kejadian-kejadian yang tidak saling
mempengaruhi.
Peluang dari dua buah kejadian yang saling bebas adalah:
P(AB)=P(A).P(B)
Latihan:
Peluang bayi berjenis kelamin laki-laki diketahui 0.6. Jika jenis kelamin
anak pertama (A) dan kedua (B) saling bebas, berapa peluang jenis kel
amin anak pertama dan anak kedua laki-laki?
Suatu gugus universum disekat menjadi beberapa anak gugus B1, B2, …
, Bn dan A suatu kejadian pada U dengan p(B)0 maka,
P(A) = P(Bi) P(A/Bi)
3. P’ (X = x) = f(x)
Peubah Acak Diskret
Contoh:
Misalkan dilakukan percobaan berupa pelemparan 3 uang logam
setimbang. Jika Y menyatakan berapa kali sisi gambar muncul,
maka berapa sebaran peluang dari Y?
Peubah Acak Diskret
Jawaban:
Karena Y menyatakan banyak G yang muncul, maka:
S = {AAA, AAG, AGA, GAA, AGG, GAG, GGA, GGG} sehingga
Y = { 0, 1, 2, 3 }
Karena mata uang logam yang digunakan adalah seimbang maka peluang masing-
masing titik sampel sama yaitu 1/8. Maka peluang untuk setiap peubah acaknya adalah:
F(0) = P(Y=0) = P{ AAA} = 1/8
F(1) = P(Y=1) = P {AAG, AGA, GAA} = 3/8
F(2) = P(Y=2) = P {GGA, GAG, AGG} = 3/8
F(3) = P(Y=3) = P {GGG} = 1/8
Jadi, sebaran peluang X adalah: y 0 1 2 3
f(y) 1/8 3/8 3/8 1/8
Peubah Acak Diskret
Latihan:
Suatu pengiriman 8 mesin hand duster yang sama ke suatu toko
mengandung 3 yang cacat. Bila suatu kelompok tani membeli 2
hand duster ini secara acak, tentukan sebaran peluang banyaknya
hand duster yang cacat?
Peubah Acak Kontinu
Misalkan X adalah peubah acak kontinu, maka fungsi
f(x) disebut dengan fungsi peluang atau fungsi distribusi
peluang dari suatu peubah acak X yang sifat-sifatnya
sebagai berikut:
1. f(x)>= 0 untuk semua x є R
~
2. −~ 𝑓 𝑥 𝑑𝑥 = 1
𝑏
3. P(a < X < b) = 𝑓 𝑎 𝑥 𝑑𝑥
Peubah Acak Kontinu
Contoh:
Diketahui bahwa galat suhu reaksi, dalam °C, pada percobaan
laboratorium yang dikontrol merupakan peubah acak X yang
mempunyai fungsi padat peluang
𝑋2
, untuk -1 < x 2
f(x) = 3
0, untuk x lainnya
~
a. Tunjukan bahwa syarat −~ 𝑓 𝑥 𝑑𝑥 = 1 terpenuhi
b. Hitung P(0 < x ≤ 1)
Peubah Acak Kontinu
Jawaban:
~ 2
𝑋2 8 1
න 𝑓 𝑥 𝑑𝑥 = න 𝑑𝑥 = + = 1
−~ −1 3 9 9
1 𝑋2
P(0 < x ≤ 1) = 0 3 = 1/9
Peubah Acak Kontinu
Latihan:
Sebuah ruangan konferensi dapat disewa untuk rapat yang
lamanya tidak lebih dari 4 jam. Misalkan X adalah peubah acak
yang menyatakan waktu rapat, yang mempunyai distribusi
seragam, maka:
a. Tentukan fungsi peluang dari X?
b. Tentukan peluang suatu rapat berlangsung 3 jam atau lebih?
