STATISTIKA - I

Pertemuan ke-10 & 11

Jaka Permana, S.Si, S.Pd, M.Si

Email : jaka.p84@gmail.com
 Permutasi, Kombinasi, dan Probabilitas

Sebelumnya kita telah membahas bahwa probabilitas

merupakan hasil bagi antara jumlah peristiwa yang
dikehendaki dengan ruang sampelnya. Pada contoh
pelemparan dua keping uang logam, jumlah ruang sampel
dapat dicari dengan mudah, tetapi pada kasus yang lebih
rumit, contoh ketika harus menghitung jumlah ruang sampel
saat membentuk suatu tim yang terdiri dari 5 orang dari 1000
orang yang ada. Setiap tim yang terbentuk merupakan suatu
simple event. Untuk mencari ruang sampelnya kita harus
menghitung semua kemungkinan kombinasi tim yang berbeda
yang bisa dibentuk dari 1000 orang tsb. Untuk mempermudah
penghitungan probabilitas pada kasus yang tidak sederhana,
maka kita dapat menggunakan sistem penghitungan Permutasi
dan Kombinasi.
1. Permutasi.
Permutasi digunakan untuk menghitung jumlah cara
menyusun suatu objek dengan memperhatikan urutannya
pada. Pada permutasi, urutan objek diperhatikan, sehingga
A, B, C tidak sama dengan C, B, A. Rumus permutasi
adalah:
n!
P
n
r
n r !
P disebut permutasi sebanyak r objek dari n objek yang
ada. Dan n! adalah n factorial, dengan rumus:
n ! n n 1 n 2 3.2.1
maka

5! 5.4.3.2.1 dan 10! 10.9.8.7.6.5.4.3.2.1

Contoh 1:
5 orang hendak duduk di suatu deretan kursi. Ada berapa cara
atau susunan duduk yang dapat dibuat semua orang tsb ?
Solusi :
5!
P
5
120 susunan
5
5 5!
Contoh 2:
5 orang pemain bulu tangkis, A, B, C, D, dan E hendak berfoto
3 orang dengan tiga orang berjajar dari kiri ke kanan. Ada
berapa macam kemungkinan foto yang berbeda yang dapat
dibuat jika memperhatikan urutan ketiga orang tsb?
Solusi :
5!
P
5
60 kemungkinan
3
5 3 !
Test:
Meneruskan soal sebelumnya, berapa probabilitas A, B, dan
C berfoto bersama dengan urutan dari kiri ke kanan ?
Jawab..

2. Kombinasi.
Kombinasi digunakan untuk menghitung banyaknya cara
menyusun suatu objek tanpa memperhatikan urutannya.
Pada kombinasi A, B, C sama dengan C, B, A karena
urutannya tidak diperhatikan. Rumus kombinasi adalah:

n!
C
n
r
n r ! . r !
Crn disebut kombinasi r objek dari n objek yang ada.
Contoh 1:
Ada berapa macam kombinasi tim cepat-tepat yang terdiri
dari 3 orang yang dapat dibentuk dari 5 orang yang ada?
Solusi :
5!
C
5
10 kombinasi
3
5 3!.3!
Contoh 2:
10 orang hadir dalam suatu pesta. Jika mereka berjabat
tangan satu per satu, maka berapa kali jabat tangan yang
terjadi dalam pesta tsb?
Solusi :
10!
C
10
45 kali
2
10 2 !.2!
Contoh 3:
Sebuah kotak berisi 3 bola putih dan 3 bola merah. Jika
diambil 3 bola sekaligus, maka berapa probabilitas bahwa bola
yang terambil adalah 1 putih dan 2 merah ?
Solusi :

jumlah peristiwa yang dikehendaki

P
ruang sampel
Ruang sampel = jumlah kombinasi yang terjadi jika kita
mengambil 3 dari 6 bola yang ada.
Jumlah peristiwa yang dikehendaki = jumlah kombinasi 1 bola
putih dari 3 bola putih dikalikan dengan jumlah kombinasi 2
bola merah dari 3 bola merah ( 1 putih dan 2 merah ).

C13 ! . C23 ! 3
P 6

C3 ! 10
 Distribusi Probabilitas

Distribusi Probabilitas terbagi atas Distribusi Probabilitas

dengan variabel acak Diskrit dan Distribusi Probabilitas
dengan variabel acak Kontinu. Pada materi kali ini kita hanya
akan membahas 2 Distribusi Probabilitas dengan variabel acak
Diskrit, yaitu Distribusi Binomial dan Distribusi Poisson, serta
1 Distribusi Probabilitas dengan variabel acak kontinu, yaitu
Distribusi Normal.
Untuk memahami variabel acak diskrit dan kontinu, coba
perhatikan beberapa istilah berikut:
1. Variabel Random (variabel acak), adalah variabel yang
nilainya diperoleh dari suatu percobaan. Variabel random
dapat berupa variabel diskrit ataupun variabel kontinu.
2. Variabel diskrit adalah variabel yang merupakan bilangan bulat
dan jumlahnya terbatas (countable).
Misalnya:
Jumlah penjualan mobil per hari, x = 0, 1, 2, 3, ...
Jumlah orang yang suka produk tertentu dari 500 responden,
x = 0, 1, 2, 3, ... 499, 500
Jumlah munculnya mata dadu 1 pada peristiwa pelemparan
sebuah dadu sebanyak 10 kali, x = 0, 1, 2, ... 10

