Anda di halaman 1dari 49

PROBABILITY

THEORY

Joedo Prihartono

19 September 2013
STATISTIK

STATISTIK DESKRIPTIF
(to describe)

STATISTIK INFERENS
(to infer)

19 September 2013
INFERENS

~ to generalize

Menggeneralisir nilai-nilai dari


sampel yang sengaja dikumpulkan
menjadi nilai populasi.

19 September 2013
PENARIKAN KESIMPULAN

populasi

statistik
parameter sampel X
m S
s P
p

inferens

19 September 2013
GENERALISASI

KONSEP DETERMINISTIK
FISIKA
KIMIA
KONSEP PROBABILISTIK
BIOLOGI
PERILAKU

19 September 2013
KONSEP PROBABILISTIK

VARIASI KELUARAN
KETIDAK PASTIAN

Percobaan yang diulang-ulang dalam


kondisi sama akan menghasilkan hasil
yang dapat berbeda-beda

19 September 2013
KONSEKUENSI

100 kasus TBC + “A”  70 sembuh


100 kasus TBC + “B”  50 sembuh

Apakah obat A lebih superior?


Apakah Depkes hanya membeli obat A saja?

Kesalahan dalam kesimpulan  berbahaya !!!


19 September 2013
KEPUTUSAN STATISTIK

Merupakan :
Peluang (probabilitas) yang diyakini
benar namun tetap memberikan
peluang untuk tidak benar (salah)

 95 %  (peluang hasil sampel benar


menggambarkan populasi)
 5 %  (peluang kesalahan)

19 September 2013
BETUL ATAU SALAH

BETUL
Bila kemungkinan untuk salah adalah kecil

SALAH
Bila kemungkinan untuk salah adalah besar

19 September 2013
NILAI KEMUNGKINAN EMPIRIS

Berdasarkan observasi, pengalaman, atau


kejadian (peristiwa yang telah terjadi)

KELAHIRAN BAYI WANITA = 0.49


Kemungkinan salah besar

KASUS SPINA BIFIDA = 0.0024


Kemungkinan salah kecil
19 September 2013
TEORI KEMUNGKINAN

Jumlah kejadian yang memenuhi


syarat dibagi semua kejadian yang
mungkin terjadi

0 < p < 1

p = 0 tidak mungkin terjadi


p = 1 pasti akan terjadi
19 September 2013
LEMPARAN MATA UANG

1/2

0
1 2 5 10 20 100 400

19 September 2013
HUKUM PERTAMBAHAN

Kejadian
Kejadian
B
A

MUTUALLY EXCLUSIVE
Satu peristiwa terjadi akan meniadakan
peristiwa yang lain
P(A or B) = P(A) + P(B)
Permukaan coin, permukaan dadu
19 September 2013
MUTUALLY EXCLUSIVE
 Probabilitaskeluar mata 2 atau mata 5
pada pelemparan satu kali sebuah dadu
adalah : 1/6 + 1/6 = 1/3
 Ada5 orang kandidat (A,B,C,D,E) untuk
menerima beasiswa studi LN dimana
hanya dikirim 1 orang. Probabilitas D
atau E untuk dikirim adalah :
1/5 + 1/5 = 2/5
19 September 2013
NON MUTUALLY EXCLUSIVE

AB Kejadian
Kejadian
B
A

2 atau lebih peristiwa dapat terjadi


bersamaan (tetapi tidak selalu harus
bersamaan)

P(A or B) = P(A) + P(B) - P(A and B)


19 September 2013
NON MUTUALLY EXCLUSIVE

 Penarikan satu kartu dari satu set kartu


bridge, berapakah peluang terambil
kartu Ace atau Diamond ?
P (Ace) 4/52 ; P (Diamond) 13/52
P (Ace Diamond) = 4/52 x 13/52 = 1/52
P (Ace atau Diamond)
= 4/52 + 13/52 – 1/52 = 16/52
 karena ada kartu Ace Diamond
19 September 2013
HUKUM PERKALIAN

Kejadian
Kejadian
A
B

KASUS INDEPENDEN
P(A and B) = P(A) x P(B)

