PELUANG BERSYARAT
Dosen Pengampu:
Disusun oleh:
Kelompok 5
UNIVERSITAS CENDERAWASIH
2021
KATA PENGANTAR
Puji syukur kami panjatkan kepada Tuhan Yang Maha Esa atas segala rahmat-Nya
sehingga makalah ini dapat tersusun hingga selesai. Tidak lupa kami juga mengucapkan terima
kasih atas bantuan dari pihak yang telah berkontribusi dengan memberikan sumbangan baik
materi maupun pikirannya.
Karena keterbatasan pengetahuan maupun pengalaman kami, kami yakin masih banyak
kekurangan dalam makalah ini. Oleh karena itu kami mengharapkan kritik dan saran yang
sifatnya membangun, khususnya dari dosen mata kuliah guna menjadi acuan dalam bekal
pengalaman bagi kami untuk lebih baik di masa yang akan datang.
Kelompok 5
i
DAFTAR ISI
KATA PENGANTAR..............................................................................................i
DAFTAR ISI...........................................................................................................ii
BAB I PEMBAHASAN
A. Kesimpulan...............................................................................15
B. Saran.........................................................................................15
DAFTAR PUSTAKA
ii
BAB I
PEMBAHASAN
Peluang kejadian bersyarat adalah peluang suatu kejadian jika diketahui peluang
kejadian lain yang lebih dahulu terjadi.
𝑛 (𝐴)
P(A|S) =
𝑛 (𝑆)
𝑛(𝐴 ∩𝑆 )
=
𝑛(𝑆)
𝑛(𝐴∩𝑆)
𝑛(𝑆)
= 𝑛(𝑠)
𝑛(𝑆)
𝑃(𝐴 ∩𝑆 )
P(A|S) =
𝑃(𝑆)
1
Definisi 3.8: PELUANG BERSYARAT
Jika A dan B adalah dua buah peristiwa yang dibentuk dari ruang sampel S, maka peluang
bersyarat dari B diberikan A didefinisikan sebagai:
𝑃(𝐴 ∩ 𝐵)
P(B|A) = 𝑃(𝐴)
Dengan 0<P(A)<1.
Dalam hal ini ini, P(B|A) berarti kita ingin menghitung peluang peristiwa B, apabila peristiwa A
sudah terjadi. Atau kita juga dapat menyatakan bahwa peluang peristiwa A dan B kedua-duanya
terjadi sama dengan peluang peristiwa A terjadi dikalikan dengan peluang peristiwa B terjadi
apabila peristiwa A sudah terjadi. Dalam hal terakhir ini, kita dapat menuliskannya sebagai
berikut.
Contoh Soal:
1. Pada pengundian dua buah mata dadu, berapakah peluang munculnya mata dadu berjumlah 6
dengan salah satu mata dadunya adalah 2?
Penyelesaian:
Misalkan:
𝑃(𝐴∩𝐵) 𝑛(𝐴∩𝐵) 2
Sehingga 𝑃(𝐵|𝐴) = = = 5 = 0,4
𝑃(𝐴) 𝑛(𝐴)
2. Sebuah dadu dilempar sekali. Tentukan peluang munculnya mata dadu ganjil dengan syarat
telah diketahui munculnya kejadian mata dadu prima lebih dahulu
Penyelesaian :
n(s) = 6
s = {1,2,3,4,5,6}
misalkan :
A= munculnya mata dadu prima
2
{2,3,5}
n(A) = 3
B= munculnya mata dadu ganjil
{1,3,5}
Ditanya : Peluang munculnya mata dadu ganjil dengan syarat telah diketahui munculnya
kejadian mata dadu prima dahulu P(A|B)
Penyelesaian :
n(B) = 3
n( A∩ 𝐵) = 2 {3,5}
2
𝑃(𝐴∩𝐵) 6 2 6 12 2
𝑃(𝐴|𝐵) = = 3 = 𝑥 3 = 18 = 3
𝑃(𝐵) 6
6
Jika A dan B adalah dua buah peristiwa yang dibentuk berdasarkan ruang
sampel S, maka :
3
Contoh soal :
1. Terdapat sebuah kotak berisikan 20 buah kelereng. 8 diantaranya berwarna merah. Jika
diambil 3 kelereng secara acak satu persatu tanpa pengembalian, maka tentukanlah
peluang bahwa seluruh kelereng yang terambil adalah merah!
