1

Materi 2. Konsep Peluang dan Peubah

Acak

Konsep Peluang
MA3181 – Teori Peluang

Dr. Utriweni Mukhaiyar

Program Studi Matematika

Fakultas Matematika dan Ilmu Pengetahuan Alam
2

Permutasi
DEFINISI. Suatu Permutasi ialah suatu susunan yang dapat dibentuk
dari satu kumpulan benda yang diambil sebagian atau seluruhnya.
Banyak permutasi 𝑛 benda berlainan bila diambil 𝑟 sekaligus adalah
𝑛!
𝑛𝑃𝑟 =
𝑛−𝑟 !

Misalkan diambil 3 huruf a, b dan c. Permutasi yang dapat dibuat

adalah 𝑎𝑏𝑐, 𝑎𝑐𝑏, 𝑏𝑎𝑐, 𝑏𝑐𝑎, 𝑐𝑎𝑏, dan 𝑐𝑏𝑎. Terlihat bahwa ada 6 susunan
yang berlainan.

Note : Pada permutasi urutan diperhatikan.

3

Permutasi
Teorema 1.
Banyaknya permutasi 𝑛 benda berlainan yang disusun melingkar adalah
𝑛 − 1 ! Disebut juga sebagai permutasi siklis.

Teorema 2.
Banyaknya permutasi yang berlainan dari 𝑛 benda bila 𝑛1 diantaranya
berjenis pertama, 𝑛2 berjenis kedua, … , 𝑛𝑘 berjenis ke - 𝑘 adalah
𝑛!
𝑛1 ! 𝑛2 ! … 𝑛𝑘 !
4

Contoh Permutasi
Suatu pohon akan dihiasi dengan 9 bola lampu yang dirangkai seri. Ada
berapa cara enyusun 9 bola lampu itu bila 3 diantaranya berwarna
merah, 4 kuning dan 2 biru?

Jawab :
Banyaknya susunan berlainan ada
9!
= 1260
3! 4! 2!
Sehingga banyaknya cara utk Menyusun bola tersebut ada 1260 cara.
5

Permutasi
Teorema 3.
Banyaknya cara menyekat suatu himpunan 𝑛 benda dalam 𝑟 sel,
masing-masing berisi 𝑛1 unsur dalam sel pertama, 𝑛2 dalam sel kedua
dan seterusnya adalah sebagai berikut,
𝑛 𝑛!
𝑛1 , 𝑛2 , … , 𝑛𝑟 = 𝑛1 ! 𝑛2 ! … 𝑛𝑟 !
Dengan 𝑛1 + 𝑛2 + ⋯ + 𝑛𝑟 = 𝑛.
CONTOH.
Berapa banyak cara menampung 7 pegawai baru dalam 3 divisi, bila 1
divisi menyediakan 3 posisi sedang 2 lainnya punya 2 posisi?
7 7!
Jawab : Jumlah seluruh sekat adalah = = 210 cara
3, 2, 2 3!2!2!
6

Kombinasi
• Dalam banyak masalah, ingin diketahui banyak cara memilih 𝑟 benda
dari sejumlah 𝑛 tanpa memperdulikan urutannya. Pemilihan seperti ini
disebut kombinasi.

Teorema 4.
Banyak kombinasi dari 𝑛 benda yang berlainan bila diambil sebanyak
𝑟 sekaligus adalah
𝑛 𝑛!
=
𝑟 𝑟! 𝑛 − 𝑟 !
7

Ekspansi Binomial
Diketahui persamaan :
𝑎+𝑏 𝑛 = 𝑎+𝑏 𝑎+𝑏 𝑎+𝑏 … 𝑎+𝑏
Persamaan tersebut dapat ditulis menjadi
𝑛
𝑛 𝑛 𝑘 𝑛−𝑘
𝑎+𝑏 =෍ 𝑎 𝑏
𝑘
𝑘=0
8

Latihan
1. Dalam suatu penelitian Kesehatan para penderita dikelompokkan dalam 8 cara
menurut golongan darahnya : 𝐴𝐵+ , 𝐴𝐵− , 𝐴+ , 𝐴− , 𝐵+ , 𝐵− , 𝑂+ , dan 𝑂− dan juga
berdasarkan apakah tekanan darahnya rendah, normal atau tinggi. Cari
banyaknya cara seorang penderita dapat dikelompokkan!