Ukuran Pemusatan dan
Penyebaran Peubah Acak
• Peubah memiliki pusat dan keragaman
• Nilai Harapan (Mean/ Nilai Tengah/µ ) adalah pusat
dari Peubah Acak E(X)
• Ragam (Variance/δ2 ) adalah ukuran penyebaran dari
Peubah Acak Var(X)
Nilai Harapan Peubah Acak
• Nilai harapan dari peubah acak adalah pemusatan dari
nilai peubah acak jika percobaannya dilakukan secara
berulang-ulang sampai tak berhingga kali.
• Secara matematis nilai harapan dapat dirumuskan
sebagai berikut:
σ𝑛𝑖=1 𝑥𝑖 𝑝(𝑥𝑖 ), jika X peubah acak diskret
E(X) =
σ~
−~ 𝑥𝑖 𝑓 𝑥𝑖 𝑑𝑥, jika X peubah acak kontinu
Nilai Harapan Peubah Acak
Sifat-sifat nilai harapan:
• Jika c konstanta maka E(c ) = c
• Jika peubah acak X dikalikan dengan konstanta c maka E(cX) =
c E(X)
• Jika X dan Y peubah acak, maka E(X±Y) = E(X) ± E(Y)
Nilai Harapan Peubah Acak
Contoh:
Pada pelemparan sebuah dadu bersisi enam yang
seimbang, X adalah peubah acak dimana munculnya sisi
dadu yang bermata genap. Maka X = {0, 1}, sebaran
peluang : p(X = x) = ½, x = 0, 1
0, x lainnya
Berapa nilai harapannya jika percobaan yang dilakukan
sebanyak 10 kali dan saling bebas?
Nilai Harapan Peubah Acak
Jawaban:
• Nilai Harapan/ Nilai Tengah/ Mean/µ dari X:
E(X) = 0.(1/2) + 1.(1/2) = ½
• Jika percobaan dilakukan 10 kali dan saling bebas,
besar Nilai Harapannya:
E(Y) = E (10 X) = 10 E(X) = 10.(1/2) = 5
Nilai Harapan Peubah Acak
Latihan:
Bila diketahui sebaran peluang dari peubah acak X
adalah seperti pada tabel berikut, carilah nilai
harapannya?
X 0 1 2 3
P(x) 1/8 1/4 3/8 1/4
Ragam Peubah Acak
Ragam peubah acak X didefinisikan sebagai:
Var(X) = E[X – E (X)]2 = E(𝑋 2 ) − 𝐸(𝑋)2
Sifat Ragam
• Jika c konstanta maka V(c ) = 0
• Jika peubah acak X dikalikan dengan konstanta c maka V(cX) =
𝐶 2 V(X)
• Jika X dan Y peubah acak maka, V(X±Y) = V(X) + V(Y) ±
Cov(X,Y)
Dimana: Cov(X,Y) = E(X-E(X))E(Y-E(Y)), Jika X dan Y saling
bebas maka Cov(X,Y) = 0
Ragam Peubah Acak
Contoh:
Pada contoh soal sebelumnya, p(X = x) = ½, x = 0, 1
0, x lainnya
1 1 1
Ragam X adalah: E(𝑋 2 ) = 02 + 12 =
2 2 2
SEBARAN PELUANG
VARIABEL ACAK DISKRET
CONTOH
bebas
S S S x=3 æ 3ö 3 3- 3
ç ÷
P( X = 3) = ç ÷ p (1 - p)
è 3ø
SEBARAN G S S
S S G x=2 æ 3ö 2
P( X = 2) = çç ÷÷ p (1 - p)3-2
è 2ø
PELUANG S G S
BINOMIAL S
G
G
S
G
G x=1
æ 3ö 1
P( X = 1) = çç ÷÷ p (1 - p)3-1
G G S è1ø
G G G x=0 æ 3ö 0
P( X = 0) = çç ÷÷ p (1 - p)3-0
è 0ø
Rata-rata sukses melakukan lemparan E(X) = np = 3p
DISTRIBUSI POISSON
Distribusi Poisson adalah distribusi nilai-nilai bagi suatu variabel random X(X diskrit), yaitu banyaknya hasil
percobaan yang terjadi dalam suatu interval waktu tertentu atau di suatu daerah tertentu.