3. Variabel kontinu adalah variabel yang terdiri dari nilai-nilai yang

terletak dalam suatu interval tertentu, sehingga dapat berupa
bilangan pecahan maupun bilangan bulat (uncountable).
Misalnya:
Waktu terbang dari Yogyakarta ke Jakarta : 45 < x < 120
Berat ayam goreng di KFC : 50 gram < x < 200 gram
1. Distribusi Normal.
Distribusi Normal merupakan distribusi yang paling
banyak digunakan di berbagai disiplin ilmu, seperti
psikologi (misalkan menjelaskan mengenai fenomena nilai
IQ manusia), kesehatan (misalkan menjelaskan fenomena
tinggi badan), dsb. Distribusi normal termasuk dalam
distribusi probabilitas non-diskrit/ kontinu karena berasal
dari variabel acak yang bersifat tak terhitung
(uncountable). Variabel acak dari distribusi normal
dilambangkan dengan Z. Variabel acak Z atau variabel acak
normal Z mempunyai fungsi probabilitas dan kurva sbb:
2
x
1 1 2
f X x e

2
Kurva diatas disebut juga dengan kurva normal, dan
masing-masing adalah rata-rata dan standar deviasi untuk
parameter.
Berikut adalah rumus untuk mentransformasi variabel acak
X ke bentuk variabel acak normal Z.
x
Z

Variabel acak Z yang merupakan hasil transformasi dari X
mempunyai nilai = 0 dan = 1 dan disebut variabel acak
normal Z yang terstandarisasi.
Misalkan diberikan data 1,2,3,4, dan 5. Berikut akan
ditransformasi nilai data tersebut ke dalam bentuk variabel
acak normal Z terstandarisasi dan akan dihitung
probabilitas dari masing-masing Z.

Menghitung nilai rata-rata dari data x :

1 2 3 4 5

5
3
Menghitung nilai standar deviasi dari data x :

x x
2

n 1
1 3 2 3 3 3 4 3 5 3
2 2 2 2 2

5 1
1,581139

Mentransformasi nilai standar untuk x = 1 :

x
Z x 1

1 3
Z x 1
1,581139
Z x 1 1, 26491
Mentransformasi nilai standar untuk x = 2 :
23
Z x 2
1,581139
Z x 2 0, 63246

Mentransformasi nilai standar untuk x = 3 :

33
Z x 3
1,581139
Z x 3 0

Mentransformasi nilai standar untuk x = 4 :

43
Z x 4
1,581139
Z x 4 0, 632456
Mentransformasi nilai standar untuk x = 5 :
53
Z x 5
1,581139
Z x 5 1, 264911
Menghitung probabilitas dari Z = 0 sampai Z = z0. Nilai dari
probabilitas dapat dilihat pada Tabel Distribusi Normal Standar.
Probabilitas dari Z = 0 sampai Z = -1,26491 atau P ( 0 < Z < -
1,26491 ) atau P ( 0 < Z < +1,26491 ) adalah 0,3962.
Probabilitas dari Z = 0 sampai Z = -0,63246 atau P ( 0 < Z < -
0,63246 ) atau P ( 0 < Z < +0,63246 ) adalah 0,2357.
Probabilitas dari Z = 0 sampai Z = 0 atau P ( 0 < Z < 0 ) adalah 0.
Probabilitas dari Z = 0 sampai Z = 0,63246 atau P ( 0 < Z <
0,63246 ) adalah 0,2357.
Probabilitas dari Z = 0 sampai Z = 1,264911 atau P ( 0 < Z <
1,264911 ) adalah 0,3962.
Contoh :
Indeks Prestasi (IP) rata-rata 1000 mahasiswa di sebuah PTS
adalah 2,75 dengan standar deviasi 1,1. Hitunglah berapa
jumlah mahasiswa yang memiliki IP antara 2 dan 2,5 ?
Diasumsikan bahwa IP ke 1000 mahasiswa tersebut
membentuk distribusi normal.
Solusi :
Langkah-langkah mencari luas antara 2 dan 2,5 :
a. Cari luas antara 2 dan 2,75
b. Cari luas antara 2,5 dan 2,75
c. Kurangi langkah i dengan ii
Rumus distribusi normal:
x
Z

a. Luas antara 2 dan 2,75 :

2 2, 75
Z 0, 68 25,17 %
1,1
b. Luas antara 2,5 dan 2,75 :

2,5 2, 75
Z 0, 23 9,1 %
1,1
c. Maka luas antara 2 dan 2,5 :
25,17 % - 9,1 % = 16,07 %

Maka, persentase mahasiswa yang mempunyai IP antara 2

dan 2,5 :
16,07 % atau 0,1607 x 1000 = 160 orang
Test:

1. PT. Kereta Senja, sebuah perusahaan Taxi, bermaksud

membeli 200 unit armada baru. Perusahaan tsb mendapat
tawaran mobil merk A dan B. Sejumlah pengujian terhadap
kedua merk mobil telah dilakukan, kemudian memberikan
masukan data tentang penggunaan BBM.

Merk Rata-rata penggunaan BBM ( Km / 1 liter ) Standar Deviasi

A 23 7

B 25 1

a. Direktur perusahaan akan memilih merk armada yang

kemungkinan dapat menempuh lebih dari 26 km dengan 1
liter BBM paling besar. Merk apakah yang akan dipilih?
TERIMA KASIH