2. Sejenis obat asma dapat dibeli dari 5 pabrik obat yang berbeda dalam bentuk
cair, atau tablet, atau kapsul, semuanya dibuat dalam kadar biasa dan
tambahan. Dalam berapa cara yang berlainan seorang dokter dapat menuliskan
resep obat asma bagi seorang penderita asma?

1. Dalam suatu ujian ujian pilihan ganda yang terdiri dari 5 pertanyaan masing-
masing dengan 4 pilihan jawaban yang hanya 1 yang betul,
a. Dalam berapa banyak cara seorang murid dapat memberi satu jawaban per
soal?
b. Dalam berapa banyak cara seorang murid dapat memberi satu jawaban per
soal dan semua jawabannya salah?
9

Latihan
10

Latihan
11

Latihan
12

Materi 2. Konsep Peluang dan Peubah

Acak

Peubah Acak dan

Distribusi Peluang
MA3181 – Teori Peluang

Dr. Utriweni Mukhaiyar

Program Studi Matematika

Fakultas Matematika dan Ilmu Pengetahuan Alam
13

Peubah Acak
• Peubah Acak ialah suatu fungsi yang
mengaitkan suatu bilangan real pada
setiap unsur dalam ruang sampel.
• Peubah acak akan dinyatakan dengan
huruf besar, misalnya X, sedangkan
nilainya dinyatakan dengan huruf
kecil padanannya, misalnya x.
14

Peubah Acak
• Sebagai ilustrasi. Tiga orang petani : Pak
Ali, Badu dan Cokro menitipkan pecinya di Ruang Sampel Y
pagi hari pada seorang anak. Sore harinya si ABC 3
anak mengembalikan peci tersebut secara
ACB 1
acak pada ketiga petani. Bila Pak Ali, Badu,
dan Cokro dalam urutan seperti itu BAC 1
menerima peci dari si anak maka tuliskanlah BCA 0
titik sampel untuk semua urutan yang CAB 0
mungkin mendapatkan peci tersebut dan CBA 1
kemudian cari nilai c dari peubah acak 𝐶
yang menyatakan jumlah urutan yang cocok.
 Peubah Acak
Peubah acak, yaitu pemetaan X : S → R
oKategori fungsi A B
•
•
1. Fungsi titik •
•
•
•
•
•
•

2. Fungsi himpunan
A B

•
Copyright 2020 © U. Mukhaiyar, KK Statistika, FMIPA –
ITB •
•
15
 Mengapa Peubah Acak
Perlu?
o Merepresentasikan masalah ke dalam titik real.
o Dapat dipetakan.
o Lebih mudah dalam penulisan
o Lebih mudah perhitungan numerik
o Beberapa masalah dapat dinyatakan oleh peubah
acak yang sama

Copyright 2020 © U. Mukhaiyar, KK Statistika, FMIPA – ITB

16
 Contoh
• Percobaan pelemparan sebuah dadu

S= { , , ... , }

X= { 1 , 2 ,…, 6 }
Copyright 2020 © U. Mukhaiyar, KK Statistika, FMIPA – ITB

17
 Jenis Peubah Acak
• Peubah Acak Diskrit

himpunan terhitung {x1, x2, … }, berhingga

s : X ( s ) = x   E  S
atau tak berhingga, dan i

◼ Peubah Acak Kontinu

peubah acak yang fungsi distribusinya (F(x))

merupakan fungsi kontinu untuk semua x є R

Copyright 2020 © U. Mukhaiyar, KK Statistika, FMIPA – ITB

18
19

Contoh Peubah Acak X Tipe

X = 0, jika tidak terjadi hujan dalam 1 minggu

Diskrit
Banyak kejadian hujan = 1, jika terjadi hujan 1 kali dalam 1 minggu
dalam satu minggu
= 2, , jika terjadi hujan 2 kali dalam 1 minggu
… dst