Penyelesaian:
Misalkan :
A: Peristiwa terambilnya kelereng merah pada pengambilan pertama
B: Peristiwa terambilnya kelereng merah pada pengambilan kedua
C: Peristiwa terambilnya kelereng merah pada pengambilan ketiga
Misalkan :
A : Peristiwa terambilnya kelereng merah pada pengambilan pertama
B : Peristiwa terambilnya kelereng merah pada pengambilan kedua
C : Peristiwa terambilnya kelereng merah pada pengambilan ketiga
Untuk ruang sampel setelah pengambilan pertama adalah 𝑆2 , maka n(𝑆2 ) = 20-1 = 19
B menyatakan kejadian terambilnya kelereng merah pada pengambilan kedua sehingga
n(A ∩B) = 8-1 = 7
𝑛( 𝐴 ∩ 𝐵) 7
P(B|A) = = 19
𝑛(𝑠2 )
Untuk ruang sampel setelah pengambilan kedua adalah 𝑆2 , maka n(𝑆3 ) = 19-1 = 18
C menyatakan kejadian terambilnya kelereng merah pada pengambilan kedua sehingga
n(C ∩B) = 7-1 = 6
𝑛( 𝐶 ∩ 𝐵) 6
P(C|B) = =
𝑛(𝑠3 ) 18
14
= 285
4
A. Kaidah Total Peluang dan Kaidah Bayes.
1. Kaidah Total Peluang
𝐵1 𝐵2 𝐵3 𝐵4 𝐵5 𝐵6 𝐵7
𝐴1 𝐴2 𝐴3 𝐴4 𝐴5 𝐴6 𝐴7
A= 𝐴1 ∪ 𝐴2 ∪ 𝐴3 ∪ 𝐴4 ∪ 𝐴5 ∪ 𝐴6 ∪ 𝐴7
Dengan : 𝐴1 = 𝐵1 ∩ 𝐴
𝐴2 = 𝐵2 ∩ 𝐴
𝐴3 = 𝐵3 ∩ 𝐴
𝐴3 = 𝐵3 ∩ 𝐴
𝐴4 = 𝐵4 ∩ 𝐴
𝐴5 = 𝐵5 ∩ 𝐴
𝐴6 = 𝐵6 ∩ 𝐴
𝐴7 = 𝐵7 ∩ 𝐴
5
Jadi :
= ∑7𝑖=1 𝑃(𝐵𝑖 ∩ 𝐴 )
Contoh soal :
1. Farah mempunyai tiga buah kotak yang masing-masing berisi lampu cabe
Kotak 1 berisi 10 lampu cabe, dengan 4 lampu di antaranya tidak jalan.
Kotak 2 berisi 6 lampu cabe, dengan 1 lampu di antaranya tidak jalan.
Kotak 3 berisi 8 lampu cabe, dengan 3 lampu di antaranya tidak jalan.
6
Sebuah kotak dipilih secara acak , kemudian sebuah lampu cabe diambil secara
acak dari kotak yang terpilih itu.
Berapa Peluang bahwa lampu cabe yang terambil itu adalah rusak(tidak jalan)?
Penyelesaian :
Misalnya ;
𝐾1 adalah peristiwa bahwa kotak 1 yang terpilih
𝐾1 berisi 10 lampu cabe
𝐾2 adalah peristiwa bahwa kotak 2 yang terpilih
𝐾2 berisi 6 lampu cabe
𝐾3 adalah peristiwa bahwa kotak 3 yang terpilih
𝐾3 berisi 8 lampu cabe
𝑅 adalah peristiwa bahwa lampu cabe yang terambil itu tidak jalan.
𝑅1 = 4 lampu diantaranya yang tidak jalan
𝑅2 = 1 lampu diantaranya yang tidak jalan
𝑅3 = 3 lampu diantaranya yang tidak jalan
𝑅|𝐾1 adalah peristiwa bahwa sebuah lampu cabe yang terambil itu adalah tidak
jalan, jika kotak 1 yang terpilih
𝑅|𝐾2 adalah peristiwa bahwa sebuah lampu cabe yang terambil itu adalah tidak
jalan, jika kotak 2 yang terpilih
𝑅|𝐾3 adalah peristiwa bahwa sebuah lampu cabe yang terambil itu adalah tidak
jalan, jika kotak 3 yang terpilih
Ditanya : berapa peluang bahwa lampu cabe yang terambil itu adalah rusak/tidak
jalan?