a. Banyaknya hasil percobaan yang terjadi dalam suatu interval waktu atau suatu daerah tertentu tidak bergantung
pada banyaknya hasil percobaan yang terjadi pada interval waktu atau daerah lain yang terpisah.
b. Probabilitas terjadinya suatu hasil percobaan selama suatu interval waktu yang singkat sekali atau dalam suatu
daerah yang kecil, sebanding dengan panjang interval waktu tersebut atau besarnya daerah tersebut, dan tidak
bergantung pada banyaknya hasil percobaan yang terjadi di luar interval waktuataudaerah tersebut.
c. Probabilitas bahwa lebih dari satuhasil percobaan akan terjadidalam interval
waktu yang singkat tersebut atau dalam daerah yang kecil tersebut dapat diabaikan.
CONTOH DISTRIBUSI POISSON
Peristiwa datangnya kendaraan yang lewat dalam suatu interval waktu di suatu
ruas jalan.Dari peristiwa tersebut,dapat diamati hal-hal berikut.
1) Tingkat kedatangan rata-rata kendaraan dapat dihitung berdasarkan data masa lalu.
3) Banyaknya kedatangan kendaraan dalam suatu interval waktu tertentu merupakan peristiwa independen
(bebas).
1) banyaknya penggunaan telepon per menit atau banyaknya mobil yang lewat selama 5 menit di suatu ruas jalan;
4) banyaknya kecelakaan mobil di jalan tol selama minggu pertama bulan Oktober.
b. Menghitung distribusi binomial apabila nilai n besar (n ≥ 30) dan p kecil (p < 0,1)
RUMUS DISTRIBUSI POISSON
A. Rumus probabilitas Poisson suatu peristiwa
Keterangan:
Keterangan:
Probabilitas Poisson kumulatif adalah probabilitas dari peristiwa Poisson lebih dari satu. Probabilitas Poisson kumulatif dapat dihitung
dengan rumus:
a. Rata-rata
𝐸 𝑋 = 𝜇 = 𝜆= 𝑛× 𝑝
b. Varians
𝐸 𝑋− 𝜆 2 = 𝜎2 = 𝑛× 𝑝
c. Simpangan baku
𝜎 = 𝜆= 𝑛 × 𝑝
CONTOH SOAL LATIHAN
Contoh soal:
1. Sebuah toko alat-alat pertanian mencatat rata-rata penjualan cangkul setiap hari adalah 7 buah. Jika permintaan akan sabit tersebut
mengikuti distribusi Poisson, berapa probabilitas untuk penjualan berikut?
a. 0 cangkul
b. 3 cangkul
2. Sebuah pabrik pengolahan kakao menggunakan 30 mesin. Probabilitas sebuah mesin mengalami dan memerlukan perbaikan adalah 0,05.
Tentukan probabilitas dari 3 mesin yang akan mengalami gangguan dan memerlukan perbaikan, gunakan pendekatan Poisson dan
binomial!