X = [0, 15], jika hujan turun sampai 15 menit

Lama waktu hujan X = (15, 30], jika hujan turun antara 15 sampai 30 menit
setiap kali turun Kontinu
X = (30, 45], jika hujan turun antara 30 sampai 45 menit

X = (45, 60], jika hujan turun antara 45 sampai 60 menit

X = (60, ], jika hujan turun lebih dari 1 jam

Copyright 2020 © U. Mukhaiyar, KK Statistika, FMIPA – ITB 19

 Dr. Utriweni Mukhaiyar
Fungsi Peluang
Program Studi Matematika
Fakultas Matematika dan Ilmu
Pengetahuan Alam Review

Copyright 2020 © U. Mukhaiyar, KK Statistika, FMIPA – ITB

21
Fungsi peluang P(X = x) dan f(x)

▪ Diskrit → P(X = x),

Sering juga disebut sebagai fungsi massa
peluang (f.m.p).

▪ Kontinu → f(x),
Sering juga disebut sebagai
fungsi kepadatan peluang (f.k.p).
Pada kasus kontinu, fungsi peluang tidak bisa ditulis sebagai
P(X = x) karena peluang di satu titik adalah sama dengan nol,
meskipun nilai fungsinya belum tentu nol.
Copyright 2020 © U. Mukhaiyar, KK Statistika, FMIPA – ITB

21
22
X:S R

Diskrit Kontinu

1. P(X=x)  0
1. f(x)  0, xR
2.  P ( X = x ) = 1 
2. f ( x ) dx = 1
x
3. P(a< X b) = 
−
b
P(Xb) - P(Xa)
3. P(a<Xb) =  f ( x ) dx
4. F ( x ) = P ( X  x ) a x

=  f (t ) 4. F ( x ) = P ( X  x ) =  f (t ) dt
tx −

Pada prinsipnya kedua tipe di atas bermakna sama, hanya berbeda

dalam hal penulisan dan cara menghitungnya.
Copyright 2020 © U. Mukhaiyar, KK Statistika, FMIPA – ITB

22
23

Contoh Grafik Fungsi Peluang

Diskrit Kontinu
P(X=x) f(x)

0,5
0,4
0,3
0,2
0,1
0
1 2 3 4

Jumlah peluang untuk semua titik = 1 x

 0.1 , x =1 Luas di bawah grafik = 1 x
0.3 , x=2

P ( X = x ) = 0.4 , x=3  x , 0  x 1

0.2 , x=4 f ( x) = 2 − x , 1  x  2
  0
 0 , x lainnya  , x lainnya
23
Copyright 2020 © U. Mukhaiyar, KK Statistika, FMIPA – ITB
 Dr. Utriweni Mukhaiyar
Fungsi Distribusi
Program Studi Matematika
Fakultas Matematika dan Ilmu
Pengetahuan Alam Review

Copyright 2020 © U. Mukhaiyar, KK Statistika, FMIPA – ITB

 Fungsi Distribusi

• Fungsi distribusi kumulatif, F dari peubah acak

X
• Sifat-sifat
1. F fungsi yang monoton tidak turun,
F ( x) = 1
2. lim
x →

3. xlim F ( x) = 0
→−

4. F kontinu dari kanan.

lim+ F ( x) = F (a)
x →a
Copyright 2020 © U. Mukhaiyar, KK Statistika, FMIPA – ITB

25
26
Contoh 1
Dipelajari keadaan perasaan (mood) dari sepasang mahasiswa
laki-laki dan perempuan. Jika perasaan tersebut diamati
berdasarkan paras masing-masing mahasiswa dan dimisalkan
hanya ada dua kategori, sebut ’baik’ dan ’tidak’.
Maka pasangan mahasiswa tersebut akan memberikan
ruang sampel S sebagai berikut:
S = {☺☺, ☺, ☺, },
dengan ☺ = baik,  = tidak.