Penyelesaian :
Peluang untuk masing-masing peristiwa di atas adalah:
1
P(𝐾1 ) = P(𝐾2 ) = P(𝐾3 ) = 3
𝑅|𝐾1 adalah peristiwa bahwa sebuah lampu cabe yang terambil itu adalah tidak
jalan, jika kotak 1 yang terpilih.
7
𝑛(𝑅 ∩ 𝐾1 )
𝑃(𝑅 ∩ 𝐾1 ) = 𝑛( 𝐾1 )
4
= 10
𝑃(𝑅 ∩ 𝐾1 )
P( R|𝐾1 ) = 𝑃(𝑘1 )
𝑛(𝑅 ∩ 𝐾1 )
= 𝑛( 𝐾1 )
4 2
= =
10 5
𝑅|𝐾2 adalah peristiwa bahwa sebuah lampu cabe yang terambil itu adalah tidak
jalan, jika kotak 2 yang terpilih
𝑛(𝑅 ∩ 𝐾2 )
𝑃(𝑅 ∩ 𝐾2 ) = 𝑛( 𝐾2 )
1
=6
𝑃(𝑅 ∩𝐾2 )
P(R| 𝐾2 ) =
𝑃(𝑘2 )
𝑛(𝑅 ∩ 𝐾2 )
= 𝑛( 𝐾2 )
1
=6
𝑅|𝐾3 adalah peristiwa bahwa sebuah lampu cabe yang terambil itu adalah tidak
jalan, jika kotak 3 yang terpilih
𝑛(𝑅 ∩ 𝐾3 )
𝑃(𝑅 ∩ 𝐾3 ) =
𝑛( 𝐾3 )
3
=8
𝑃(𝑅 ∩ 𝐾3 )
P(R|𝐾3 ) = 𝑃(𝑘3 )
𝑛(𝑅 ∩ 𝐾3 )
= 𝑛( 𝐾3 )
8
3
=8
Sehingga peluang bahwa lampu cabe yang terambil itu tidak jalan adalah :
1 4 1 1 1 3
P(A) = (3) . (10) + (3) .( 6 ) + (3) . (8)
4 1 3
P(A) = 30 + 18 +24
48+20+ 45
= 360
113
= 360
2. Kaidah Bayes
Kaidah Bayes dikemukakan oleh seorang pendeta presbyterian Inggris pada
tahun 1763 yang bernama Thomas Bayes. Kaidah Bayes ini kemudian disempurnakan
oleh Laplace. Kaidah Bayes digunakan untuk menghitung peluang terjadinya suatu
peristiwa berdasarkan pengaruh yang didapat dari hasil observasi. Teori ini
menerangkan hubungan antara peluang terjadinya suatu peristiwa ( misalkan A)
dengan syarat peristiwa lain ( misalkan X ) telah terjadi. Dan peluang terjadinya
peristiwa X dengan syarat peristiwa A telah terjadi. Kaidah ini didasarkan pada
prinsip bahwa tambahan informasi dapat memperbaiki peluang.