3. Apabila x adalah binomial random variable dengan n=7 dan p=0.3, maka tentukan:
a.P (x=4)
b.P(x > 1)
Pertemuan 4
SEBARAN PELUANG
VARIABEL ACAK KONTINU
MK. Metoda Sataistika untuk Ekonomi Pertanian
dan Sumberdaya (ESL23B)
2021
Pendahuluan
1. Misalkan X adalah suatu peubah acak kontinu
2. Fungsi peluang dari peubah acak kontinu merupakan fungsi kepekatan peluang
3. Integral fungsi kepekatan peluang dari semua kemungkinan nilai sama dengan 1
4. Peluang dari suatu selang nilai dapat dibentuk dengan mengintegralkan fungsi
kepekatan peluang dalam selang nilai tersebut
Beberapa sebaran peluang kontinu
Normal Gamma
Weibull Beta
Sebaran Normal
0.4500
0.4000
0.3500
f ( x, µ , s ) =
2
e 2è s ø
2p s
b
4. Peluang merupakan luasan dibawah kurva kepekatan normal: p(a £ x £ b) = ò f ( x)dx = F (b) - F (a)
a
5. Peubah acak (X) dengan mean (µ) dan ragam (s2) menyebar normal
sering dituliskan sebagai X ~ N (µ, s2)
Bentuk Sebaran Normal dengan
Berbagai Nilai Ragam
Variable
60
Semakin besar ragam dari sebaran
ragam 1
ragam 3
ragam - 5
50 ragam -10 normal maka semakin landai bentuk
40
sebarannya
Percent
30
20
10
0
-36 -24 -12 0 12 24 36
Data
Nilai Harapan Peubah Acak
Kontinu
• Secara matematis nilai harapan dapat dirumuskan sebagai berikut: E( X ) = ò x f ( x )dx, jika X p.a kontinu
i i
-¥
• Distribusi peluang dari peubah acak normal baku Z ~ N(0 , 1) sudah tersedia dalam bentuk
tabel peluang normal baku
X -µ
Z=
s
Cara Penggunaan Tabel Normal
Baku
1. Nilai z, disajikan pada kolom pertama (nilai z sampai Nilai Z 0.00 0.01 0.02 0.03
desimal pertama) dan baris pertama (nilai z desimal -2.6 0.005 0.005 0.004 0.004
kedua)
2. Nilai peluang didalam tabel normal baku adalah
peluang peubah acak Z kurang dari nilai k (P(Z<k)).
-2.5 0.006 0.006 0.006 0.006
P(Z<-2.42)=0.008
Soal Latihan
1. Sebuah pabrik pembuatan tahunmemiliki tingkat kedatangan rata-rata pembeli sebanyak 8 orang per hari.Kedatangan pembeli mengikuti proses
Poisson.
a. Berapa probabilitas kedatangan 5 pembeli per hari?
b. Berapa probabilitas kedatangan 5 pembeli sampai pada siang hari saja?
2. Diketahui bahwa dosis pupuk menyebar normal dengan nilai tengah 50 dan simpangan baku 10, hitunglah peluang bahwa X mengambil sebuah
nilai antara 45 dan 62
3. Bobot badan sejumlah besar sapi kira-kira menyebar normal dengan nilai tengah 8 kg dan simpangan baku 0,9 kg. Hitunglah proporsi banyaknya
sapi yang berbobot
a. Lebih dari 9,5 kg
b. Antara 7,3 dan 9,1 kilogram
4. Apabila terdapat sebuah sebaran normal dengan nilai tengah 40 dan simpangan baku 6, maka hitunglah nilai X yang luas daerah di bawahnya ada
38%.
TERIMAKASIH
P E R T EM U AN 5
Konsep Penarikan
Contoh
Contoh
Some Notes
.
Praktikum ke-6
Pendugaan Parameter
Satu Populasi Departemen Ekonomi
Sumberdaya dan Lingkungan
𝟐 σ𝒏 (𝒙
𝒊=𝟏 𝒊 −ഥ
𝒙 ) 𝟐
𝟐 σ𝒏 (𝒙
𝒊=𝟏 𝒊 −ഥ
𝒙 ) 𝟐
𝝈 = 𝒔 =
𝒏 𝒏−𝟏
kemungkinan besar berbeda dari nilai parameter yang sebenarnya. Misalnya untuk mengetahui
rata-rata produktivitas padi di Kabupaten Bogor, diambil sampel acak dari 100 petani padi dan
diperoleh rata-rata produktivitas sebesar 7 ton per hektar.