Selanjutnya jika dimisalkan T : banyaknya mahasiswa yang moodnya

baik, tentukan:
a. Fungsi massa peluang dari peubah acak T
b. Fungsi distribusi dari peubah acak T dan juga gambarkan
Copyright 2020 © U. Mukhaiyar, KK Statistika, FMIPA – ITB …
26
27

Ilustrasi Contoh
P (T = t)

☺☺ T
2 ¼
 0
☺ 1
½
☺

Ruang Sampel

Copyright 2020 © U. Mukhaiyar, KK Statistika, FMIPA – ITB

27
28

Jawab
a. Misal peubah acak T : banyaknya mahasiswa
yang moodnya sedang baik, maka:
T = {0, 1, 2}
dan fungsi masa peluang P(T=t) adalah:
1/ 4, t =0
1/ 2, t =1

P(T = t ) = 
1/ 4, t=2
 0 t yang lain
Copyright 2020 © U. Mukhaiyar, KK Statistika, FMIPA – ITB

28
29
𝐹 𝑡 = 𝑃 𝑇 ≤ 𝑡 = ෍ 𝑃(𝑇 = 𝑎) : kumulatif nilai peluang sampai 𝑇 = 𝑡 (t sebagai batas atas)
𝑎≤𝑡 Selang I : Selang II : Selang III : Selang IV :
𝑡<0 0 ≤ 𝑡 <1 1 ≤ 𝑡 <2 𝑡 ≤2
Posisi t sebagai batas atas, dikunci pada masing-masing 4 selang :
0 1 2
• Untuk 𝑡 < 0 :
Selang I :
• Untuk 1 ≤ 𝑡 <2 :
Selang III :
𝑃 𝑇≤𝑡 𝑡<0 𝑃 𝑇≤𝑡 1≤𝑡<2

t 0 1 2 0 1 t 2
𝐹 𝑡 =𝑃 𝑇 ≤𝑡 =𝐹 0 +𝑃 𝑇 =1 +𝑃 1<𝑇 ≤𝑡
𝐹 𝑡 =𝑃 𝑇≤𝑡 =0 1 1 3
= + = = 𝐹(1)
4 2 4
• Untuk 0 ≤ 𝑡 <1 : • Untuk 𝑡 ≥ 2 :
Selang II : Selang IV :
𝑃 𝑇≤𝑡 0 ≤ 𝑡 <1 𝑃 𝑇≤𝑡 𝑡≥2

0 t 1 2 0 1 2 t
𝐹 𝑡 =𝑃 𝑇 ≤𝑡 =𝑃 𝑇 <0 +𝑃 𝑇 =0 𝐹 𝑡 =𝑃 𝑇 ≤𝑡 =𝐹 1 +𝑃 𝑇 =2 +𝑃 2<𝑇 ≤𝑡
1 3 1
+𝑃 0 < 𝑇 ≤ 𝑡 = = 𝐹(0) = + =1 29
4 4 4
Copyright 2020 © U. Mukhaiyar, KK Statistika, FMIPA – ITB
30
Jika dituliskan sebagai fungsi keseluruhan maka fungsi
distribusi F(t) dapat dinyatakan sebagai berikut :
0, t0
1/ 4, 0  t 1

F (t ) = 
3 / 4, 1 t  2
1, t2
Selanjutnya F(t) dapat digambarkan sebagai grafik di
bawah ini:
F(t)

1
¾

½
Copyright 2020 © U. Mukhaiyar, KK Statistika, FMIPA – ITB
¼
t 30
0 1 2 3 4
31

Contoh 2
Misalkan kesalahan dalam pengukuran tingkat curah hujan antara -
½ mm dan ½ mm. Dianggap bahwa alat ukur melakukan kesalahan
tidak akan kekurangan maupun kelebihan dari ukuran sebenarnya
lebih dari ½ mm, dan fungsi peluangnya seragam di selang tersebut.
Jika Y adalah peubah acak yang menyatakan kekurangan maupun
kelebihan pengukuran tersebut, tentukan :
a. Peluang alat ukur melakukan kesalahan antara kekurangan 0,25
mm dan kelebihan 0,2 mm,
b. peluang kelebihan pengukuran adalah lebih dari 0,2 mm, dan
c. Fungsi distribusi F(y) beserta gambar.
Copyright 2020 © U. Mukhaiyar, KK Statistika, FMIPA – ITB