ATURAN BAYES
Jika peristiwa-peristiwa 𝐵1, 𝐵2, 𝐵3, ..., 𝐵7 merupakan partisi dari ruang sampel S,
maka untuk peristiwa A yang sembarang dari S sedemikian hingga P(A) > 0 berlaku
:
𝑃(𝐵𝑟 ). 𝑃(𝐴|𝐵𝑟 )
𝑃(𝐵𝑟 |𝐴) = 𝐾
∑𝑖=1 𝑃( 𝐵𝑖 ). 𝑃(𝐴|𝐵𝑖 )
Untuk r = 1, 2, 3, ...,7
9
𝐵1 𝐵2 𝐵3 𝐵4 𝐵5 𝐵6 𝐵7
𝐴1 𝐴2 𝐴3 𝐴4 𝐴5 𝐴6 𝐴7
𝑃(𝐵1 ∩ 𝐴)
𝑃(𝐵1 | 𝐴) =
𝑃(𝐴)
𝑃(𝐴|𝐵1 ).𝑃(𝐵1 )
=
𝑃(𝐴)
𝑃(𝐵1 ). 𝑃(𝐴|𝐵1 )
𝑃(𝐵1 | 𝐴) = 7
∑𝑖=1 𝑃(𝐵1 ). 𝑃(𝐴|𝐵1 )
𝑃(𝐵2 ). 𝑃(𝐴|𝐵2 )
𝑃(𝐵2 | 𝐴) = 7
∑𝑖=1 𝑃(𝐵1 ). 𝑃(𝐴|𝐵1 )
𝑃(𝐵𝑟 ). 𝑃(𝐴|𝐵𝑟 )
𝑃(𝐵𝑟 | 𝐴) = ( 𝑡𝑒𝑟𝑏𝑢𝑘𝑡𝑖 )
∑7𝑖=1 𝑃(𝐵1 ). 𝑃(𝐴|𝐵1 )
Contoh Soal :
1. Terdapat 3 kotak identik yang diberi label K,L dan M. jika Kotak K berisi 4 bola
berwarna merah dan 6 bola berwarna putih , kotak L berisi 2 bola berwarna merah
dan 12 bola berwarna putih , sedangkan kotak M 8 bola berwarna merah dan 8 bola
berwarna putih. Sebuah kotak dipilih secara acak dan sebuah bola diambil secara acak
dari kotak tersebut,
a. Tentukan peluang terambilnya bola berwarna putih
b. Jika bola yang terambil berwarna putih, berapa peluang bola itu berasal dari kotak
L?
Jawab
10
Diketahui:
𝐴 ∩ 𝐾: 6 bola putih
𝐴 ∩ 𝐿: 12 bola putih
𝐴 ∩ 𝑀: 8 bola putih
Ditanya:
1
P(K) = P(L) = P(M) = 3
3
𝑛(𝐴∩𝐾) 6 3 𝑃(𝐴∩𝐾) 20 3 40 3
P(A∩K) = = 40 = 20 P(A|K)= = 10 = 20 × 10 = 5
𝑛(𝑆) 𝑃(𝐾)
40
3
𝑛(𝐴∩𝐿) 12 6 3 𝑃(𝐴∩𝐿) 10 3 40 6
P(A∩L) = = = 20 = 10 P(A|L)= = 14 = 10 × 14 = 7
𝑛(𝑆) 40 𝑃(𝐿)
40
1
𝑛(𝐴∩𝑀) 8 1 𝑃(𝐴∩𝑀) 5 1 40 1
P(A∩M) = = =5 P(A|M)= = 16 = 5 × 16 = 2
𝑛(𝑆) 40 𝑃(𝑀)
40
11
3 3 2
= 20 + 10 + 10
3+6+4 13
= = 20 = 0,65
20
b. Jika bola yang terambil berwarna putih, berapa peluang bola itu berasal dari
kotak L ?
𝑃(𝐿) . 𝑃(𝐴|𝐿 )
P(L|A) =
𝑃(𝐴)
14 6 3
×
40 7 10
= = 65
0,65
100
3 100 300
= × = = 0,46
10 65 650
12
BAB II
LATIHAN SOAL
1. Sebuah kotak berisikam 11 bola. 5 buah bola putih bertandakan (+) , 1 buah bola putih
bertandakan (-), 3 buah bola kuning bertandakan (+) dan 2 bola kuning bertandakan (-).
Seseorang mengambil sebuah bola kuning dalam kotak.
a. Berapa peluang bola itu bertanda (+) ?
b. Berapa peluang bola itu bertanda (-) ?
Penyelesaian :
a. Misalkan : A = Bola kuning
𝐵 + = Bola bertanda positif
𝐵 − = Bola bertanda negative
13
𝑛(𝐵 + ∩𝐴)
P(𝐵 + ∩ 𝐴 ) = 𝑛(𝑠)
3
= 11
P(𝐵 + ∩ 𝐴 )
P(𝐵 + | 𝐴 ) =
𝑃(𝐴)
3 3 11
= 11 = ×
5
11 5
11
3
=
5
𝑛(𝐵 − ∩𝐴)
P(𝐵 − ∩ 𝐴 ) = 𝑛(𝑠)
2
= 11
14
P(𝐵 − ∩ 𝐴 )
P(𝐵 − | 𝐴 ) =
𝑃(𝐴)
2 2 11
= 11 = ×
5
11 5
11
2
=
5
2. Dari 900 karyawan di suatu perusahaan diketahui 600 berkinerja baik dan 300 berkinerja
tidak baik. Jika 36 berkinerja baik adalah telah mengikuti pelatihan dan 12 dari yang
berkinerja tidak baik adalah telah mengikuti pelatihan. Seorang karyawan akan dipilih secara
random. Tentukanlah probabilitas karyawan yang terpilih yang telah mengikuti pelatihan.