19 September 2013
PERISTIWA INDEPENDEN
 Sebuah dadu dilambungkan 2 kali.
Berapakah peluang untuk terjadi
kedua kalinya yang keluar adalah
mata 5 ? 1/6 x 1/6 = 1/36
 Sebuah dadu dan sebuah coin
dilambungkan bersama-sama.
Berapakah peluang terjadinya hasil
sisi “head” coin dan sisi 3 dadu ?
½ x 1/6 = 1/12
19 September 2013
HUKUM PERKALIAN

Kejadian
Kejadian
A
B

PERISTIWA BERSYARAT
P(A and B) = P(A) x P(B|A)
atau P(B) x P(A|B)

19 September 2013
PERISTIWA BERSYARAT

 Dua kartu ditarik dari satu set kartu


bridge. Berapa peluang untuk tertarik
keduanya kartu Ace ?
P Ace I = 4/52 (ada 4 Ace dlm 1 set)
P Ace II = 3/51 (syaratnya pada
penarikan pertama memang kartu Ace)
P(2xAce) = 4/52 x 3/51 = 1/221
19 September 2013
 Direktur suatu Departemen harus
diganti. Ada 6 calon pengganti yang
sama kuat (Tn A, B, C, D, E, dan F).
Pada saat yang sama ketua Dharma
Wanita juga harus diganti. Juga ada 6
calon pengganti (Ny A, B, C, D, E, dan
F). Berapa besar kemungkinan bahwa
Tn A dan Ny A sama-sama terpilih?
 P(Tn A dan Ny A) = P (Tn A) x P (Ny A Tn A)

= 1/6 x 1/1
= 1/6
19 September 2013
BINOMIAL NEWTON

1
1 1
1 2 1
1 3 3 1
1 4 6 4 1
1 5 10 10 5 1
Dst
19 September 2013
KELUARGA DENGAN 4 ANAK

Komposisi
Probabilitas
Lk Wnt
0 4 1 x (0,49)^4 0,0576
1 3 4 x (0,51) x (0,49)^3 0,2400
2 2 6 x (0,51)^2 x (0,49)^2 0,3747
3 1 4 x (0,51)^3 x (0,49) 0,2600
1 x (0,51)^4
4 0 0,0677
1,0000
19 September 2013
FAKTORIAL

4 ! = 4 x 3 x 2 x 1
1 ! = 1
0 ! = 1

Untuk menghitung probabilitas mutlak

19 September 2013
SUSUNAN KELOMPOK

 Sejumlah “n” subyek akan disusun


menjadi kelompok-kelompok yang
terdiri dari “r” anggota
 Ada dua sistim penyusunan kelompok:
 Secara Kombinasi
 Secara Permutasi

19 September 2013
KOMBINASI

TAK MEMPERHATIKAN URUTAN


“AB” SAMA DENGAN “BA”

n!
C =
n r
r ! (n-r) !

n adalah jumlah semua


r jumlah dalam kelompok
19 September 2013
KOMBINASI
 Dari 16 kesebelasan yang lolos
babak penyisihan world cup 2010,
berapa besar kemungkinan susunan
semi finalis ?
 Ada 4 kesebelasan semi finalis dan
urutan mana yang lebih dulu masuk
kelompok ini tidak menjadi masalah
 Kombinasi 16! / (12! x 4!) = 1820
19 September 2013
PERMUTASI

MEMPERHATIKAN URUTAN
“AB” BERBEDA DENGAN “BA”

n!
P =
n r
(n-r) !

n adalah jumlah semua


r jumlah dalam kelompok
19 September 2013
PERMUTASI
 Dari 16 kesebelasan yang lolos
babak penyisihan world cup 2010,
berapa besar kemungkinan susunan
juara 1 sampai juara 3 ?
 Urutan dari 3 kesebelasan yang
menjadi juara 1, juara 2, dan
juara 3 harus dibedakan 
Permutasi 16! / 13! = 3360
19 September 2013
DISTRIBUSI PROBABILITAS