31
 Jawab :
Diketahui Y menyatakan kesalahan pengukuran (mm).
 1 1
 1, −  y 
f ( y) =  2 2
0, y yang lain

 1 1  1  1
a. P  −  Y   = P Y   − P Y  − 
 4 5  5  4
−1/2
 − 12 −1
4 
=  0 dy +  1 dy −   0 dy +  1 dy 
1/5

− −1/2  − 
 −1
2 
7  1
= 0+ −0+ 
10  4

=
( 28 − 10 ) = 18
40 40
Copyright 2020 © U. Mukhaiyar, KK Statistika, FMIPA – ITB

32
33
b. P (Y  0, 2 ) = 1 − P (Y  0, 2 ) Fungsi distribusi :
 1
= 1− P Y  
 5
 1
 2−1 5  −1
0, y−
2
= 1 −   0 dy +  1 dy  
 −   1 1 1
 −1
2  F ( y) = y + , −  y
 2 2 2
 7 3
= 1−  0 +  =  1
 10  10 1, y
 2
c. F ( y ) =  f ( y ) dy
y

−
−1 y
2 F(y)
=  0 dy +  1 dy
−
1
−1
2

1
= y+
2 y
Copyright 2020 © U. Mukhaiyar, KK Statistika, FMIPA – ITB
-½ ½
33
34

LATIHAN
•Suatu tipe komponen elektronik untuk Lab Biologi dikemas dalam 4 bagian.
Misalkan Y menyatakan banyaknya pemasangan komponen yang berfungsi dengan
baik dengan peluang bahwa tepat y pemasangan yang berfungsi dinyatakan sebagai,
cy , y = 1, 2 ,3, 4
P (Y = y ) = 
0 , y lainnya
dengan c konstan.
a) Hitung nilai c sehingga P(Y = y) merupakan fungsi massa peluang untuk Y.
b) Berapa peluang lebih dari 2 pemasangan yang tidak berfungsi.
c) Hitung fungsi distribusi dan gambarkan
Copyright 2020 © U. Mukhaiyar, KK Statistika, FMIPA – ITB

34
35

Latihan
36

MM.DD.20XX ADD A FOOTER 36

37

Referensi
 Devore, J.L. and Peck, R., Statistics – The Exploration and Analysis of
Data, USA: Duxbury Press, 1997.
 Navidi, William, Statistics for Engineers and Scientists 2nded., New
York: McGraw-Hill, 2008.
 Walpole, Ronald E. dan Myers, Raymond H., Ilmu Peluang dan
Statistika untuk Insinyur dan Ilmuwan, Edisi 4, Bandung: Penerbit ITB,
1995.
 Walpole, Ronald E., et.al, Statistitic for Scientist and Engineering, 8th
Ed., 2007.
 Wild, C.J. and Seber, G.A.F., Chance Encounters – A first Course in
Data Analysis and Inference, USA: John Wiley&Sons,Inc., 2000.

Copyright 2020 © U. Mukhaiyar, KK Statistika, FMIPA – ITB

37
38
39
40
Latihan
42

Referensi
 Dekking F.M., et.al., A Modern Introduction to Probability and
Statistics, London : Springer, 2005.
 Devore, J.L. and Peck, R., Statistics – The Exploration and Analysis
of Data, USA: Duxbury Press, 1997.
 Hogg, et.al., Intro. to Mathematical Statistics 6th ed., Pearson: New
Jersey, 2005.
 Wackerly, et.al., Mathematicsl Statistics and Its Application 7th Ed.,
USA: Thomson, 2008.
 Walpole, Ronald E., et.al, Statistitic for Scientist and Engineering,
8th Ed., 2007.
 Wild, C.J. and Seber, G.A.F., Chance Encounters – A first Course in
Data Analysis and Inference, USA: John Wiley&Sons,Inc., 2000.

42