Penyelesaian :
Diketahui : - Jumlah seluruh karyawan n(s) = 900
- Karyawan berkinerja baik (A), n(A) = 600
- Karyawan berkinerja tidak baik (B), n(B)= 300
- Karyawan yang mengikuti pelatihan (C), n(C)= 48
- Karyawan berkinerja baik yang mengikuti pelatihan
n(A∩ 𝐶) = 36
- Karyawan yang berkinerja tidak baik yang mengikuti pelatihan
n(B ∩ 𝐶) = 36
Ditanya : Berapa peluang terpilihnya karyawan yang telah mengikuti pelatihan , P(C)?
Penyelesaian :
𝑛(𝐴) 600 2
• P(A) = 𝑛(𝑆) = 900 = 3
𝑛(𝐵) 300 1
• P(B) = 𝑛(𝑆) = 900 = 3
𝑛(A∩𝐶) 36 1
• P(A∩ 𝐶) = 𝑛(𝑆)
= 900 = 25
15
𝑛(B∩𝐶) 12 1
• P(B∩ 𝐶) = = 900 = 75
𝑛(𝑆)
𝑃(A∩𝐶) 1 1 13 3
• P(C|A)= = 25 = × = 50
𝑃(𝐴)
2
25 2
3
𝑃(B∩𝐶) 1 1 3 3 1
• P(C|B)= = 75 = × = 75 = 25
𝑃(𝐴)
1
75 1
3
2 3 1 1
P(C) = ( ) . ( ) + ( ) .( )
3 50 3 25
6 1
P(C) = 150 + 75
3 1
=75 + 75
3+1
= 75
4
= 75 = 0,0533
3. Diketahui bahwa penyajian mata kuliah teori peluang diikuti oleh 40 mahasiswa semester III,
20 mahasiswa semester V, dan 10 mahasiswa semester VII. Hasil ujian akhir ( final test)
menunjukkan bahwa 10 mahasiswa semester III, 7 mahasiswa semester V, dan 5 mahasiswa
semester VII mendapat nilai A. jika seorang mahasiswa dipilih secara acak dan diketahui
mendapat nilai A, berapa probabilitas ia berasal dari semester VII?
Penyelesaian :
Misalkan :
𝐴1 = Peristiwa terpilihnya semester III
𝐴2 = Peristiwa terpilihnya semester V
𝐴3 = Peristiwa terpilihnya semester VII
X = Peristiwa mendapat nilai A
Jumlah seluruh mahasiswa yang mengikuti mata kuliah teori peluang n(S) = 70
16
Peristiwa terpilihnya mahasiswa semester III 𝐴1 = 40
𝑛(𝐴 )
P(𝐴1 ) = 𝑛(𝑠)1
40
= 70
=0,57
𝑛(𝐴 )
P(𝐴2 ) = 𝑛(𝑠)2
20
= 70
=0,29
𝑛(𝐴 )
P(𝐴2 ) = 𝑛(𝑠)3
10
= 70
=0,14
𝑋|𝐴1 adalah peristiwa bahwa 10 mahasiswa semester III yang mendapat nilai A
𝑛(x ∩𝐴 1 )
P(X ∩ 𝐴1 ) = 𝑛(𝐴 1 )
10
= 40 = 0,57
𝑃(x ∩ 𝐴1 )
P(X|𝐴1 ) = 𝑃(𝐴1 )
𝑛(x ∩𝐴 1 )
== 𝑛(𝐴 1 )
10
= 40 = 0,57
𝑃(x ∩ 𝐴2 )
P(X|𝐴2 ) = 𝑃(𝐴2 )
𝑛(x ∩𝐴 2 )
== 𝑛(𝐴 2 )
17
7
= 20 = 0,35
𝑋|𝐴3 adalah peristiwa bahwa 5 mahasiswa semester VII yang mendapat nilai A
𝑛(x ∩𝐴 3 )
P(X ∩ 𝐴3 ) = 𝑛(𝐴 3 )
5
= 10 = 0,5
𝑃(x ∩ 𝐴3 )
P(X|𝐴2 ) = 𝑃(𝐴3 )
𝑛(x ∩𝐴 3 )
== 𝑛(𝐴 3 )
5
= 10 = 0,5
𝑃(𝐴3 ).𝑃(𝑋|𝐴3 )
P(𝐴3 |X) =
𝑃(𝐴1 ).𝑃(𝑋 |𝐴1 )+𝑃(𝐴2 ).𝑃(𝑋 |𝐴2 )+𝑃(𝐴3 ).𝑃(𝑋|𝐴3 )
(0,14).(0,5)
= (0,57).(0,25)+(0,29).(0,35)+(0,14).(0,5)
= 0,223
4. Sebuah perusahaan asuransi percaya bahwa orang dapat dibagi menjadi 2 kelas: mereka:
