Mata Kuliah : Teori Peluang

Kode Mata Kuliah : CII2G3

Pendahuluan :
Ukuran Statistika dan Hitung Peluang
Minggu ke-1
 2

Tujuan
Mahasiswa memahami
• Kaitan antara statistika dan nilai peluang
• Cara menghitung ukuran-ukuran statistika.
• Definisi eksperimen acak (random experiment), ruang sampel dan dapat
memberikan contohnya.
• Definisi kejadian (event) dan klasifikasinya.
Materi :
• Ukuran-ukuran Statistika
• Definisi eksperimen acak, dan ruang sampel
• Peristiwa (event)
 3
Peluang vs Statistika
 4
Definisi Peluang
Probabilitas / Peluang :
pasti 1
▪ Sebuah ukuran tingkat terjadi atau
tidaknya suatu peristiwa
(likelihood of occurrence) yang
tidak pasti (uncertain event).
0.5

▪ Diukur dengan nilai antara 0 dan 1

(atau antara 0% dan 100%)

mustahil 0
 5
Ukuran Statistika

Ukuran Pemusatan Ukuran

Data : Penyebaran Data : Ukuran Lokasi :
- Mean - JAK - Kuartil
- Median - Variansi - Desil
- Modus - Simpangan Baku - Persentil
 6

Ukuran Pemusatan Data

 7
Notasi Matematika Mean dan Median
No x
1 7
•
2 6
3 11
4 32
5 1
… …
n 8
 8

• Kemencengan data ke arah kiri (condong negatif) dimana nilai modus lebih dari
nilai mean (modus > mean). MEAN<MEDIAN<MODUS
• Kemencengan data simetris (distribusi normal) dimana nilai mean dan modus
adalah sama (mean = modus). MEAN = MEDIAN = MODUS
• Kemencengan data ke arah kanan (condong positif) dimana nilai mean lebih dari
nilai modus (mean > modus). MEAN > MEDIAN > MODUS
 Variansi 9

Variansi data populasi (σ2) adalah ukuran penyebaran data yang mengukur rata-rata
jarak kuadrat semua titik nilai data terhadap titik pemusatannya (rataan).

Variansi data sampel (s2) adalah

 10

Simpangan Baku / Standar Deviasi

• Simpangan baku merupakan salah satu ukuran statistika yang

digunakan untuk menjelaskan homogenitas dari sebuah kelompok.

• Simpangan baku juga dapat digunakan untuk menjelaskan

bagaimana sebaran data dalam sampel, serta hubungan antara titik
individu dengan mean atau rata-rata nilai dari sampel.

• Simpangan baku merupakan akar positif dari Variansi

 11

Simpangan Baku / Standar Deviasi

Himpunan data populasi : { x } = { x1, x2, x3, ….xN }, N > 1, maka
simpangan baku dari data adalah

Sedangkan untuk simpangan baku dari data sampel adalah

 12

Ukuran Posisi/ Letak dan Jangkauan Antar Kuartil

Ukuran Posisi
• Kuartil
• Desil
• Persentil
Jangkauan Antar Kuartil
 Definisi kuartil (Ki atau Qi ) 13

Kuartil (K) adalah nilai-nilai yang membagi data yang nilainya sudah
terurut menjadi empat (4) bagian yang sama banyak. Ada tiga macam
kuartil , yaitu kuartil pertama (Q1), kuartil kedua (Q2),
dan kuartil ketiga (Q3).
 14
Perbandingan ukuran letak/ posisi
 Cara menentukan Kuartil 15

1. Urutkan data berdasarkan nilainya, mulai dari data yang nilainya terkecil
sampai yang terbesar.
2. Hitung posisi kuartil dengan menggunakan rumus :

Dijabarkan menjadi
Jenis Kuartil Rumus Posisi
Kuartil Bawah

Kuartil Tengah

Kuartil Atas

3. Hitung nilai kuartil berdasarkan posisi kuartil.

 16

Jarak Antar Kuartil (JAK)

• Jangkauan antar kuartil mengukur penyebaran 50% data di
tengah-tengah setelah data diurutkan mulai dari nilai terkecil
sampai terbesar. Sehingga digunakan data antara Q1 sampai Q3

• JAK digunakan untuk mengurangi problem data yang ekstrim

Rumus : Jarak Antar Kuartil = Q3 – Q1

 17
Unsur Peluang

Unsur peluang/probabilitas (probability) :

1. Random experiments

1. Sample space

1. Events
 18

Experiments

Deterministic Random /
Experiments Stochastic
Experiments

If the results of the repeated If the results very in spite of all

experiments are exactly the efforts to keep the experimental
same conditions the same
 19

▪ Kejadian deterministik merupakan kejadian yang dapat diperhitungkan

secara persis tanpa melibatkan variabel acak.