DISTRIBUSI BINOMIAL
Variabel dikhotom
Probabilitas mendekati 0.5
DISTRIBUSI NORMAL
Variabel kontinyu
DISTRIBUSI POISSON
Variabel dikhotom
Probabilitas mendekati nol
19 September 2013
KOMPOSISI SAMPEL

 Jumlah penduduk Jakarta 12 juta


 Perlu sampel sebesar 10.000

 Berapa besar kemungkinan jumlah


komposisi sampel tersebut?
12000000!
 Kombinasi = --------------- = ~
10000! x 11990000!
19 September 2013
DISTRIBUSI SAMPLING
Distribusi dari sejumlah besar mean
sampel yang diambil berulang kali
dari satu populasi yang sama

JUMLAH SAMPEL TAK TERHINGGA 


Variasi pada Mean dan SD mengikuti
distribusi sampling

m = Mean dari populasi


s = SD dari populasi
19 September 2013
CONFIDENCE INTERVAL

0.5 a 0.5 a

Confidence Interval + Alpha = 100 %

19 September 2013
KURVA NORMAL

3t 2t t m t 2t 3t

3sd 2sd m x 1SD 2SD 3SD


(68,27%) (95,45%) (99,7%)

KURVA SIMETRI SEPERTI LONCENG


MESOCURTIC, TITIK TENGAH PD ANGKA 0
ASIMPTOT PADA + 3 STANDARD DEVIASI 19 September 2013
PENERAPAN KONSEP
PROBABILISTIK PADA UJI
KEMAKNAAN STATISTIK
PRINSIP PENELITIAN
populasi
statistik
parameter sampel X
m S
s P
p

inferens

Menarik kesimpulan apakah perbedaan pada sampel


juga terjadi pada populasi
UJI KEMAKNAAN

Menarik kesimpulan apakah perbedaan


pada sampel juga terjadi pada populasi

 Apakah perbedaan tersebut memang


karena perbedaan pada populasi
 Atau perbedaan hanya karena faktor
sampling saja
LANGKAH UJI KEMAKNAAN

 Tetapkan hipotesa nol


 Tetapkan hipotesa alternatif
 Tetapkan batas kemaknaan statistik
 Lakukan perhitungan statistik
 Lakukan interpretasi probabilitas pada
populasi
SUMBER PERBEDAAN

 Perbedaan karena beda populasi


 Perbedaan sampling variation

Kedua komponen bersifat komplementer


Pop A
Sp1 X1 S1 P1

Sampling variation

Sp2 X2 S2 P2

Perbedaan populasi
Pop B

Sp3
X3 S3 P3
HIPOTESA NOL

Asumsi tak ada perbedaan


 Peran variasi sampling besar
 Tak ada perbedaan populasi

A = B
HIPOTESA ALTERNATIF

TERGANTUNG ARAH STUDI


Two tailed test
A =/= B

One tailed test


A > B
A < B
m

Two tailed test

One tailed test


BATAS KEMAKNAAN

BATAS VARIASI SAMPLING


Type one error (False +)
Type two error (False -)

 Tergantung ukuran sampel


 Tergantung keseriusan
POPULASI
Bermakna Tidak
Bermakna True (+)
Type 1 error
(Tolak H0) Power
T
(1 – b) a
E
Tidak True (-)
S Type 2 error
T (Terima H0) Conf. Int.
b (1 – a)
PRINSIP DASAR
 Hitung nilai absolut besarnya
penyimpangan (deviasi)
 Tetapkan unit standard penilaian
 Hitung nilai deviasi relatif (deviasi
absolut dibagi unit standard)
 Bandingkan deviasi relatif dengan
batas nilai kritis yang dibutuhkan 
nilai probabilitas (p) dari tabel
aproksimasi
KELOMPOK UJI STATISTIK

Stat.parametrik  bersyarat:
 Populasi bersifat normal
 Sampel secara random
 Tak ada nilai ekstrim
 Peka untuk deteksi kemaknaan

Stat.non parametrik  tanpa syarat


 Kurang peka untuk mendeteksi
19 September 2013