mereka yang rentan kecelakaan dan mereka yang tidak.Statistik mereka menunjukkan bahwa
orang yang rawan kecelakaan akan mengalami kecelakaan pada suatu kurun dalam kurun
waktu 1 tahun tertentu dengan probabilitas 0,4 sedangkan probabilitas ini menurun menjadi
0,2 untuk orang yang tidak rawan kecelakaan. Jika kita mengasumsikan bahwa 30% dari
populasi rawan kecelakaan, misalnya pemegang polis baru mengalami kecelakaan dalam 1
tahun setelah membeli polis. Berapa kemungkinan dia rawan kecelakaan?
Misalkan :
1. Misalkan :
P(A|𝐵1) = Peluang peserta asuransi baru jika diketahui rawan kecelakaan
P(𝐵1|A) = Peluang terjadi rawan kecelakaan jika diketahui peserta asuransi baru
𝐵1= Populasi orang yang rawan kecelakaan
30
𝑃(𝐵1 ) = 30% = = 0,3
100
18
𝐵2= Populasi orang yang tidak rawan kecelakaan
70
𝑃(𝐵2 ) = 70% = = 0,7
100
Ditanya : A pelanggan asuransi yang baru
40
P(A|𝐵1) = 40 % = = 0,4 pelanggan asuransi baru yang rawan kecelakaan
100
20
P(A|𝐵2) = 20% = = 0,2 pelanggan asuransi baru yang tidak rawan kecelakaan
100
P(A) = P(A|B1)xP(B1)+P(A|B2)xP(B2)
=(0,4) . (0,3) + (0,2) . (0,7)
=0,12 + 0,14
= 0,26
𝑝( 𝐴|𝐵1) 𝑥 𝑃(𝐵1)
P(𝐵1|A) = 𝑃(𝐴|𝐵
1 )𝑥 𝑃(𝐵1 )+𝑃(𝐴|𝐵2 )𝑥𝑃(𝐵2 )
𝑝( 𝐴|𝐵1 ) 𝑥 𝑃(𝐵1 )
= 𝑃(𝐴)
(0,4) .(0,3)
= 0,26
0,12
= 0,26
= 0,46
19
BAB III
PENUTUP
A. Kesimpulan
Peluang kejadian bersyarat adalah peluang suatu kejadian jika diketahui peluang
kejadian lain yang lebih dahulu terjadi sedangkan Teorema Bayes dikemukakan oleh seorang
pendeta presbyterian Inggris pada tahun 1763 yang bernama Thomas Bayes. Teorema Bayes
ini kemudian disempurnakan oleh Laplace. Teorema Bayes digunakan untuk menghitung
peluang terjadinya suatu peristiwa berdasarkan pengaruh yang didapat dari hasil observasi.
Teorema ini menggunakan hubungan antara peluang terjadinya peristiwa A dengan syarat
peristiwa B telah terjadi dan peluang terjadinya peristiwa B dengan syarat peristiwa A telah
terjadi.
B. Saran
Berdasarkan penyusunan makalah ini, bagi pembaca disarankan untuk dapat memahami
dan mengaplikasikan pengetahuan mengenai teori peluang ini sebagai bahan ajar kepada para
peserta didik dan penulis diharapkan mampu menjadi pendidik yang bisa memahami bahkan
mengusai materi yang akan diajarkan kepada para peserta didik di sekolah.
20
DAFTAR PUSTAKA
Walpole,E. Ronald, dan Raymond H. Myers. 1995. Ilmu peluang dan statistika untuk
insinyur dan ilmuwan. Bandung ITB Bandung.
21