Apabila kita hitung dengan formula di atas, maka diperoleh nilai suhu
dalam satuan Kelvin. Nilai yang kita peroleh akan selalu sama baik
dihitung hari ini, atau bulan depan.
 20

▪ Kejadian stokastik berkaitan erat dengan peluang, sehingga kejadian stokastik

sering disebut sebagai kejadian probabilistik.

▪ Proses stokastik merepresentasikan bahwa jika diberikan satu atau lebih input,
maka hasil yang diperoleh akan berfluktuasi tergantung pada kriteria distribusi
yang diberikan.

Contoh :
Pemesanan kamar sebuah hotel. Harga pemesanan hari ini tidak sama dengan
hari sebelumnya, atau harga pemesanan untuk 2 orang berbeda dengan harga
untuk lebih dari 2 orang
 21

Contoh :
 22

Sample Spaces

▪ Eksperimen merupakan proses pengumpulan data, proses ini dapat berlangsung

berulang kali dalam periode tertentu, dan menghasilkan sekumpulan data.

▪ Setiap eksperimen memiliki hasil tunggal dan keseluruhan hasil eksperimen

merupakan nilai acak/random.

▪ Himpunan semua hasil yang mungkin dari suatu eksperimen disebut sebagai
ruang sampel (Ω atau S).
 23

Sample Spaces
Contoh:
Pengundian sebuah koin

Ω = S = {H, T}

Pengundian sebuah dadu

Ω = S = {1, 2, 3, 4, 5, 6}
 24

Sample Spaces
Pengambilan kartu bridge yang lengkap

Ω = S = {2♣, …, A♦}
 25

Events (Peristiwa)
▪ Events adalah subset/himpunan bagian dari sample spaces

Contoh :
Misalkan kita ingin mempelajari seluruh keluarga yang
memiliki 1, 2, atau 3 anak
Ω = {l, p , ll, lp, pl, pp, lll, llp, lpl, lpp, pll, plp, ppl, ppp}

Jika A menyatakan keluarga yang memiliki anak pertama

Events laki-laki, tentukan A
A = keluarga yang memiliki anak pertama laki-laki
A = {l, ll, lp, lll, llp, lpl, lpp}
 26

Events (Peristiwa)

• Sebuah event E dikatakan subset dari event F, jika pada saat E terjadi maka F juga
terjadi. ฀

• Event E dan F dikatakan sama, jika dan

• Sebuah event dikatakan irisan (intersection) dari E dan F jika dia hanya terjadi
pada saat E dan F terjadi ฀ EF atau

• Sebuah event dikatakan gabungan (union) dari event E dan F, jika dia terjadi pada
saat paling sedikit salah satu event tersebut terjadi. ฀

• Sebuah event dinamakan complement dari suatu event E, jika dia terjadi hanya jika
E tidak terjadi. ฀
 27
Events (Peristiwa)

A B A B A B

S Sample space, S
Ac
A B A A
Event, A
28
Events (Peristiwa) 29

Contoh :
 30
Jenis Events (Peristiwa)
❖ Simple event
▪ Sebuah outcome (kemungkinan hasil) dari sample space dengan satu
karakteristik event
Misal : Terambil sebuah kartu merah dari kartu bridge
❖ Complement of an event A (ditulis A’)
▪ Semua kemungkinan hasil yang bukan bagian dari event A
Misal : Kartu yang bukan diamond
❖ Joint event
▪ Melibatkan dua atau lebih karakteristik event
Misal : Terambilnya kartu As warna merah dari kartu bridge
31
Jenis Events
32

Jenis Events (Peristiwa)

❖ Mutually exclusive events

▪ Event yang tidak terjadi secara bersama-sama (saling asing)
฀ tidak ada irisan
Contoh :
A = queen dari diamonds ; B = queen dari clubs

A dan B adalah mutually exclusive event

 33
Jenis Events

• Collectively exhaustive events

▪ Paling tidak terdapat kejadian berlaku. Selain itu, kejadian-kejadian tersebut
merupakan anggota dari ruang sampel.

Contoh : A = As ; B = Kartu warna hitam

C = Diamonds; D = Hearts
A, B, C dan D adalah collectively exhaustive event (tetapi bukan mutually
exclusive – sebuah As mungkin saja heart)
B, C dan D adalah collectively exhaustive event dan juga mutually
exclusive event
 34

Pertanyaan

1. Are the dice outcomes 1 and 6 mutually exclusive?

1. Are the dice outcomes 1 and 6 collectively exhaustive?

1. Are the dice outcomes "even" (2,4 or 6) and "not-6" (1,2,3,4, or 5)

mutually exclusive?

1. Are the dice outcomes "even" (2,4 or 6) and "not-6" (1,2,3,4, or 5)

collectively exhaustive?