2. Pendugaan selang: akan memberikan nilai-nilai statistik dalam suatu interval/selang
kepercayaan dan bukan nilai tunggal sebagai penduga parameter.
• Selang kepercayaan 1 - α adalah sebuah interval antara dua angka, di mana dipercaya nilai
parameter sebuah populasi terletak di dalam interval tersebut. Pendugaan parameter
diwujudkan dalam pembentukan selang kepercayaan, karena hampir tidak pernah ditemukan
nilai statistik tepat sama dengan nilai parameter.
• Alpha α adalah peluang bahwa parameter populasi yang sesungguhnya berada di luar selang
kepercayaan. Nilai Alpha α yang umumnya digunakan dalam pendugaan parameter adalah
1%, 5% dan 10%, sehingga memberikan selang kepercayaan yang umum digunakan adalah
99%, 95% dan 90%.
MK. Metode Statistika untuk Ekonomi Pertanian dan Sumberdaya (ESL23B)
Pendugaan Selang
MK. Metode Statistika untuk Ekonomi Pertanian dan Sumberdaya (ESL23B)
Soal 2. Seratus orang calon siswa Sekolah Lapang Agribisnis sebagai sampel
acak yang sudah pernah mengikuti tes IQ, mempunyai rata-rata-IQ
sebesar 110 dan diketahui mempunyai simpangan baku sebesar 20.
Dengan menggunakan tingkat keyakinan sebesar 95%, buatlah
pendugaan interval dari rata-rata IQ.
Pendugaan
Parameter Dua
Populasi
MK. Metode Statistika untuk Ekonomi Pertanian dan
Sumberdaya (ESL23B)
Tahun Akademik 2021/2022
Research Question: apakah penyakit ISPA yang diderita penduduk
kecamatan A disebabkan oleh aktivitas PLTU batubara? Diketahui
bahwa di kecamatan A hanya ada PLTU batubara tersebut, tidak ada
pembangkit listrik maupun pabrik lainnya.
1. Berapa selisih biaya berobat penyakit ISPA antara penduduk
kecamatan A dengan penduduk kecamatan B? à kasus dua
Selisih Rataan contoh SALING BEBAS
2. Berapa selisih biaya berobat penyakit ISPA penduduk kecamatan A
antara sebelum dan sesudah tahun 2018? à kasus dua contoh
Pendugaan
BERPASANGAN
µ1 -µ2
x1 -x2
s x -x
1.96
1.96 sx
1 2 1 -x2
Margin of Error
Pendugaan parameter:
Kasus dua contoh
saling bebas
Selisih rataan dua populasi
Syarat : diketahui
s12 & s22
PERLU DIINGAT:
Apabila ukuran contoh cukup
Tidak
besar (n1+n2 ³ 30) maka diketahui
pada Formula 1 dan Formula
2 selang kepercayaan sama
tersebut dapat menggunakan s12 & s22
Formula 1
sebaran NORMAL (Z).
Tidak
sama
Formula 2
FORMULA 1 FORMULA 2
Jika s1 dan s2 tdk diketahui dan diasumsikan sama: Jika s1 dan s2 tdk diketahui dan diasumsikan tidak sama:
Pendugaan parameter:
Kasus dua contoh
berpasangan
Selisih rataan dua populasi
Ditimbang
Ditimbang Diberi pakan kondisi akhir :
kondisi awal : tertentu bobot kelinci
bobot kelinci
INGAT:
Jika ukuran contoh
cukup besar (n1+n2 >
30) maka pada Formula
selang kepercayaan
dapat menggunakan
sebaran NORMAL (Z)
1
Pendugaan parameter:
Kasus dua contoh
Selisih proporsi
Margin of Error
Selang kepercayaan (1-a)100%bagi 𝑝^1- 𝑝^2
Sampel Besar
Sampel Kecil: